[发明专利]模型生成方法、信用评分生成方法、装置、设备及存储介质

权利要求书

1.一种模型生成方法，其特征在于，所述方法包括：

选取对应不同信用程度的用户，作为样本用户；所述样本用户中至少包括信用程度大于预设阈值的用户，以及信用程度不大于所述预设阈值的用户；

根据所述样本用户的用户相关信息，获取所述样本用户的样本特征，以及，生成所述样本用户的样本信用评分；

将所述样本特征及所述样本信用评分作为训练数据，对初始信用评分模型进行训练，以获取目标信用评分模型。

2.根据权利要求1所述的方法，其特征在于，所述选取对应不同信用程度的用户，作为样本用户，包括：

获取已借贷用户的借贷相关信息；

根据所述已借贷用户的借贷相关信息，从所述已借贷用户中选取至少一个未逾期的已借贷用户，以作为所述样本用户；以及，从所述已借贷用户中选取至少一个逾期情况满足预设条件的已借贷用户，以作为所述样本用户；

其中，所述未逾期的已借贷用户为所述信用程度大于预设阈值的用户，所述逾期情况满足预设条件的已借贷用户为所述信用程度不大于所述预设阈值的用户。

3.根据权利要求2所述的方法，其特征在于，所述借贷相关信息为所述已借贷用户在预设时长内的逾期相关参数；

所述根据所述已借贷用户的借贷相关信息，从所述已借贷用户中选取至少一个未逾期的已借贷用户以及逾期情况满足预设条件的已借贷用户，包括：

将逾期相关参数大于预设参数阈值的已借贷用户，确定为逾期情况满足预设条件的已借贷用户；从所述逾期情况满足预设条件的已借贷用户中，选择至少一个已借贷用户，以作为所述样本用户；

将逾期相关参数不大于预设参数阈值的已借贷用户确定为未逾期的已借贷用户；从所述未逾期的已借贷用户中，选择至少一个已借贷用户，以作为所述样本用户；

其中，所述逾期相关参数至少包括逾期次数和/或逾期时长。

4.根据权利要求1所述的方法，其特征在于，所述用户相关信息中包括至少两个维度的相关信息；

所述根据所述样本用户的用户相关信息，获取所述样本用户的样本特征，包括：

对至少两个维度的所述相关信息进行向量化，得到至少两个维度的待选特征；

对于任一维度的所述待选特征，确定所述维度的待选特征对应的重要度；

选择对应的重要度最高的前m个维度的待选特征，作为所述样本特征，所述m为不小于1的整数。

5.根据权利要求4所述的方法，其特征在于，所述相关信息至少包括用户画像信息、用户所使用设备中应用程序及网络的使用信息、用户的观影行为信息、支付信息和/或对指定类型广告的点击行为信息。

6.根据权利要求4所述的方法，其特征在于，所述确定所述维度的待选特征对应的重要度，包括：

根据所述初始信用评分模型的损失函数的负梯度，拟合所述维度的待选特征对应的决策树；

统计所述决策树中各个分支的增益之和，得到所述维度的待选特征的重要度。

7.根据权利要求1所述的方法，其特征在于，所述用户相关信息中包括至少两个维度的相关信息；所述生成所述样本用户的样本信用评分，包括：

根据预设的相关信息与分值对应关系，确定各个维度的所述相关信息对应的分值；

选择对应的分值最大的前n个维度的相关信息，作为目标相关信息；所述n为不小于1的整数；

将所述目标相关信息的分值之和，确定为所述样本用户的样本信用评分。