CN107563588A - 一种个人信用的获取方法和获取*** - Google Patents
一种个人信用的获取方法和获取*** Download PDFInfo
- Publication number
- CN107563588A CN107563588A CN201710612361.5A CN201710612361A CN107563588A CN 107563588 A CN107563588 A CN 107563588A CN 201710612361 A CN201710612361 A CN 201710612361A CN 107563588 A CN107563588 A CN 107563588A
- Authority
- CN
- China
- Prior art keywords
- credit
- personal
- personal credit
- score
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种个人信用的获取方法和获取***。本发明所述的个人信用的获取方法,包括:建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度;获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型;接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。采用本发明所述的个人信用的获取方法和获取***可以快速、准确的获取个人信用评分,同时由于个人信用评估模型的各相关参数可以根据实际情况进行动态改变,也增加了个人信用评分的准确性。
Description
技术领域
本发明属于信用获取领域,具体涉及一种个人信用的获取方法和获取***。
背景技术
当前针对个人信用的数据包括:个人收入、资产、户籍、工作经历、教育水平、信用记录、公用事业服务记录、偿贷信息、通信消费等,而且要符合法律允许范围内。个人征信数据的采集,一些欧洲国家和东南亚、澳大利亚、韩国、台湾和香港等地曾要求只提供负面数据,也有一些国家和地区的金融机构只提供正面数据,美国允许征信机构提供完整的个人征信数据。
国内个人信用数据分散在各类企业与各级政府,包括银行、电信、电力、水利、公安、工商、税务等,其中,大部分机构都将各自信息“圈起”,互不共享,形成信息“孤岛”,加大了征信公司收集数据的难度。
发明内容
针对现有技术中存在的缺陷,本发明的目的是提供一种个人信用的获取方法和获取***。该方法和***能够使个人信用的获取全面快速。
为达到以上目的,本发明采用的技术方案是:一种个人信用的获取方法,包括以下步骤:
建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度,所述征信数据包括:业务运营支撑***BOSS征信数据、经营分析***征信数据、信令平台***征信数据;
获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型;
接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。
进一步,所述根据移动运营商的数据库中的征信数据生成征信数据库,包括:
根据所述维度建立个人信用评估模型:
其中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重;
根据所述个人信用评估模型计算所述数据库中每一个人的个人信用评分;
获取所述每个人的个人信用评分,生成征信数据库。
进一步,所述偿还意愿的维度空间变量包括:在网时长、历史欠费次数、历史欠费时长、交往圈连接数、历史贷款还款情况。
进一步,所述偿还能力的维度空间变量包括:收入情况、支出情况、每月ARPU值、***张数。
进一步,所述实名认证信息的维度空间变量包括:手机号码、姓名、身份证号码、年龄、联系人手机号码、联系人身份证号码、微信号、淘宝账号、微博账号
一种个人信用的获取***,所述获取***包括:
征信数据库生成单元,用于建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度,所述征信数据包括:业务运营支撑***BOSS征信数据、经营分析***征信数据、信令平台***征信数据;
修订后的个人信用评估模型获取单元,用于获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型;
