一种实时预测并显示借款成功率的方法及系统

本发明属于互联网金融领域，尤其涉及一种实时预测并显示借款成功率的方法及系统。

随着互联网金融技术的发展，金融行业尤其是电子商务领域发生了巨大的变化，作为互联网金融行业的一个新兴领域——P2P网络借贷，正在以惊人的速度增长并受到广泛关注。P2P网络借贷，改变了传统的借贷流程，使得借贷和贷款更为容易和便捷。在网络借贷过程中，平台通过借款人的相关信息，如：年龄、婚姻等基本信息、工作信息、房车产信息、违约信息等来评价是否可以借给借款人，现有的借款申请通常是平台先审核，随后告知借款人是否通过审核，如果通过的话，则还需要较长的一段时间来发放贷款。现有的审核和发放贷款的用时都较长、申请结果滞后，无法实时告知用户，并且由于目前借款成功率表达不够明晰，使得用户的理解成本和操作成本较高。因此，如果能尽快并且清晰明了的显示借款的成功率，对于用户来说，一方面增强了体验感，另一方面，在结果较为不利的情况下，可以帮助用户尽快通过寻其他途径来获得借款。

为了解决现有技术的问题，本发明提供了一种实时预测并显示借款成功率的方法及系统，本方案通过对影响用户借款率的多个影响因子进行计算及实时显示预测结果，一方面可以实时的告知用户借款结果，一方面由于以图形化的形式进行显示，更为直观，易于让用户理解与操作。

本发明实施例提供的具体技术方案如下：

第一方面，本发明提供一种实时预测并显示借款成功率的方法，所述方法包括：

启动借款应用，用户在所述借款应用页面提交在线借款申请；

接收所述在线借款申请，触发并获取影响所述用户借款成功率的影响因子；

根据所述影响因子以及预设的借款成功率计算模型，预测得到所述用户本次借款行为的成功率；

以图形化方式在所述借款应用页面实时显示所述用户本次借款行为的成功率。

在一些实施例中，所述以图形化方式在所述借款应用页面实时显示所述用户本次借款行为的成功率包括：

输出预测得到的所述用户本次借款行为的成功率；

将所述用户本次借款行为的成功率以百分数的形式实时显示在多渐变的单根轴线上。

在一些实施例中，所述触发并获取影响所述用户借款成功率的影响因子包括：

根据所述在线借款申请，调取所述用户的身份信息并进行验证；

根据所述验证成功的身份信息，触发获取影响所述用户借款成功率的影响因子，所述影响因子包括所述用户的借款信息、借款历史信息、平台审核认证信息、违约情况、平台类似用户借款成功率。

在一些实施例中，所述根据所述在线借款申请，调取所述用户的身份信息并进行验证包括：

根据所述在线借款申请，提示所述用户打开拍照功能拍摄身份证照片；

将实际拍摄的所述身份证照片与调取的所述用户的身份信息进行对比、验证。

在一些实施例中，所述根据所述影响因子以及预设的借款成功率计算模型，预测得到所述用户本次借款行为的成功率包括：

对所述影响因子进行数据预处理，得到预处理后的数据；

将所述预处理后的数据输入所述预设的借款成功率计算模型中，得到所述用户本次借款行为的成功率。

第二方面，本发明提供了一种实时预测并显示借款成功率的系统，所述系统包括：

接收模块，用于在用户启动借款应用以及在所述借款应用页面提交在线借款申请后，接收所述在线借款申请；

获取模块，用于触发并获取影响所述用户借款成功率的影响因子；

计算模块，用于根据所述影响因子以及预设的借款成功率计算模型，预测得到所述用户本次借款行为的成功率；

输出与显示模块，用于将所述用户本次借款行为的成功率在借款应用页面以图形化方式进行实时显示。

在一些实施例中，所述输出与显示模块包括输出模块和显示模块；

所述输出模块，用于输出预测得到的所述用户本次借款行为的成功率；

所述显示模块，用于将所述用户本次借款行为的成功率以百分数的形式实时显示在多渐变的单根轴线上。

在一些实施例中，所述获取模块包括调用模块和触发模块；

所述调用模块，用于根据所述在线借款申请，调取所述用户的身份信息并进行验证；

所述触发模块，用于根据所述验证成功的身份信息，触发获取影响所述用户借款成功率的影响因子，所述影响因子包括所述用户的借款信息、借款历史信息、平台审核认证信息、违约情况、平台类似用户借款成功率。

