[发明专利]一种催收核销客户还款意愿分类方法及系统

权利要求书

1.一种催收核销客户还款意愿分类方法，其特征在于，该方法包括如下步骤：

S1、构建数据仓库，所述的数据仓库中存储多方数据，包括委外催收记录数据、银行信用卡数据和征信数据；

S2、从多方数据中提取n维特征数据并进行数据清洗；

S3、对清洗后的n维特征数据进行特征加工和筛选确定m维关键特征数据；

S4、确定训练样本，构建用于预测催收核销客户还款意愿等级的分类预测模型并进行训练；

S5、对于待分类的催收核销客户，获取S1中的多方数据并依次执行步骤S2～S3，最后采用训练好的分类预测模型进行预测确定催收核销客户还款意愿等级。

2.根据权利要求1所述的一种催收核销客户还款意愿分类方法，其特征在于，步骤S1中数据仓库采用HDFS分布式文件存储模式。

3.根据权利要求1所述的一种催收核销客户还款意愿分类方法，其特征在于，步骤S2中数据清洗包括空缺值填补、异常值剔除、类别型特征数据数值化、错误数据剔除、数据归一化。

4.根据权利要求1所述的一种催收核销客户还款意愿分类方法，其特征在于，步骤S3中进行特征加工和筛选采用包括特征相关性分析和主成分分析方法。

5.根据权利要求1所述的一种催收核销客户还款意愿分类方法，其特征在于，所述的分类预测模型包括lightGBM模型。

6.一种催收核销客户还款意愿分类系统，其特征在于，该系统包括：

数据仓库(1)：用于存储多方数据，包括委外催收记录数据、银行信用卡数据和征信数据；

数据提取清洗模块(2)：用于从多方数据中提取n维特征数据并进行数据清洗；

特征加工和筛选模块(3)：用于从多方数据中提取n维特征数据并进行数据清洗；

模型训练模块(4)：用于对接特征加工和筛选模块(3)，确定训练样本，构建用于预测催收核销客户还款意愿等级的分类预测模型并进行训练；

分类预测模块(5)：用于对接特征加工和筛选模块(3)，同时存储训练好的分类预测模型，所述的分类预测模块(5)在特征加工和筛选模块(3)获取到待分类的催收核销客户的m维关键特征数据后利用训练好的分类预测模型进行预测确定催收核销客户还款意愿等级。

7.根据权利要求6所述的一种催收核销客户还款意愿分类系统，其特征在于，所述的数据仓库(1)采用HDFS分布式文件存储模式。

8.根据权利要求6所述的一种催收核销客户还款意愿分类系统，其特征在于，所述的数据提取清洗模块(2)包括空缺值填补子模块、异常值剔除子模块、类别型特征数据数值化子模块、错误数据剔除子模块、数据归一化子模块，对应用于空缺值填补、异常值剔除、类别型特征数据数值化、错误数据剔除、数据归一化。

9.根据权利要求6所述的一种催收核销客户还款意愿分类系统，其特征在于，所述的特征加工和筛选模块(3)包括特征相关性分析子模块和主成分分析子模块，对应用于采用特征相关性分析和主成分分析方法进行特征加工和筛选。

10.根据权利要求6所述的一种催收核销客户还款意愿分类系统，其特征在于，所述的分类预测模型包括lightGBM模型。