[发明专利]降低贷前业务风险的方法及系统

说明书

本发明公开了降低贷前业务风险的方法及系统。涉及信息处理及应用领域，其中，方法通过获取业务类型和根据客户信息提取的客户数据标签，然后利用预先训练好的业务类型对应的无监督分类模型根据客户数据标签对客户进行分类，最后根据分类结果获取客户的业务类型相关性。通过在贷前就根据客户的属性进行客户分类，准确定位客户群体，提高贷款的有效性，降低贷前业务风险的方法，避免人为因素影响，提高评审效率以及有效贷款量。可广泛应用于信贷领域。

技术领域

本发明涉及信息处理及应用领域，尤其是涉及一种降低贷前业务风险的方法及系统。

背景技术

近年来随着互联网金融的快速发展以及互联网所沉淀的行为数据呈现爆炸式的增长，依托于海量数据，客户互联网贷款业务量逐年增加。但是目前进行贷前评估时，多是业务人员根据人为经验确定客户的还款能力或者还款意向等决定是否为客户放贷，因此没有有效的方法来降低贷前的业务风险，由于人为因素的影响较大、其评审结果可靠性低，且评审效率低，导致坏账死账变多，有效贷款量下降。因此需要提出一种能够降低贷前业务风险的方法，以避免人为因素影响，提高评审效率以及有效贷款量。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种降低贷前业务风险的方法，能够避免人为因素影响，提高评审效率以及有效贷款量。

第一方面，本发明的一个实施例提供了：一种降低贷前业务风险的方法，包括：

获取业务类型和根据客户信息提取的客户数据标签；

利用预先训练好的所述业务类型对应的无监督分类模型根据所述客户数据标签对客户进行分类；

根据所述分类结果获取客户的业务类型相关性。

进一步地，训练所述业务类型对应的无监督分类模型具体包括：

根据不同的业务类型选取不同的聚类阈值；

根据所述聚类阈值对训练集数据进行训练得到对应所述聚类阈值的无监督分类模型。

进一步地，所述无监督分类模型为聚类模型。

进一步地，所述聚类模型包括：k-means聚类模型、层次聚类模型、基于密度聚类模型。

进一步地，所述客户数据标签至少包括：客户性别、客户年龄、客户地区、客户兴趣爱好、客户日常行为，所述利用预先训练好的所述业务类型对应的无监督分类模型根据所述客户数据标签对客户进行分类具体包括：

将所述客户数据标签作为所述无监督分类模型的高维度输入向量，根据所述无监督分类模型输出对应的客户分类结果。

进一步地，所述根据所述分类结果获取客户的业务类型相关性具体包括：

根据所述分类结果得到客户办理当前业务类型的风险级别；

根据所述风险级别获取对应风险级别的业务相关性。

进一步地，所述业务类型至少包括：现金贷业务、线上现金分期业务、线上消费分期业务、二次营销业务。

本发明实施例至少具有如下有益效果：降低贷前业务风险的方法，避免人为因素影响，提高评审效率以及有效贷款量。

第二方面，本发明的一个实施例提供了：一种降低贷前业务风险的系统，包括：

获取单元：用于获取业务类型和根据客户信息提取的客户数据标签；

分类单元：用于利用预先训练好的所述业务类型对应的无监督分类模型根据所述客户数据标签对客户进行分类；

相关性分析单元：用于根据所述分类结果获取客户的业务类型相关性。