个人信用评分获取单元,用于接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。
进一步,所述征信数据库生成单元,包括:
个人信用评估模型建立子单元,用于根据所述维度建立个人信用评估模型:
其中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重;
个人信用评分计算子单元,用于根据所述个人信用评估模型计算所述数据库中每一个人的个人信用评分;
征信数据库生成子单元,用于获取所述每个人的个人信用评分,生成征信数据库。
进一步,所述偿还意愿的维度空间变量包括:在网时长、历史欠费次数、历史欠费时长、交往圈连接数、历史贷款还款情况。
进一步,所述偿还能力的维度空间变量包括:收入情况、支出情况、每月ARPU值、***张数。
进一步,所述实名认证信息的维度空间变量包括:手机号码、姓名、身份证号码、年龄、联系人手机号码、联系人身份证号码、微信号、淘宝账号、微博账号。
本发明的效果在于:采用本发明所述的方法,可以通过移动运营商数据库的全面性,快速准确的获取个人信用评分,同时由于个人信用评估模型的各相关参数可以根据实际情况进行动态改变,使得个人信用评分更加准确。
附图说明
图1是本发明一实施例示出的一种个人信用的获取方法的流程图;
图2是本发明另一实施例示出的一种个人信用的获取方法的流程图;
图3是本发明一实施例示出的一种个人信用的获取***的结构图;
图4是本发明另一实施例示出的一种个人信用的获取***的结构图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步描述。
如图1所示,为本发明一实施例示出的一种个人信用的获取方法的流程图,包括以下步骤:
步骤S101,建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度,所述征信数据包括:业务运营支撑***BOSS征信数据、经营分析***征信数据、信令平台***征信数据。
本实施例中,由于时代的进步,人们更多将与生活有关的信息应用到移动设备中,这样在移动运营商的数据库中通常保存有大量的个人数据。从移动运营商的数据库中获取征信数据,根据该征信数据生成征信数据库,该征信数据库以偿还意愿、偿还能力和实名认证信息为维度,其中,征信数据包括但不限于:BOSS(Business Operations SupportSystem,业务运营支撑***)征信数据、经营分析***征信数据以及信令平台***征信数据。
步骤S102,获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型。
在本发明中,由于征信数据库是根据移动运营商的征信数据建立的,可能存在与个人最近的征信不太符合的数据,因此可以获取个人一段时间内的个人信用评估模型的修订参数,通过该修订参数对个人信用评估模型进行修订,进而获取较符合个人最近行为的修订后的个人信用评估模型。
例如:
通过一定周期的用户贷款还贷情况的运行数据监测,可以得到还贷违约用户清单,针对这些还贷违约的用户,将其信用评估模型的各相关参数变量及全部业务详单进行数据挖掘分析(如相关性分析、聚类分析、决策树、神经网络、逻辑回归等),可以得出各相关参数变量的相关系数和还贷违约的预测模型及相应参数,以此来修正本个人信用评估模型相应的权值设置。即:
其中,Wij’为原初始信用评估模型中相应的各参数变量权值Wij经过数据挖掘分析后的修正值。且同样满足
同样的,Weight_i’为信用评估模型中维度为i的信用评分的维度总权重Weight_i的修正后结果。
更新个人用户信用评估模型的权值设置后,重新计算更新后的全网用户的个人信用评分PCreditScore(),以便随时获得最新的信用评分。
步骤S103,接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。
在本发明中,修订后的个人信用评估模型中的个人信用评分都与个人用户特征相关联,将接收的个人用户特征添加到修订后的个人信用评估模型中进行搜索,即可获取对应的个人信用评分,其中,个人用户特征包括但不限于:身份证号、手机号。
本发明,通过移动运营商的数据库中的征信数据建立征信数据库,通过预设时间段获取的修订参数对个人信用评估模型进行修改,获取修订后的个人信用评估模型,根据个人用户特征,从修订后的个人信用评估模型中获取对应的个人信用评分,由于移动运营商的数据库信息的全面和准确,使得个人信用评分的获取快速、准确,同时由于个人信用评估模型的各相关参数可以根据实际情况进行动态改变,使得个人信用评分更加准确。
