[发明专利]信用评分值的确定方法及其装置、电子设备及存储介质

权利要求书

1.一种信用评分值的确定方法，其特征在于，包括：

基于目标账户的账户标识，获取所述目标账户的多个账户特征，得到特征集合，其中，每个所述账户特征对应一个特征值，对多个所述特征值进行分箱处理，得到多个特征分箱；

将所述特征集合输入至预先训练的联邦学习模型，得到每个所述账户特征的参数值；

对每个所述账户特征进行权重编码，得到所述账户特征所属的特征分箱的证据权重值；

基于每个所述账户特征的参数值以及所述账户特征所属的特征分箱的证据权重值,确定所述目标账户在当前评分机构的信用评分值。

2.根据权利要求1所述的确定方法，其特征在于，在基于目标账户的账户标识，获取所述目标账户的多个账户特征之前，所述确定方法包括：

获取多个评分机构的样本数据集，其中，每个所述样本数据集至少包括：账户特征，至少一个样本数据集还包括：样本标签；

对所述样本数据集进行预处理，并将预处理后的所述样本数据集中的账户特征进行分箱处理，得到多个特征分箱；

基于所述多个特征分箱，计算每个所述特征分箱的证据权重值WOE，并基于所述证据权重值，计算每个所述账户特征的信息值IV；

基于所述信息值，筛选大于等于预设价值阈值的信息值所对应的账户特征，得到筛选出的账户特征集合；

基于预设逻辑回归模型，拟合所述账户特征集合中每个账户特征的特征参数，以完成对所述联邦学习模型的训练任务。

3.根据权利要求2所述的确定方法，其特征在于，在所述样本数据集包括样本标签的情况下，将预处理后的所述样本数据集中的账户特征进行分箱处理，得到多个特征分箱的步骤，包括：

获取每个所述账户特征的特征值，并对所述特征值进行排序处理，得到排序结果；

基于预设分箱策略，对所述排序结果中所述特征值进行分箱处理，得到多个特征分箱。

4.根据权利要求2所述的确定方法，其特征在于，在将预处理后的所述样本数据集中的账户特征进行分箱处理，得到多个特征分箱之后，所述确定方法还包括：

计算每两个相邻的特征分箱的卡方值；

将最小卡方值所指示的相邻特征分箱合并为一个特征分箱；

返回计算每两个相邻的特征分箱的卡方值的步骤，直至所述卡方值大于预设阈值或者分箱数量等于分析数量阈值。

5.根据权利要求2所述的确定方法，其特征在于，在所述样本数据集包括样本标签的情况下，所述确定方法还包括：

控制包含所述样本标签的样本数据集所对应的目标评分机构生成公钥和私钥；

控制所述目标评分机构向未包含所述样本标签的样本数据集所对应的其它评分机构发送所述公钥，并保留所述私钥。

6.根据权利要求5所述的确定方法，其特征在于，在所述样本数据集不包括样本标签的情况下，在将预处理后的所述样本数据集中的账户特征进行分箱处理，得到多个特征分箱之后，所述确定方法还包括：

获取目标评分机构生成的公钥以及标签向量，其中，所述标签向量为所述目标评分机构对所述样本标签进行同态加密后得到的；

基于所述标签向量，计算每个所述特征分箱的样本总数和正样本数，得到计算结果；

采用所述公钥对所述计算结果进行加密，并将加密后的所述计算结果发送至所述目标评分机构。

7.根据权利要求2所述的确定方法，其特征在于，基于预设逻辑回归模型，拟合所述账户特征集合中每个账户特征的特征参数的步骤，包括：

获取随机特征参数，并初始化每个所述账户特征的参数，得到初始化参数；

采用预设计算公式对所述账户特征以及与所述账户特征对应的所述初始化参数进行计算，得到参数计算结果；

基于不同评分机构所对应的参数计算结果，计算模型参数的梯度；

基于模型参数的梯度以及所述随机特征参数，更新所述初始化参数；

返回采用预设计算公式对所述账户特征以及与所述账户特征对应的所述初始化参数进行计算，得到参数计算结果的步骤，直到所述逻辑回归模型达到预设模型收敛模式，得到与每个所述账户特征对应的特征参数。