[发明专利]交易拒绝用户的用户策略分配方法、装置及电子设备

说明书

本公开涉及一种交易拒绝用户的用户策略分配方法、装置、电子设备及计算机可读介质。该方法包括：获取交易拒绝用户的用户信息，所述用户信息包括基础信息和行为信息、远端信息；将所述用户信息输入捞回模型中，生成捞回评分，所述捞回模型基于欠采样的多个历史用户信息和分类模型训练生成；在所述捞回评分大于阈值时，将所述用户信息输入提升模型中，生成提升评分，所述提升模型通过历史用户信息和其对应的特享资源信息对分类模型训练生成；通过所述提升评分、所述用户信息为所述交易拒绝用户分配用户策略。本公开能够在保证资源安全的前提下，尽最大可能的为用户提供资源服务，提高用户满意度、提高资源利用效率，减少人力成本、提高服务器利用率。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种交易拒绝用户的用户策略分配方法、装置、电子设备及计算机可读介质。

背景技术

在基于互联网的应用技术中，常常需要在不同的参与方之前进行资源的交换。在每次分配资源的过程中，往往需要对用户的资信进行评估。可例如，在金融资源领域，金融市场主体在对相关分析的基础上运用一定的方法合规性地防范风险发生或规避风险。对用户进行资信评估实质上是根据可能对用户的资源归还表现产生影响的指标，来设置对用户进行评估的策略、规则，通过评估这些用户是否满足预设的指标，来预估用户的资源归还表现，进而选择如何为其授予资信额度，如果用户通过该策略的评估，则为其授予相应的额度，但是如果用户没有通过，则将该用户标记为“拒绝授信”的用户，拒绝为该用户授予额度，以降低资金运营风险，提高效益，这样，在该用户再次申请资源时，也可以直接拒绝该用户，缩短流程。

然而，由于目前的金融防范策略均为事先预防策略，对于这种策略下被拒绝的用户，即交易拒绝用户，这些用户中依然存在一些能够按时归还资源的用户。有数据表明，一般情况下，交易全流程通过率只有75％，仍然有约25％的已授信用户，会在交易侧被拒绝，无论对于客户，还是对于服务公司来说，都是损失。根据实际发生的违约率来比较，在25％被拒绝的用户中，仍然有95％的”好”客户会被拒绝掉。因此，有必要对交易拒绝用户进行捞回。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种交易拒绝用户的用户策略分配方法、装置、电子设备及计算机可读介质，能够在保证资源安全的前提下，尽最大可能的为用户提供资源服务，提高用户满意度、提高资源利用效率，减少人力成本、提高服务器利用率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种交易拒绝用户的用户策略分配方法，该方法包括：获取交易拒绝用户的用户信息，所述用户信息包括基础信息和行为信息、远端信息；将所述用户信息输入捞回模型中，生成捞回评分，所述捞回模型基于欠采样的多个历史用户信息和分类模型训练生成；在所述捞回评分大于阈值时，将所述用户信息输入提升模型中，生成提升评分，所述提升模型通过历史用户信息和其对应的特享资源信息对分类模型训练生成；通过所述提升评分、所述用户信息为所述交易拒绝用户分配用户策略。

可选地，将所述用户信息输入捞回模型中之前，包括：在所述远端信息和交易拒绝用户的拒绝原因满足预设策略时，将所述用户信息输入捞回模型中。

可选地，将所述用户信息输入捞回模型中，生成捞回评分，包括：通过所述用户信息生成第一用户特征；将所述第一用户特征输入所述捞回模型中；所述捞回模型对所述第一用户特征进行计算，生成多个叶子节点数值；基于所述多个叶子节点数值确定所述捞回评分。

可选地，将所述用户信息输入提升模型中，生成提升评分，包括：通过所述用户信息生成第二用户特征；将所述第二用户特征输入所述提升模型中；所述提升模型对所述第一用户特征进行计算，生成差分响应数值；基于所述差分响应数值确定所述提升评分。