[发明专利]用于授信评估的数据处理方法和装置

权利要求书

1.一种用于授信评估的数据处理方法，其特征在于，包括：

获取待评估用户数据，其中，所述待评估用户数据为授信临界被拒用户的相关数据，授信临界被拒用户为满足授信大盘预设风险阈值的被拒用户；

基于预设捞回风险评估模型，对所述待评估用户数据进行捞回风险评估，获得风险评估数据；

在预设策略数据库中匹配与所述风险评估数据对应的授信策略数据，输出授信评估结果数据，其中，所述授信评估结果数据包括所述风险评估数据与所述授信策略数据。

2.根据权利要求1所述的数据处理方法，其特征在于，基于预设捞回风险评估模型，对所述待评估用户数据进行捞回风险评估，获得风险评估数据，包括：

对所述待评估用户数据进行识别，获得所述待评估用户数据的基本属性数据与行为数据，其中，所述基本属性数据为用户进行授信评估时所提供的数据，所述行为数据为用户发生借贷行为时产生的数据；

对所述基本属性数据与所述行为数据进行特征化处理，获得输入特征数据；

基于所述预设捞回风险评估模型，对所述输入特征数据进行捞回风险评估处理，获得所述风险评估数据。

3.根据权利要求1所述的数据处理方法，其特征在于，在获取待评估的用户数据之前，还包括：

获取训练数据，其中，所述训练数据为进行预设捞回风险评估模型训练的用户相关数据；

基于所述训练数据，对预先建立的深度学习模型进行训练，获得所述预设捞回风险评估模型。

4.根据权利要求3所述的数据处理方法，其特征在于，基于所述训练数据，对预先建立的深度学习模型进行训练，获得所述预设捞回风险评估模型，包括：

获取第一训练数据，其中，所述第一训练数据包括授信临界被拒和通过用户的相关数据；

基于所述第一训练数据，对第一预先建立的深度学习模型进行训练，获得违约分类模型；

基于所述违约分类模型数据，对所述临界被拒用户的相关数据进行违约分类处理，获得第二训练数据，其中，所述第二训练数据包括临界被拒用户的相关数据和所述临界被拒用户对应的违约分类标签数据；

基于所述第二训练数据，对第二预先建立的深度学习模型进行训练，获得所述预设捞回风险评估模型。

5.根据权利要求4所述的数据处理方法，其特征在于，基于所述第一训练数据，对第一预先建立的深度学习模型进行训练，获得违约分类模型，包括：

对所述第一训练数据进行预处理，获得第一过程训练数据，其中，所述第一过程训练数据包括所述第一训练数据和所述第一训练数据对应的分类标签数据；

基于所述第一过程训练数据，对所述第一预先建立的深度学习模型进行训练，获得所述违约分类模型。

6.根据权利要求4所述的数据处理方法，其特征在于，基于所述第二训练数据，对第二预先建立的深度学习模型进行训练，获得所述预设捞回风险评估模型，包括：

对所述第二训练数据进行识别，获得训练基本属性数据与训练行为数据；

对所述训练基本属性数据与所述训练行为数据进行特征化处理，获得训练输入特征数据；

根据所述训练输入特征数据与所述临界被拒用户对应的违约分类标签数据，对所述第二预先建立的深度学习模型进行训练，获得所述预设捞回风险评估模型。

7.一种用于授信评估的数据处理装置，其特征在于，包括：

数据获取模块，用于获取待评估用户数据，其中，所述待评估用户数据为授信临界被拒用户的相关数据；

捞回评估模块，基于预设捞回风险评估模型，对所述待评估用户数据进行捞回风险评估，获得风险评估数据；

结果输出模块，用于在预设策略数据库中匹配与所述风险评估数据对应的授信策略数据，输出授信评估结果数据，其中，所述授信评估结果数据包括所述风险评估数据与所述授信策略数据。