[发明专利]评测模型训练方法、评测和业务审核方法、装置及设备

说明书

本发明公开了一种评测模型训练方法、评测和业务审核方法、装置及设备，涉及数据处理技术领域，以解决风险评估的准确率不高的问题。该方法包括：获取样本数据；将所述样本数据输入到预评测模型，得到样本数据的预评测分数；基于预评测分数，提取样本数据的中间样本数据；基于中间样本数据进行模型训练，得到中间样本数据的风险评测模型；其中，中间样本数据的预评测分数大于第一预设值且小于第二预设值，第一预设值小于第二预设值；第一预设值和第二预设值均大于0。本发明实施例可提高风险评估的准确率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种评测模型训练方法、评测和业务审核方法、装置、设备及存储介质。

背景技术

风控能力是金融领域的核心竞争力，它的提升离不开大数据的技术支持。随着互联网特别是移动互联网的普及，每个人在生活中的各种信息被数字化记录，如公安中的违法信息、征信中的信贷信息、运营商服务中的通话记录信息等。这些数据分别从不同维度刻画一个客户，而客户的整体风险则需要整合各个维度信息进行综合评估。

随着数据维度的提升，为方便审批使用，一般考虑使用相关数据特征训练模型，通过模型分来对客户进行综合风险评估，从而对最终审批通过拒绝做出判断。

但是，现有技术中，在进行风险评估时，能够通过模型分区分出最好客群及最差客群，但是无法准确的区分中间客群，从而导致风险评估的准确率不高。

发明内容

本发明实施例提供一种评测模型训练方法、评测和业务审核方法、装置、设备及存储介质，以解决风险评估的准确率不高的问题。

第一方面，本发明实施例提供了一种评测模型训练方法，包括：

获取样本数据；

将所述样本数据输入到预评测模型，得到所述样本数据的预评测分数；

基于所述预评测分数，提取所述样本数据的中间样本数据，所述中间样本数据的预评测分数大于第一预设值且小于第二预设值，所述第一预设值小于所述第二预设值，所述第一预设值和所述第二预设值均大于0；

将所述中间样本数据输入到神经网络进行模型训练，得到所述中间样本数据的风险评测模型。

第二方面，本发明实施例还提供一种评测方法，包括：

获取待评测用户的用户信息；

根据所述用户信息，确定所述待评测用户所对应的客群信息；

基于所述客群信息对应的预评测模型，得到所述待评测用户的预评测分数；

在所述预评测分数大于第一预设值且小于第二预设值的情况下，将所述用户信息输入风险评测模型，得到所述待评测用户的风险评测分数；

其中，所述第一预设值和所述第二预设值均大于0。

第三方面，本发明实施例还提供一种业务审核方法，包括：

接收用户的业务请求；

根据所述用户的业务请求获取用户信息；

基于所述用户信息，利用如权利要求7或权利要求8任一项所述的评测方法对所述用户进行评测，得到所述用户的风险评测分数；

根据所述风险评测分数得到所述用户的业务审核结果。

第四方面，本发明实施例还提供了一种业务审核装置，包括：

第一接收模块，用于接收用户的业务请求；

第一获取模块，用于根据所述用户的业务请求获取用户信息；

第一评测模块，用于基于所述用户信息，利用如第三方面任一项所述的评测方法对所述用户进行评测，得到所述用户的风险评测分数；