[发明专利]基于用户APP独热编码的风险评估方法、装置和电子设备

说明书

本发明公开了一种基于用户APP独热编码的风险评估方法、装置、电子设备及计算机可读介质，其中方法包括：获取与用户关联的移动终端的APP安装列表信息；根据APP安装列表信息进行独热编码，获得与用户关联的独热编码特征；建立机器学习模型，使用历史用户的独热编码特征及其金融表现数据训练该机器学习模型；将新用户的独热编码特征输入训练好的机器学习模型，计算该新用户的风险评分。本发明通过将待授信用户的移动终端APP安装列表信息转化为独热编码特征，并利用机器学习模型进行训练从而得到待授信用户的授信风险，操作简单，易于实现，且评估的授信风险结果准确率高，稳定性较好，在建模和特征维护方面，投入的人力少，节省资源，效果显著。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种基于用户APP独热编码的风险评估方法、装置、电子设备及计算机可读介质。

背景技术

在客户充分授权的情况下，获取客户终端应用程序(APP)相关的信息用以风险控制是消费金融领域的一种普遍做法。对于客户APP信息的挖掘，普遍的做法是对APP进行分类，然后通过统计客户对某一类APP的安装和使用偏好来进行客户画像。这种做法的缺点在于APP的分类非常难以维护，因为本身很多APP兼具多重功能，难以将这些APP分到某一类。比如某APP，既有社交属性，又有理财、支付等功能。受到APP分类准确性得不到保证等因素的影响，导致这类方法衍生的特征难以对客户进行准确的风险画像，且维护困难。现有技术中还从其他的维度对APP数据进行挖掘，如根据APP日活跃用户数量将APP分类，挖掘客户安装的APP命中大众类APP数量等特征；还可以根据APP在自身平台的风险属性进行变量挖掘等。但都存在挖掘难度较大，投入的人力较多，维护成本较高，稳定性不理想等问题。

发明内容

为了解决如何稳定准确高效完成对用户的授信风险评估的技术问题，本发明提供了一种基于用户APP独热编码的风险评估方法、装置、电子设备及计算机可读介质。

本发明的一方面提供一种基于用户APP独热编码的风险评估方法，用于评估用户的金融风险，包括：

获取与用户关联的移动终端的APP安装列表信息，所述用户包括历史用户和新用户；

根据所述APP安装列表信息进行独热编码，获得与用户关联的独热编码特征；

建立机器学习模型，使用历史用户的独热编码特征及其金融表现数据训练该机器学习模型；

将新用户的独热编码特征输入所述训练好的机器学习模型，计算该新用户的风险评分。

根据本发明的优选实施方式，所述根据所述APP安装列表信息进行独热编码，获得与用户关联的独热编码特征，进一步包括：

获取多个APP的用户覆盖度；

建立APP集合，使得所述APP集合中的各APP的所述用户覆盖度大于预定值；

将用户的APP安装列表与所述APP集合比较以获得所述与用户关联的独热编码特征。

根据本发明的优选实施方式，所述建立APP集合，使得所述APP集合中的各APP的所述用户覆盖度大于预定值，进一步包括：

按照所述用户覆盖度由大到小的顺序对所述多个APP排序形成序列；

选取所述序列中排名在前预设数量的APP作为APP集合中的APP。

根据本发明的优选实施方式，所述根据所述APP安装列表信息进行独热编码，获得与用户关联的独热编码特征，进一步包括：

根据所述APP安装列表信息获得APP安装数量，根据APP安装数量是否超过预定值进行独热编码，获得所述与用户关联的独热编码特征。

根据本发明的优选实施方式，所述根据所述APP安装列表信息进行独热编码，获得与用户关联的独热编码特征，进一步包括：