确定用户信贷资质方法和装置

本申请涉及机器学习技术领域，特别是涉及一种确定用户信贷资质方法和装置。

目前，中小企业级客户的信贷审批流程一般包括：用户提交贷款申请、根据黑名单进行筛选，使用风控模型对用户评分，来确定该用户是否拥有贷款资质、使用额度模块确定该用户的贷款金额、决定是否放贷。

当信贷机构接收到用户的贷款申请时，信贷机构需要使用风控模型来确定用户是否拥有贷款资质。确定过程具体为：获取数据提供方提供的该用户对应的第一用户数据，以及获取本地中存储的该用户对应的第二用户数据，将第一用户数据和第二用户数据输入预先训练的风控模型，进而同时对第一用户数据和第二用户数据处理，得到该用户对应的决策分数，进而根据该决策分数来确定用户是否拥有贷款资质。

当信贷机构接收到用户的贷款申请后，才获取第一用户数据和第二用户数据，并对其进行处理，得到决策分数，这样话，由于用户数据往往包括多个维度的数据，因为需要对大量的数据进行处理，消耗时间长，无法快速反馈信贷结果。

有鉴于此，本申请提供一种确定用户信贷资质方法和装置，减小在接收到用户的贷款申请后的数据处理负担和处理时长，可以快速反馈信贷结果。

为达到上述目的，本申请主要提供如下技术方案：

第一方面，本申请提供了一种确定用户信贷资质方法，所述方法包括：

接收数据提供方提供的与用户标识对应的第一用户数据，其中，所述用户标识为申请信贷用户的标识；

将所述第一用户数据输入预先训练的风控模型中的第一子模块，得到第一特征信息；

获取数据库中预先存储的用户标识对应的第二特征信息，其中，所述第二特征信息是在用户申请信贷之前，将与所述用户标识对应的第二用户数据输入预先训练的风控模型中的第二子模块得到的；

将所述第一特征信息和所述第二特征信息输入预先训练的风控模型中的计算模块，得到决策分数；

根据所述决策分数，确定用户是否拥有信贷资质。

第二方面，本申请提供了一种确定用户信贷资质装置，所述装置包括：

接收单元，用于接收数据提供方提供的与所述用户标识对应的第一用户数据，其中，用户标识为申请信贷用户的标识；

第一输入单元，用于将所述接收单元确定第一用户数据输入预先训练的风控模型中的第一子模块，得到第一特征信息；

第一获取单元，用于获取数据库中预先存储的用户标识对应的第二特征信息，其中，所述第二特征信息是在用户申请信贷之前，将与所述用户标识对应的第二用户数据输入预先训练的风控模型中的第二子模块得到的；

第二输入单元，用于将所述第一输入单元得到的第一特征信息和所述第一获取单元获取到的第二特征信息输入预先训练的风控模型中的计算模块，得到决策分数；

第一确定单元，用于根据第二输入单元确定的决策分数，确定用户是否拥有信贷资质。

第三方面，本申请提供了一种终端，该终端用于运行程序，其中，该终端运行时执行该第一方面所述的确定用户信贷资质方法。

第四方面，本申请提供了一种存储介质，该存储介质用于存储计算机程序，其中，该计算机程序运行时控制该存储介质所在设备执行该第一方面所述的确定用户信贷资质方法。

借由上述技术方案，本申请提供了一种确定用户信贷资质方法和装置，由于第二特征信息是对第二用户数据进行处理后得到的特征信息，因此，本申请在接收到用户的贷款申请后，只需要基于第一用户数据和第二特征信息得到决策分数，并不需要对第二用户数据进行处理得到第二特征信息的过程，减小在接收到用户的贷款申请后的数据处理负担和处理时长，可以快速反馈信贷申请结果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请公开的一种确定用户信贷资质方法的流程示意图；

图2为本申请公开的一种训练风控模型方法的流程示意图；

图3为本申请公开的一种确定第二特征信息方法的流程示意图；

图4为本申请公开的一种根据参考特征信息确定第二特征信息方法的流程示意图；

图5为本申请公开的一种确定第二特征信息方法的流程示意图；

图6为本申请公开的一种确定用户信贷资质装置的结构示意图；

图7为本申请公开的又一种确定用户信贷资质装置的结构示意图。

下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。

在现有技术中，发明人发现预先训练的风控模型往往使用的是逻辑回归模型，该模型往往需要对第一用户数据和第二用户数据进行同时处理，进而计算出决策分数。正是由于这样的模型结构，这使得数据处理的过程全部集中在信贷机构接收到用户的贷款申请后，这使得不能及时反馈信贷申请结果。

