[发明专利]用户的信用评分的预测方法和装置、存储介质及电子设备

权利要求书

1.一种用户的信用评分的预测方法，其特征在于，包括：

获取第一对象的第一数据信息，并对所述第一数据信息进行处理，得到第一特征向量，其中，所述第一数据信息中至少包括所述第一对象的属性信息和当前金融环境信息；

依据所述第一特征向量和多个第二对象对应的第二特征向量进行预测，得到所述第一对象的初始信用评分；

获取所述第一对象的第二数据信息，并对所述第二数据信息进行处理，得到第三特征向量，其中，所述第二数据信息中至少包括所述第二对象的交易数据信息；

通过目标广义回归神经网络模型对所述初始信用评分和所述第三特征向量进行预测，得到所述第一对象的目标信用评分。

2.根据权利要求1所述的方法，其特征在于，依据所述第一特征向量和多个第二对象对应的第二特征向量进行预测，得到所述第一对象的初始信用评分包括：

获取每个第二对象对应的第二特征向量和每个第二对象对应的信用评分；

计算所述第一特征向量与每个第二对象对应的第二特征向量的相似度，得到多个目标相似度；

依据所述多个目标相似度从所述多个第二对象中选取多个目标对象，并依据所述多个目标对象对应的信用评分进行预测，得到所述初始信用评分。

3.根据权利要求2所述的方法，其特征在于，计算所述第一特征向量与每个第二对象对应的第二特征向量的相似度，得到多个目标相似度包括：

计算所述第一特征向量与每个第二对象对应的第二特征向量的皮尔逊相关系数，得到多个初始相似度；

获取所述第一特征向量的第一时间戳，以及获取每个第二对象对应的第二特征向量的第二时间戳；

依据所述第一时间戳和所述第二时间戳进行计算，得到多个时间权重值；

依据所述多个时间权重值和所述多个初始相似度进行计算，得到所述多个目标相似度。

4.根据权利要求2所述的方法，其特征在于，依据所述多个目标对象对应的信用评分进行预测，得到所述初始信用评分包括：

依据所述多个目标对象对应的信用评分计算平均值，得到平均信用评分；

依据所述平均信用评分和每个目标对象对应的信用评分对所述第一对象的信用评分进行预测，得到所述初始信用评分。

5.根据权利要求1所述的方法，其特征在于，在通过目标广义回归神经网络模型对所述初始信用评分和所述第三特征向量进行预测，得到所述第一对象的目标信用评分之前，所述方法还包括：

获取第一训练数据集，其中，所述训练数据集中包括多个第一训练特征向量，每个第一训练特征向量对应的初始信用评分以及每个第一训练特征向量对应的真实信用评分；

依据所述第一训练数据集，确定初始广义回归神经网络模型的目标光滑因子；

获取第二训练数据集，其中，所述训练数据集中包括多个第二训练特征向量，每个第二训练特征向量对应的初始信用评分以及每个第二训练特征向量对应的真实信用评分；

依据所述目标光滑因子和所述第二训练数据集对所述初始广义回归神经网络模型进行训练，得到所述目标广义回归神经网络模型。

6.根据权利要求5所述的方法，其特征在于，依据所述第一训练数据集，确定初始广义回归神经网络模型的目标光滑因子包括：

在预设范围内随机生成预设数量的随机数，并将所述随机数作为第一初始光滑因子；

对于每个第一初始光滑因子，依据该第一初始光滑因子对应的初始广义回归神经网络模型对所述第一训练特征向量和每个第一训练特征向量对应的初始信用评分进行预测，得到每个第一训练特征向量对应的预测信用评分；

依据所述预测信用评分和真实信用评分进行计算，得到每个第一初始光滑因子对应的分数值；

依据每个第一初始光滑因子对应的分数值，确定所述初始广义回归神经网络模型的目标光滑因子。