如图2所示为本发明另一实施例示出的一种个人信用的获取方法的流程图,所述建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,包括:
步骤S201,根据所述维度建立个人信用评估模型:
其中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重。
在本发明中,首先根据预设的维度建立个人信用评估模型:在该模型中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重。由前述的描述可知,维度为3(偿还意愿、偿还能力和实名认证信息),既n为3,n的数量可以根据实际使用的需要进行扩展。
需要指出的是,Wij和Weight_i均可以根据实际使用的需要而设定,本发明对其不做限定。
步骤S202,根据所述个人信用评估模型计算所述数据库中每一个人的个人信用评分。
在本发明中,获取数据库中的每一个人的数据,将数据加入到建立的个人信用评估模型中,即可分别计算每一个人的个人信用评分。
个人信用评分具体可通过以下三个方面进行计算:
1、偿还意愿
由W表示偿还意愿,则偿还意愿的个人信用评分为:
其中,CreditScore_W为个人信用评分中偿还意愿所属维度的得分,mi为偿还意愿所属维度的维度空间变量的数量,在本发明中mi为5,这里Weight_i=Weight_W,Weight_W为预设的参数,可以根据实际使用的需要进行调整。
偿还意愿(W)维度的维度空间变量具体包括:
在网时长(月份)W1:从入网开始截止到现在的月份数,其信用评分Cij(i=1,j=1)为C_W1。
历史欠费次数W2:最近X月以来出现欠费记录的次数,其信用评分Cij(i=1,j=2)为C_W2。
历史欠费时长(月)W3:最近X月以来出现欠费记录的月份总数,其信用评分Cij(i=1,j=3)为C_W3。
交往圈连接数W4:最近X月以来平均每月内发生主被叫通话的不同移动用户数,其信用评分Cij(i=1,j=4)为C_W4。此项数据可以通过BOSS用户呼叫记录详单中计算获取,也可通过对信令平台的用户呼叫记录详单中计算获取。
历史贷款还款情况W5:最近X月以来,贷款申请人的贷款还款情况,主要检查贷款申请人的信用记录,其信用评分Cij(i=1,j=5)为C_W5。
上述的偿还意愿的维度空间变量根据以下评分规则进行评分:
C_W1={if W1<W1_L,C_W1_L;else if W1_M>W1>=W1_L,C_W1_M;else if W1>=W1_M,C_W1_H;else C_W1_Default}。其中,W1_L,W1_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W1_L,C_W1_M,C_W1_H,C_W1_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W2={if W2>=W2_M,C_W2_L;else if W2_M>W2>=W2_L,C_W2_M;else if W2<W2_L,C_W2_H;else C_W2_Default}。其中,W2_L,W2_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W2_L,C_W2_M,C_W2_H,C_W2_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W3={if W3>=W3_M,C_W3_L;else if W3_M>W3>=W3_L,C_W3_M;else if W3<W3_L,C_W3_H;else C_W3_Default}。其中,W3_L,W3_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W3_L,C_W3_M,C_W3_H,C_W3_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W4={if W4<W4_L,C_W4_L;else if W4_M>W4>=W4_L,C_W4_M;else if W4>=W4_M,C_W4_H;else C_W4_Default}。其中,W4_L,W4_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W4_L,C_W4_M,C_W4_H,C_W4_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W5={if出现贷款违约,C_W5_L;else if出现还贷延迟次数大于1次,C_W5_M;else if贷过款但没出现还贷延迟,C_W5_H;else C_W5_Default}。其中,C_W5_L,C_W5_M,C_W5_H,C_W5_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