在实际处理过程中，发明人发现第二用户数据一般存储在本地中，而第一用户数据存储在多个其他机构上，因此，第二用户数据是可以随时获取到，而由于存储空间有限且其他机构出于隐私保护的考虑，只能当需要数据处理时，才能获取第一用户数据，这样，为了减小在信贷机构接收到用户的贷款申请后设备的处理负担，提高该设备的性能，发明人对风控模型的结构进行改变，使得风控模型可以分别对第一用户数据和第二用户数据进行处理，并得到其分别对应的特征信息，进而根据这两个特征信息得到决策分数。由于这样的模型结构，可以预先在本地计算出第二用户数据对应的第二特征信息，进而将其存在到数据库中。当信贷机构接收到用户的贷款申请后，直接在数据库中获取到该用户对应的第二特征信息，进而根据第二特征信息，得到该用户的决策分数。这样，相比与现有技术，本申请减小在接收到用户的贷款申请后的数据处理负担和处理时长，可以快速反馈信贷申请结果。

因此，本申请实施例提供了一种确定用户信贷资质方法，该方法的执行设备可以为服务器，该服务器可以只设置有第一子模块和计算模块，也可以设置有预先训练的风控模型，也可以为其他电子设备，此处并不限定。其具体执行步骤如图1所示，包括：

步骤101，接收数据提供方提供的与用户标识对应的第一用户数据。

其中，第一用户数据为与用户相关的多个维度的数据，该数据包括年龄，性别，收入，职业，家人数量，住房情况，消费情况，债务等多个维度的数据。用户标识为申请信贷用户的标识，为唯一标识用户的信息，可以为用户的姓名，手机号等信息。数据提供方为提供第一用户数据的机构。例如，购物平台，贷款机构、银行等。提供第一用户数据的机构可以为一个，也可以为多个，此处并不限定。

在本步骤的具体实施方式中，当接收到用户的信贷申请请求后，检测是否需要计算该用户的决策分数，如果需要，则获取该用户的用户标识，并向数据提供方发送包含有用户标识的数据请求信息，数据请求信息用于请求数据提供方提供用户标识对应的第一用户数据。之后，便可以接收数据提供方发送的用户标识和与所述用户标识对应的第一用户数据。

步骤102，将第一用户数据输入预先训练的风控模型中的第一子模块，得到第一特征信息。

其中，风控模型的结构是按照双塔结构设置，进而使得第一子模块对第一用户数据进行处理，第二子模块对第二用户数据进行处理。

在本步骤的具体实施方式中，当接收到数据提供方发送的第一用户数据之后，将第一用户数据输入预先训练的风控模型中的第一子模块，得到第一用户数据对应的第一特征信息。

步骤103，获取数据库中预先存储的用户标识对应的第二特征信息。

其中，第二特征信息是在用户申请信贷之前，将与所述用户标识对应的第二用户数据输入预先训练的风控模型中的第二子模块得到的。

在本步骤的具体实施方式中，由于第二用户数据存储在本地中，因此可以预先将存储的所有的第二用户数据输入预先训练的风控模型中的第二子模块中，得到每个第二用户数据对应的第二特征信息，并将第二特征信息和对应的用户标识存储至数据库中。这样，当需要获取某个用户标识对应的第二特征信息时，可以直接按照该用户标识，在数据库中，查到对应的第二特征信息。

为了保证数据库中保存有每个第二用户数据的第二特征信息，可以周期性判断第二用户数据是否更新；如果是，则根据更新后的第二用户数据，对数据库中存储的第二特征信息进行更新。

步骤104，将第一特征信息和第二特征信息输入预先训练的风控模型中的计算模块中，得到决策分数。

其中，决策分数用于风控决策。计算模块可以为逻辑斯蒂计算模块。

在本步骤的具体实施方式中，将第一特征信息和第二特征信息输入预先训练的风控模型中的计算模块中，得到决策分数。

步骤105，根据决策分数，确定用户是否拥有信贷资质。

在本步骤的具体实施方式中，根据决策分数，确定用户是否拥有信贷资质。例如，当决策分数大于等于预设数值时，确定用户拥有信贷资质，当决策分数小于预设数值时，确定用户没有拥有信贷资质。

在本申请实施例中，由于第二特征信息是对第二用户数据进行处理后得到的特征信息，因此，本申请在接收到用户的贷款申请后，只需要基于第一用户数据和第二特征信息得到决策分数，并不需要对第二用户数据进行处理得到第二特征信息的过程，减小在接收到用户的贷款申请后的数据处理负担和处理时长，可以快速反馈信贷申请结果。

