[发明专利]基于网络推荐动态关系的信用风险评估方法、设备及介质

说明书

本申请公开了一种基于网络推荐动态关系的信用风险评估方法、设备及介质，包括：获取待评估用户的目标数据信息，以及与待评估用户所关联的推荐人对应的推荐数量，进而若推荐数量超过预设数量阈值，则基于目标数据信息，通过已训练的目标融合模型对待评估用户进行风险评估，获得风险评估结果，其中，所述目标融合模型为第一预测模型和第二预测模型进行模型融合获得，所述第一预测模型为基于预先收集的推荐人关联的其他用户的静态基本数据进行训练获得，所述第二预测模型为基于预先收集的申请人和与申请人关联的推荐人分别对应的静态基础数据以及两者之间的交叉维度数据进行训练获得。本申请解决了模型进行风险评估的准确性较低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的机器学习技术领域，尤其涉及一种基于网络推荐动态关系的信用风险评估方法、设备及介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求。

目前，在信用风险模型应用的情形中，现有的风险模型往往是构造一些与用户本身的数据变量进行模型训练，进而利用通常的机器学习算法进行训练得到信用模型，从而完成对用户的信用识别。然而，这些构造的变量往往只衡量用户本身的基础信息，而构造的变量存在覆盖度不全的情况，使得模型预测计算存在偏差，进而导致模型进行风险评估的准确性较低。

发明内容

本申请的主要目的在于提供一种基于网络推荐动态关系的信用风险评估方法、设备及介质，旨在解决现有技术中的模型进行风险评估的准确性较低的技术问题。

为实现上述目的，本申请提供一种基于网络推荐动态关系的信用风险评估方法，所述基于网络推荐动态关系的信用风险评估方法包括：

获取待评估用户的目标数据信息，以及与所述待评估用户所关联的推荐人对应的推荐数量；

若所述推荐数量超过预设数量阈值，则基于所述目标数据信息，通过已训练的目标融合模型对所述待评估用户进行风险评估，获得风险评估结果，其中，所述目标融合模型为第一预测模型和第二预测模型进行模型融合获得，所述第一预测模型为基于预先收集的推荐人关联的其他用户的静态基本数据进行训练获得，所述第二预测模型为基于预先收集的申请人和与申请人关联的推荐人分别对应的静态基础数据以及两者之间的交叉维度数据进行训练获得。

本申请还提供一种基于网络推荐动态关系的信用风险评估装置，所述基于网络推荐动态关系的信用风险评估装置为虚拟装置，所述基于网络推荐动态关系的信用风险评估装置包括：

获取模块，用于获取待评估用户的目标数据信息，以及与所述待评估用户所关联的推荐人对应的推荐数量；

风险评估模块，用于若所述推荐数量超过预设数量阈值，则基于所述目标数据信息，通过已训练的目标融合模型对所述待评估用户进行风险评估，获得风险评估结果，其中，所述目标融合模型为第一预测模型和第二预测模型进行模型融合获得，所述第一预测模型为基于预先收集的推荐人关联的其他用户的静态基本数据进行训练获得，所述第二预测模型为基于预先收集的申请人和与申请人关联的推荐人分别对应的静态基础数据以及两者之间的交叉维度数据进行训练获得。

本申请还提供一种基于网络推荐动态关系的信用风险评估设备，所述基于网络推荐动态关系的信用风险评估设备为实体设备，所述基于网络推荐动态关系的信用风险评估设备包括：存储器、处理器以及存储在所述存储器上的基于网络推荐动态关系的信用风险评估程序，所述基于网络推荐动态关系的信用风险评估程序被所述处理器执行实现如上述的基于网络推荐动态关系的信用风险评估方法的步骤。

本申请还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储基于网络推荐动态关系的信用风险评估程序，所述基于网络推荐动态关系的信用风险评估程序被处理器执行实现如上述的基于网络推荐动态关系的信用风险评估方法的步骤。