2、偿还能力
由C表示偿还能力,则偿还能力的个人信用评分为:
其中,CreditScore_C为个人信用评分中偿还能力所属维度的得分,mi为偿还能力所属维度的维度空间变量的数量,在本发明中mi为4,这里Weight_i=Weight_C,Weight_C为预设的参数,可以根据实际使用的需要进行调整。
偿还能力(C)维度的维度空间变量具体包括:
收入情况(万元)C1:从短信消息中得到的,最近X月以来的全部银行借记卡的月度总收入平均,其信用评分Cij(i=2,j=1)为C_C1。这里所述的从短消息中得到的,是指通过运营商信令平台获取的用户发送与接收短消息的内容数据,为防止用户隐私的泄露与滥用,***只采集解析特定对端号码的短信内容数据,比如95533,95555,95559,1065795555等银行借记卡、银行***的消费、交易、转账汇款、信用还款等业务的短信通知的号码。注意:这些银行短信通知号码需要事先针对不同银行、不同区域和业务分类进行收集整理,并非所有的短信特服号码都是本文所述的短信通知号码。对截获的短信内容需要采取文本分析、机器学习的相关技术以获得相关的结构化数据记录。C1的计算公式表示如下:
其中,X为此信用评估模型的数据获取周期,为从当前申请时点Z月往回追溯的月份数,即数据获取周期为Z-1,Z-2,…Z-X,总共X个月份。XMin为预先设置的最少数据获取周期月份数,后续可以修改。Bi为对应每个数据获取周期月的银行借记卡数量(对应了不同的银行借记卡短信通知号码数量,每个银行至多有一个),用户在同一家银行有多个银行借记卡的情况需要进行归并统计,记为同一家银行的银行借记卡。InCome[i,j]为每个银行借记卡j在每个数据获取周期月i的全部收入总数。
支出情况(万元)C2:从短信消息中得到的,最近X月以来的全部银行借记卡的月度总支出平均,其信用评分Cij(i=2,j=2)为C_C2。这里所述的从短消息中得到的,是指通过运营商信令平台获取的用户发送与接收短消息的内容数据,为防止用户隐私的泄露与滥用,***只采集解析特定对端号码的短信内容数据,比如95533,95555,95559,1065795555等银行借记卡、银行***的消费、交易、转账汇款、信用还款等业务的短信通知的号码。注意:这些银行短信通知号码需要事先针对不同银行、不同区域和业务分类进行收集整理,并非所有的短信特服号码都是本文所述的短信通知号码。对截获的短信内容需要采取文本分析、机器学习的相关技术以获得相关的结构化数据记录。C2的计算公式表示如下:
其中,X为此信用评估模型的数据获取周期,为从当前申请时点Z月往回追溯的月份数,即数据获取周期为Z-1,Z-2,…Z-X,总共X个月份。XMin为预先设置的最少数据获取周期月份数,后续可以修改。Bi为对应每个数据获取周期月的银行借记卡数量(对应了不同的银行借记卡短信通知号码数量,每个银行至多有一个),用户在同一家银行有多个银行借记卡的情况需要进行归并统计,记为同一家银行的银行借记卡。Payment[i,j]为每个银行借记卡j在每个数据获取周期月i的全部支出总数。
每月ARPU值(元)C3:最近X月以来平均每月的ARPU值(去掉最高值和最低值),其信用评分Cij(i=2,j=3)为C_C3。
***张数C4:从短信消息中得到的,最近X月以来的发行***数量,其信用评分Cij(i=2,j=4)为C_C4。这里所述的从短消息中得到的,是指通过运营商信令平台获取的用户发送与接收短消息的内容数据,为防止用户隐私的泄露与滥用,***只采集解析特定对端号码的短信内容数据,比如95533,95555,95559,1065795555等银行借记卡、银行***的消费、交易、转账汇款、信用还款等业务的短信通知的号码。注意:这些银行短信通知号码需要事先针对不同银行、不同区域和业务分类进行收集整理,并非所有的短信特服号码都是本文所述的短信通知号码。对截获的短信内容需要采取文本分析、机器学习的相关技术以获得相关的结构化数据记录。C4的计算公式表示如下:
C4=X期间全部的不同银行短信通知号码数量,X>=XMin
其中,X为此信用评估模型的数据获取周期,为从当前申请时点Z月往回追溯的月份数,即数据获取周期为Z-1,Z-2,…Z-X,总共X个月份。XMin为预先设置的最少数据获取周期月份数,后续可以修改。C4对应了不同的银行***短信通知号码数量,每个银行至多有一个,用户在同一家银行有多个银行***的情况需要进行归并统计,记为同一家银行的银行***。
