[发明专利]一种贷款需求识别方法、装置、终端及存储介质

说明书

本发明实施例公开了一种贷款需求识别方法、装置、设备及存储介质。该方法包括：获取待识别信息，其中，待识别信息包括待识别企业的预设企业信息和待识别企业中预设人员的预设人员信息；将待识别信息输入至已训练完成的贷款需求识别模型中，根据贷款需求识别模型的输出结果识别出待识别企业的贷款需求，其中，贷款需求识别模型包括目标极端梯度提升模型。本发明实施例的技术方案，充分考虑了公私联动问题，从企业层面和个人层面共同选取待识别信息，在将它们输入至已训练完成的极端梯度提升模型后，可以得到准确度较高的企业贷款需求识别结果。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种贷款需求识别方法、装置、终端及存储介质。

背景技术

大力发展普惠金融是当前金融服务实体经济的根本举措，如商业银行在为小微企业提供贷款服务时，也可为自身带来经济效益，实现双赢局面。然而，小微企业数量众多且发展良莠不齐，如何准确判断小微企业的真实情况以最大程度上满足它的贷款需求，已然成为一个关键问题。

现有技术中，Logistic回归、决策树、支持向量机等分类算法已在金融领域受到广泛应用，如违约风险预测、信用等级评价、客户流失、金融产品购买等等。但是，这些常见分类算法在预测企业贷款需求方面的相关应用较少，而且，它们自身特性也难以在贷款需求识别方面有所应用，如Logistic回归模型难以处理非线性问题，决策树模型需要先进行大量的预处理，支持向量机因涉及以样本量为阶数的矩阵计算而难以适应大数据量的处理。

发明内容

本发明实施例提供了一种贷款需求识别方法、装置、终端及存储介质，以实现企业贷款需求的精准识别的效果。

第一方面，本发明实施例提供了一种贷款需求识别方法，可以包括：

获取待识别信息，其中，待识别信息包括待识别企业的预设企业信息和待识别企业中预设人员的预设人员信息；

将待识别信息输入至已训练完成的贷款需求识别模型中，根据贷款需求识别模型的输出结果识别出待识别企业的贷款需求，其中，贷款需求识别模型包括目标极端梯度提升模型。

可选的，在此基础上，还可以包括：

获取样本信息和样本信息对应的贷款结果，其中，样本信息包括样本企业的样本企业信息和样本企业中样本人员的样本人员信息；

将样本信息和贷款结果作为一组训练样本，基于多个训练样本对原始极端梯度提升模型进行训练，得到贷款需求识别模型。

可选的，基于多个训练样本对原始极端梯度提升模型进行训练，得到贷款需求识别模型，可以包括：

多个训练样本包括训练集和测试集，基于训练集对原始极端梯度提升模型进行训练，得到贷款需求识别模型；

基于测试集对贷款需求识别模型进行测试，并根据测试结果得到贷款需求识别模型的识别精度。

可选的，上述贷款需求识别方法，还可以包括：

训练集中的样本信息包括多个子样本信息，若识别精度未满足预设精度条件，则根据贷款需求识别模型的输出结果分别计算出每个子样本信息对贷款需求识别模型的贡献程度；

根据贡献程度对多个子样本信息进行筛选，在根据筛选结果更新训练集后，基于训练集对原始极端梯度提升模型重新进行训练，并根据训练结果更新贷款需求识别模型。

可选的，根据测试结果得到贷款需求识别模型的识别精度，可以包括：

测试结果包括贷款概率，根据贷款概率和预设分割线得到贷款需求识别模型的识别精度；

若识别精度未满足预设精度条件，对预设分割线进行调整。

可选的，在将样本信息和贷款结果作为一组训练样本之后，还可以包括：