进一步的，为了得到图1实施例中的预先训练的风控模型，本申请还提供了一种训练风控模型方法，该步骤的具体步骤如图2所示，包括：

步骤201，获取待使用的训练样本。

其中，训练样本包括第一样本用户数据和第二样本用户数据以及基准决策分数，其中基准决策分数是人工标注的分数。

在本步骤的具体实施方式中，在训练集中，随机选取出一个训练样本。

步骤202，将第一样本用户数据和第二样本用户数据输入风控模型中，得到预测决策分数。

在本步骤的具体实施方式中，将第一样本用户数据输入风控模型中的第一子模块，得到第一预测特征信息。将第二样本用户数据输入风控模型中的第二子模块

，得到第二预测特征信息。将第一预测特征信息和第二预测特征信息输入风控模型中的计算模块，得到预测决策分数。

步骤203，基于预测决策分数和基准决策分数，对风控模型中待调整的参数进行调整，得到预先训练的风控模型。

在本步骤的具体实施方式中，根据预测决策分数和基准决策分数，计算损失值，并根据损失值对风控模型中待调整的参数进行调整，从而完成一次训练过程。之后，在训练集中，选取出未使用的训练样本，使用该训练样本对风控模型进行训练，直至完成预设次训练过程，得到预先训练的风控模型。

进一步的，在图1实施例的基础上，当数据库中不存在用户标识对应的第二特征信息时，可以将技术人员根据经验设置的分数作为该用户标识的分数，但这个分数可能与其真实分数相差甚远，因此为了更加准确的估算用户标识的第二特征信息，本申请提供了一种确定第二特征信息方法，具体步骤如图3所示，包括：

步骤301，确定与用户标识相关联的第一参考用户标识。

在本步骤的具体实施方式中，根据用户标识，查与该用户标识相关联的第一参考用户标识。例如，根据用户标识，确定与用户存在配偶关系、血缘关系、同事关系等关系的第一参考用户，进而确定其对应的第一参考用户标识。

步骤302，根据第一参考用户标识，在数据库中，查第一参考用户标识对应的第一参考特征信息。

步骤303，根据第一参考用户标识对应的第一参考特征信息，确定用户标识对应的第二特征信息。

在本步骤的具体实施方式中，当只查到一个第一参考特征信息，这样便将该第一参考特征信息确定为该用户标识对应的第二特征信息，当查到多个第二参考特征信息时，则可以根据图4所述的方法确定第二特征信息。

当数据库中不存在用户的第二特征信息时，与该用户相关联的第一参考用户的第二特征信息往往和该用户的第二特征信息相近，因此，为了更加准确估计用户的第二特征信息，可以确定与该用户的用户标识相关联的第一参考用户标识，并在数据库中，查到该第一参考用户标识对应的第一参考特征信息，进而根据第一参考用户标识对应的第一参考特征信息，确定用户标识对应的第二特征信息。

进一步的，在图3所示实施例的基础上，本申请还提供了一种根据第一参考特征信息确定第二特征信息方法，该方法为图3中步骤303“根据第一参考用户标识对应的第一参考特征信息，确定用户标识对应的第二特征信息”的具体实施方式，该方法如图4所示，具体包括：

步骤401，根据与第一参考特征信息对应的关联关系，确定每个第一参考特征信息对应的权重。

其中，第一参考特征信息对应的关联关系是与第一参考特征信息对应的第一参考用户和用户之间的关联关系，例如，同事关系、配偶关系、子女关系。

在本步骤的具体实施方式中，当查到多个第一参考特征信息时，确定每个第一参考特征信息对应的第一参考用户标识，进而确定第一参考用户标识对应的关联关系，得到每个第一参考特征信息对应的关联关系。之后，根据关联关系和关联值的对应关系，确定每个第一参考用户标识对应的关联值，对这些关联值进行归一化处理，得到每个第一参考特征信息对应的权重。

