[发明专利]新发卡实时审批模型的训练及审批方法、设备及存储介质

权利要求书

1.一种新发卡实时审批模型的训练方法，其特征在于，包括：

根据已有客户的信息构建客户关系网络；

根据新发卡进件申请信息关联已有客户，通过新发卡进件申请信息及关联的已有客户的客户标签实时计算得到实时图指标；

所述实时图指标包括黑灰名单类指标、时间类指标、位置类指标、资金关系类指标、交叉关系类指标，以及复杂关系类指标；

计算新发卡进件数据样本实时图指标，作为模型训练的候选变量；

在新发卡实时审批模型训练前，对候选变量进行特征筛选，对特征筛选后的候选变量进行最优特征变量选择，得到最终入模变量；

利用最终入模变量对模型进行训练，得到新发卡实时审批模型。

2.根据权利要求1所述的新发卡实时审批模型的训练方法，其特征在于，根据已有客户的信息构建客户关系网络，具体包括：

根据已有客户的信息设计客户关系网络的实体、属性以及关系；

将已有客户的信息进行数据预处理，至少包括：对已有客户的信息进行数据清洗，将已有客户的信息中的所有坐标数据进行网格化处理；

从预处理后的已有客户的信息中抽取与已设计的实体、属性以及关系对应的数据，并基于所抽取的数据构建客户关系网络。

3.根据权利要求1所述的新发卡实时审批模型的训练方法，其特征在于，

特征筛选后的候选变量进行最优特征变量选择，得到最终入模变量，具体包括：

确定每个候选变量的预测能力评估指标，根据各个候选变量的预测能力评估指标从所有候选变量中筛选出重要性较强的特征变量；

将筛选出的重要性较强的特征变量重新训练新发卡实时审批模型，并比较单个特征变量训练模型后的效果，通过比较单变量的模型结果，选择重要性较强的特征变量作为最终入模变量。

4.根据权利要求3所述的新发卡实时审批模型的训练方法，其特征在于，

确定每个候选变量的预测能力评估指标，根据各个候选变量的预测能力评估指标从所有候选变量中筛选出重要性较强的特征变量，具体包括：

确定所有候选变量的缺失率，从所有候选变量中剔除缺失率大于缺失率阈值的候选变量；

确定剔除后的每个候选变量的IV值，根据每个候选变量的IV值筛选出IV值大于或等于IV值阈值的特征变量；

确定筛选后的剩余候选变量的PSI值，根据每个候选变量的PSI值筛选出PSI值小于预先设置的阈值的候选变量，作为重要性较强的特征变量。

5.根据权利要求1～4任一项所述的新发卡实时审批模型的训练方法，其特征在于，

所述黑灰名单类指标包括当前的新发卡进件的一度关系人的黑灰名单客户数量及占比、当前的新发卡进件的紧急联系人或直系亲属是否为黑名单客户、与当前的新发卡进件在同一单位的一度关系人的黑名单客户数量及占比。

6.根据权利要求1～4任一项所述的新发卡实时审批模型的训练方法，其特征在于，

所述时间类指标包括与当前的新发卡进件在同一网格区域且在第一时间段内的进件量、与当前的新发卡进件在同一网格区域且在第二时间段内的进件量；

所述位置类指标包括与当前的新发卡进件在同一网格区域的且同一单位的客户数量、与当前的新发卡进件在同一网格区域进件的欺诈拒绝件占比、与当前的新发卡进件在同一网格区域且一度关系人达到第一学历以上学历占比、与当前的新发卡进件在同一网格区域且一度关系人的人均综合储蓄金额。