[发明专利]基于用户信息的产品定价方法、装置、设备及存储介质

权利要求书

1.一种基于用户信息的产品定价方法，其特征在于，所述方法包括：

根据用户信息生成定价参数；

在所述定价参数完整时，从所述定价参数中筛选出符合当前定价方案的定价参数为目标参数；

根据所述目标参数和对应的预设最优参数计算每一个所述目标参数的参数等级，并根据所述参数等级生成第一定价方案；

获取用户的历史定价方案和对应的历史逾期情况，并根据所述历史定价方案和对应的历史逾期情况优化预构建的逾期概率分析模型；

利用优化后的所述逾期概率分析模型计算所述第一定价方案的逾期概率，根据所述逾期概率对所述第一定价方案进行调整，得到第二定价方案；

分别计算所述第一定价方案和所述第二定价方案的权益值，筛选出权益值最大的定价方案为目标定价方案。

2.如权利要求1所述的基于用户信息的产品定价方法，其特征在于，所述在所述定价参数完整时，从所述定价参数中筛选出符合当前定价方案的定价参数为目标参数之前，所述方法还包括：

提取所述定价参数的参数标签；

判断所述参数标签是否包括预设的标准参数标签表中所有的标准参数标签；

若所述参数标签不包括预设的标准参数标签表中所有的标准参数标签，则确定所述定价参数不完整；

所述参数标签包括预设的标准参数标签表中所有的标准参数标签，则确定所述定价参数完整。

3.如权利要求1所述的基于用户信息的产品定价方法，其特征在于，所述根据所述目标参数和对应的预设最优参数计算每一个所述目标参数的参数等级，包括：

计算所述目标参数与对应的预设最优参数的距离值；

根据所述距离值所处的区间范围对应的等级，确定所述目标参数的参数等级。

4.如权利要求1所述的基于用户信息的产品定价方法，其特征在于，所述根据所述历史定价方案和对应的历史逾期情况优化预构建的逾期概率分析模型，包括：

获取训练定价方案和对应的逾期概率标签；

利用所述预构建的逾期概率分析模型计算所述训练定价方案的预测逾期概率；

计算所述预测逾期概率和所述对应的逾期概率标签的损失值，利用所述损失值调整所述逾期概率分析模型；

利用所述历史定价方案和对应的历史逾期情况对调整后的所述逾期概率分析模型进行自适应优化，得到优化后的逾期概率分析模型。

5.如权利要求1所述的基于用户信息的产品定价方法，其特征在于，所述利用优化后的所述逾期概率分析模型计算所述第一定价方案的逾期概率，包括：

将所述第一定价方案中的参数进行向量化，得到向量矩阵；

利用所述优化后的逾期概率分析模型对所述向量矩阵进行预设次数的卷积及全连接操作，得到所述第一定价方案的参数信息；

利用激活器计算所述第一定价方案的参数信息的逾期概率。

6.如权利要求1所述的基于用户信息的产品定价方法，其特征在于，所述根据所述逾期概率对所述第一定价方案进行调整，得到第二定价方案，包括：

根据所述逾期概率所处的概率区间获取预设的所述概率区间对应的调整方案；

提取所述方案的调整系数；

根据所述调整系数调整所述第一定价方案的第一贷款利率和第一贷款年限，得到第二贷款利率和第二贷款年限；

根据所述第二贷款利率和所述第二贷款年限确定第二定价方案。

7.如权利要求6所述的基于用户信息的产品定价方法，其特征在于，所述分别计算所述第一定价方案和所述第二定价方案的权益值，包括：

利用所述第一贷款利率和所述第二贷款利率计算预设额度，得到所述第一贷款利率和所述第二贷款利率对应的每年的利润值；

根据所述第一贷款年限和所述第二贷款年限对所述对应的每年的利润值进行权益计算，得到第一权益值和第二权益值。