在一些实施例中，所述调用模块包括查询模块和验证模块；

所述查询模块，用于根据所述在线借款申请，提示所述用户打开拍照功能拍摄身份证照片；

所述验证模块，用于将实际拍摄的所述身份证照片与调取的所述用户的身份信息进行对比、验证。

在一些实施例中，所述计算模块包括数据处理模块和实时计算模块；

所述数据处理模块，用于对所述影响因子进行数据预处理，得到预处理后的数据；

所述实时计算模块，用于将所述预处理后的数据输入所述预设的借款成功率计算模型中，得到所述用户本次借款行为的成功率。

与传统的显示借款成功率的方法相比，本发明实施例具有如下有益效果：

1、对提取的影响用户借款成功率的影响因子输入至预测借款成功率计算模型中并实时显示预测结果，能够实时预测并显示借款成功率；

2、以图形化的显示预测结果，显示更为清晰、直观，提高用户的体验。

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是根据一示例性实施例示出的一种实时预测并显示借款成功率的方法的流程图；

图2是根据一示例性实施例示出的一种实时预测并显示借款成功率的系统的框图。

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是根据一示例性实施例示出的实时预测并显示借款成功率的方法的流程图，参照图1所示，该方法包括如下步骤：

S1、启动借款应用，用户在借款应用页面提交在线借款申请。

具体的，用户在进行具体借款行为之前，首先进行用户注册，随后打开借款应用，在借款应用弹出账户信息的登录界面中输入账户信息，完成登录后，在弹出的借款申请页面上填写相应的借款信息并确认提交。

其中，本实施例中，账户信息包括登录该借款应用的账号号码和密码，账号号码包括但不限于手机号、身份证、自定义数字或者符号等，密码可选包含但不限于数字和/字符；借款信息包括借款金额、借款期限、本次借款与上次借款的间隔时间等。

S2、接收在线借款申请，触发并获取影响用户借款成功率的影响因子。

具体的，该过程可以包括：

S21、接收在线借款申请，根据所述在线借款申请调取用户的身份信息并进行验证；

具体的，在接收了用户提交的在线借款申请后，平台根据此次借款申请，调取用户的身份信息并且提示用户打开拍照功能拍摄身份证照片，将实际拍摄的身份证照片和调取的用户身份信息进行对比、验证。如果验证失败，则在页面弹出相应的验证失败的信息并提示用户是否需要再次验证，当用户选择再次验证，则打开拍照功能拍摄身份证照片，当用户拒绝验证则关闭此次交易并退出借款应用。

S22、根据验证成功的身份信息，触发获取影响用户借款成功率的影响因子。

具体的，当身份信息验证成功后，触发获取影响用户借款成功率的用户的借款信息、借款历史信息、平台审核认证信息、违约情况、平台类似用户借款成功率等多个影响因子。

其中，用户借款信息包括但不限于借款金额、借款利率、借款期限、本次借款距上次借款的间隔时间、借款用途等；借款历史信息包括在本平台的历史逾期次数、在本平台的逾期金额/借款金额、在其他平台的历史逾期次数、在其他平台的逾期金额/借款金额等；平台审核认证信息为用户在本平台的信用分数；违约情况为用户在此前的借款交易中是否存在违约情况。

此外，影响因子还可以包括用户的工作信息、房车产信息等。工作信息反映了借款人资金的直接来源，在某种程度上对借款人的偿还能力其决定性作用。工作信息具体包括工作区域、工作行业、公司规模、工作年限、收入等；房车产信息反映了借款人的经济能力，一般来说，有房车贷的，在一定程度上反映出借款人的信用水平是得到认可的。