步骤402，根据每个第一参考特征信息和对应的权重，确定用户标识对应的第二特征信息。

在本步骤的具体实施方式中，将每个第一参考特征信息和对应的权重相乘，并将每个相乘结果进行相加，得到用户标识对应的第二特征信息。

在本申请实施例中，为了更加准确的估算用户的第二特征信息，可以综合考虑不同关联关系对第二特征信息的影响程度，从而更加准确的估算出用户的第二特征信息。

进一步的，在图1所示实施例的基础上，当数据库中不存在用户标识对应的第二特征信息时，本申请还提供了一种确定第二特征信息方法，具体步骤如图5所示，包括：

步骤501，确定用户标识对应的属性信息。

其中，属性信息可以为用户各个维度的信息。例如，属性信息为年龄段、地域信息、职业信息等。

步骤502，确定对应相同属性信息的第二参考用户标识。

步骤503，在数据库中，查第二参考用户标识对应的第二参考特征信息。

步骤504，根据第二参考用户标识对应的第二参考特征信息，确定用户标识对应的第二特征信息。

在本步骤的具体实施方式中，当只查到一个第二参考特征信息，这样便将该第二参考特征信息确定为该用户标识对应的第二特征信息，当查到多个第二参考特征信息时，可以计算这些第二参考特征信息的平均特征信息，将该平均特征信息确定为第二特征信息。具体的，计算所有第二参考特征信息的平均特征信息；将平均特征信息确定为用户标识对应的第二特征信息。

进一步的，作为对上述图1-5所示方法实施例的实现，本申请实施例提供了一种确定用户信贷资质装置，该装置减小在接收到用户的贷款申请后的数据处理负担和处理时长，可以快速反馈信贷申请结果。该装置的实施例与前述方法实施例对应，为便于阅读，本实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。具体如图6所示，该装置包括：

接收单元601，用于接收数据提供方提供的与用户标识对应的第一用户数据，其中，所述用户标识为申请信贷用户的标识；

第一输入单元602，用于将所述接收单元601确定第一用户数据输入预先训练的风控模型中的第一子模块，得到第一特征信息；

第一获取单元603，用于获取数据库中预先存储的用户标识对应的第二特征信息，其中，所述第二特征信息是在用户申请信贷之前，将与所述用户标识对应的第二用户数据输入预先训练的风控模型中的第二子模块得到的；

第二输入单元604，用于将所述第一输入单元602得到的第一特征信息和所述第一获取单元603获取到的第二特征信息输入预先训练的风控模型中的计算模块中，得到决策分数；

第一确定单元605，用于根据第二输入单元604确定的决策分数，确定用户是否拥有信贷资质。

进一步的，如图7所示，所述装置还包括训练单元606，所述训练单元606用于：

获取待使用的训练样本，所述训练样本包括第一样本用户数据、第二样本用户数据以及基准决策分数；

将所述第一样本用户数据和所述第二样本用户数据输入风控模型中，得到预测决策分数；

基于所述预测决策分数和所述基准决策分数，对所述风控模型中待调整的参数进行调整，得到预先训练的风控模型。

进一步的，如图7所示，当所述数据库中不存在所述用户标识对应的第二特征信息时，所述装置还包括第二确定单元607，所述第二确定单元607用于：

确定与所述用户标识相关联的第一参考用户标识；

根据所述第一参考用户标识，在所述数据库中，查所述第一参考用户标识对应的第一参考特征信息；

根据所述第一参考用户标识对应的第一参考特征信息，确定所述用户标识对应的第二特征信息。

进一步的，如图7所示，当所述第一参考用户标识为多个时，所述第二确定单元607，还用于：

根据与所述第一参考特征信息对应的关联关系，确定每个第一参考特征信息对应的权重；

根据每个第一参考特征信息和对应的权重，确定所述用户标识对应的第二特征信息。

进一步的，如图7所示，当所述数据库中不存在所述用户标识对应的第二特征信息时，所述装置还包括第三确定单元608，所述第三确定单元608用于：

确定所述用户标识对应的属性信息；

确定对应相同属性信息的第二参考用户标识；

在数据库中，查所述第二参考用户标识对应的第二参考特征信息；

根据所述第二参考用户标识对应的第二参考特征信息，确定所述用户标识对应的第二特征信息。

进一步的，如图7所示，当所述第二参考特征信息为多个时，所述第三确定单元608，还用于：

计算所有第二参考特征信息的平均特征信息；

将所述平均特征信息确定为所述用户标识对应的第二特征信息。

进一步的，如图7所示，所述装置还包括更新单元609，所述更新单元609用于：

周期性判断第二用户数据是否更新；

如果是，则根据更新后的第二用户数据，对数据库中存储的第二特征信息进行更新。

进一步的，本申请实施例还提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述图1-5中所述的确定用户信贷资质方法。

进一步的，本申请实施例还提供一种存储介质，所述存储介质用于存储计算机程序，其中，所述计算机程序运行时控制所述存储介质所在设备执行上述图1-5中所述的确定用户信贷资质方法。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再一一赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。