[发明专利]一种贷款审批方法和装置

说明书

本发明实施例提供了一种贷款审批方法和装置，可用于人工智能技术领域，所述方法包括：对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。

技术领域

本发明涉及计算机技术领域，特别涉及人工智能技术领域，尤其涉及一种贷款审批方法和装置。

背景技术

目前，在对用户申请的贷款进行审批时，通常需要审批人员进行人工审批。贷款审批的过程中需要非常多的材料，需要人工对逐项数据进行审核，导致容易出现审批失误且审批过程主观的问题，且人工流程复杂，审批效率低下，导致用户体验较差。

发明内容

本发明的一个目的在于提供一种贷款审批方法，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。本发明的另一个目的在于提供一种贷款审批装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。

为了达到以上目的，本发明一方面公开了一种贷款审批方法，包括：

对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；

通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。

优选的，对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值，包括：

通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值。

优选的，用户数据包括多个属性类别和每个属性类别下的用户特征；

通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值，包括：

对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益；

根据信息增益，从用户特征中提取出每个属性类别下的最优特征值。

优选的，在通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果之前，还包括：

获取历史数据；

通过历史数据，对支持向量机算法进行训练，构建出审批模型。

优选的，用户数据包括用户征信、用户收入证明、用户房产信息、是否为首套购房、用户年龄、用户职业信息、用户婚姻状态和用户流水信息。

本发明还公开了一种贷款审批装置，包括：

特征提取单元，用于对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；

审批单元，用于通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。

优选的，特征提取单元，具体用于通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值。

优选的，用户数据包括多个属性类别和每个属性类别下的用户特征；

特征提取单元，具体用于对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益；根据信息增益，从用户特征中提取出每个属性类别下的最优特征值。

优选的，装置还包括：

获取单元，用于获取历史数据；

训练单元，用于通过历史数据，对支持向量机算法进行训练，构建出审批模型。

本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。