S3、根据影响因子以及预设的借款成功率计算模型，预测得到用户本次借款行为的成功率。

具体的，该过程包括以下步骤：

S31、对影响因子进行数据预处理，得到预处理后的数据。

具体的，数据预处理过程包括：

S311、对影响因子进行分类简化处理。

具体的，将影响因子进行分类，分为数值型数据和非数值型数据。对数值型数据，如借款金额、借款利率、借款期限等不做任何处理，直接使用；对非数值型数据，如逾期与否分为逾期和未逾期，分别用0、1表示。

S312、对分类简化后的数据进行空缺值处理。

其中，空缺值处理主要有三种方法：1、人工填写空缺值；2、指定值或平均值代替空缺值；3、忽略含有空缺值的记录。本实施例中，由于采集的数据中空缺值较少，因此采用忽略空缺值记录的方法。

S313、对空缺值处理后的数据进行噪声处理。

噪声处理的过程具体包括对影响因子数据中的一些指标明显不合理的数据进行忽略、不进行分析处理。

S32、将预处理后的数据输入预设的借款成功率计算模型中，得到用户本次借款行为的成功率。

具体的，作为一种较优的实施方式，本实施例中选用因子分析模型作为借款成功率计算模型，以预处理后的数据的方差贡献率为权重，对预处理后的数据进行加权计算最终得到借款成功率。此外，还可以选择其他模型作为借款成功率的计算模型，本实施例对此不加以限定。

S4、以图形化方式在借款应用页面实时显示用户本次借款行为的成功率。

具体的，该过程包括以下步骤：

S41、输出预测得到的用户本次借款行为的成功率；

S42、将用户本次借款行为的成功率以图形化方式显示在借款应用页面上。

具体的，作为一种较优的实施方式，本实施例中，将用户本次借款行为的成功率以百分数的形式实时显示在多渐变单根轴线上。其中，轴线的区间为0.00％～100.00％，轴线0.00％处为灰、50.00％处为黄、100.00％处为蓝，轴线为无极变；计算出的借款成功率以相应轴线颜的百分数显示，并精确到两位小数点，例如：90.18％。

本发明实施例中，通过将提取的影响用户借款成功率的影响因子输入至预测借款成功率计算模型中并实时显示预测结果，能够解决借款成功率不及时反馈的问题，通过图形化的显示方式来显示预测结果，能够解决显示不明晰、不直观的问题，可以提高用户的体验。

图2是根据一示例性实施例示出的一种实时预测并显示借款成功率的系统的框图，如图2所示，该系统2包括：

接收模块21，用于在用户启动借款应用以及在借款应用页面提交在线借款申请后，接收在线借款申请。

获取模块22，用于触发并获取影响用户借款成功率的影响因子。

具体的，获取模块22包括调用模块221和触发模块222；

调用模块221，用于根据在线借款申请，调取用户的身份信息并进行验证；

具体的，调用模块221包括查询模块2211和验证模块2212；

查询模块2211，用于根据在线借款申请，提示用户打开拍照功能拍摄身份证照片；

验证模块2212，用于将实际拍摄的身份证照片与调取的用户的身份信息进行对比、验证。

触发模块222，用于根据验证成功的身份信息，触发获取影响用户借款成功率的影响因子，影响因子包括用户的借款信息、借款历史信息、平台审核认证信息、违约情况、平台类似用户借款成功率等。

计算模块23，用于根据影响因子以及预设的借款成功率计算模型，预测得到用户本次借款行为的成功率。

具体的，计算模块23包括数据处理模块231和实时计算模块232；

数据处理模块231，用于对影响因子进行数据预处理，提取特征数据；

实时计算模块232，用于将特征数据输入预设的借款成功率计算模型中，得到用户本次借款行为的成功率。

输出与显示模块24，用于将用户本次借款行为的成功率在借款应用页面以图形化方式进行实时显示。

具体的，输出与显示模块24包括输出模块241和显示模块242；

输出模块241，用于输出预测得到的用户本次借款行为的成功率；

显示模块242，用于将用户本次借款行为的成功率以百分数的形式实时显示在多渐变的单根轴线上。

尽管已描述了本发明实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例中范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。