[发明专利]一种信用风险评估方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种信用风险评估方法、装置、计算机设备及存储介质。该方法包括：获取移动终端中应用程序的安装列表；根据安装列表中各个应用程序的名称生成名称序列；将名称序列输入预先训练的神经网络模型，以获得每个应用程序的名称对应的目标向量；根据各个目标向量确定用户的特征向量；将特征向量输入预设风控模型，并根据预设风控模型输出的预测结果对用户的信用风险进行评估。本发明实施例所提供的技术方案，实现了仅依赖用户所使用的应用程序的信息即可判断用户的信用风险，从而实现了在贷前用户数据少且行为少的情况下，仍然能够在贷前有效的控制大盘风险，保证公司的利润。

技术领域

本发明实施例涉及金融安全技术领域，尤其涉及一种信用风险评估方法、装置、计算机设备及存储介质。

背景技术

近年来，互联网金融已经成为当今社会上的一个金融发展趋势。在金融领域，无论是投资理财还是借贷放款，风险控制永远是业务的核心基础。尤其是针对额度小、人群大且周期短的消费金融来说，已经被公认为风险最高的细分领域。因此，各个互联网小额借贷公司均有自己的风控体系，来确保借贷业务的风险控制在一定的范围内。而在风控体系中，贷前的环节起着至关重要的作用，这就需要在贷前就识别出用户的信用风险，再根据风险值决定是否向用户放贷。

由于贷前可使用的用户相关数据非常有限，且随着数据安全要求的加强，各机构之间的数据也相对孤立，因此大大增加了贷前风险评估的难度。同时，由于贷前用户仅有少量的行为，通常也很难据此来判断用户的风险。

发明内容

本发明实施例提供一种信用风险评估方法、装置、计算机设备及存储介质，以实现仅依赖用户所使用的应用程序的信息来判断用户的信用风险，从而解决由于贷前用户数据少以及行为少而导致的难以评估的问题。

第一方面，本发明实施例提供了一种信用风险评估方法，该方法包括：

获取移动终端中应用程序的安装列表；

根据所述安装列表中各个所述应用程序的名称生成名称序列；

将所述名称序列输入预先训练的神经网络模型，以获得每个所述应用程序的名称对应的目标向量；

根据各个所述目标向量确定用户的特征向量；

将所述特征向量输入预设风控模型，并根据所述预设风控模型输出的预测结果对用户的信用风险进行评估。

第二方面，本发明实施例还提供了一种信用风险评估装置，该装置包括：

安装列表获取模块，用于获取移动终端中应用程序的安装列表；

名称序列生成模块，用于根据所述安装列表中各个所述应用程序的名称生成名称序列；

目标向量获得模块，用于将所述名称序列输入预先训练的神经网络模型，以获得每个所述应用程序的名称对应的目标向量；

特征向量确定模块，用于根据各个所述目标向量确定用户的特征向量；

信用风险评估模块，用于将所述特征向量输入预设风控模型，并根据所述预设风控模型输出的预测结果对用户的信用风险进行评估。

第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的信用风险评估方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的信用风险评估方法。