上述的偿还能力的维度空间变量根据以下评分规则进行评分:
C_C1={if C1<C1_L,C_C1_L;else if C1_M>C1>=C1_L,C_C1_M;else if C1>=C1_M,C_C1_H;else C_C1_Default}。其中,C1_L,C1_M为预设的分段门限参数,可根据实际使用的需要进行修改。C_C1_L,C_C1_M,C_C1_H,C_C1_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
C_C2={if C2<C2_L,C_C2_L;else if C2_M>C2>=C2_L,C_C2_M;else if C2>=C2_M,C_C2_H;else C_C2_Default}。其中,C2_L,C2_M为预设的分段门限参数,可根据实际使用的需要进行修改。C_C2_L,C_C2_M,C_C2_H,C_C2_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
C_C3={if C3<C3_L,C_C3_L;else if C3_M>C3>=C3_L,C_C3_M;else if C3>=C3_M,C_C3_H;else C_C3_Default}。其中,C3_L,C3_M为预设的分段门限参数,可根据实际使用的需要进行修改。C_C3_L,C_C3_M,C_C3_H,C_C3_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
C_C4={if C4>=C4_M,C_C4_L;else if C4_M>C4>=C4_L,C_C4_M;else if C4<C4_L,C_C4_H;else C_C4_Default}。其中,C4_L,C4_M为预设的分段门限参数,后续可以修改。C_C4_L,C_C4_M,C_C4_H,C_C4_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
3、实名认证信息
由A表示实名认证信息,则实名认证信息的个人信用评分为:
其中,CreditScore_A为个人信用评分中实名认证信息所属维度的得分,mi为实名认证信息所属维度的维度空间变量的数量,在本发明中mi为10,这里Weight_i=Weight_A,Weight_A为预设的参数,可以根据实际使用的需要进行调整。
实名认证信息(A)维度的维度空间变量具体包括:
手机号码A1:本人手机号码,其信用评分Cij(i=3,j=1)为C_A1。
姓名A2:开户登记姓名,其信用评分Cij(i=3,j=2)为C_A2。
身份证号码A3:开户登记的身份证号码,其信用评分Cij(i=3,j=3)为C_A3。
年龄A4:由身份证号码解析出来的年龄,其信用评分Cij(i=3,j=4)为C_A4。
联系人手机号码A5:可选项,相同运营商的其他联系人信息,其信用评分Cij(i=3,j=5)为C_A5。且如果A5<>空,则A6,A7为必选项,不能为空。
联系人姓名A6:可选项,相同运营商的其他联系人信息,其信用评分Cij(i=3,j=6)为C_A6。
联系人身份证号码A7:可选项,相同运营商的其他联系人信息,其信用评分Cij(i=3,j=7)为C_A7。
微信号A8:如有多个,填写最常用的,其信用评分Cij(i=3,j=8)为C_A8。
淘宝账号A9:如有多个,填写最常用的,其信用评分Cij(i=3,j=9)为C_A9。
微博账号A10:如有多个,填写最常用的,其信用评分Cij(i=3,j=10)为C_A10。
上述的实名认证信息的维度空间变量根据以下评分规则进行评分:
C_A1=C_A1_Default。其中,C_A1_Default为预设参数,可根据实际应用的需要进行修改。
C_A2={if本人姓名及身份证号码实名认证通过,C_A2_H;else C_A2_L}。其中,C_A2_L,C_A2_H为预设的条件得分参数,可根据实际应用的需要进行修改。所述的本人姓名及身份证号码实名认证通过,指本人姓名信息与身份证号码信息与公安部的全国公民身份证数据库比对结果为真。
C_A3=C_A3_Default。其中,C_A3_Default为预设参数,可根据实际应用的需要进行修改。
C_A4={if A4<A4_Min,C_FireWall;else if A4_Min<A4<A4_L,C_A4_L1;else ifA4_M1>A4>=A4_L,C_A4_M1;else if A4_M2>A4>=A4_M1,C_A4_H;else if A4_M3>A4>=A4_M2,C_A4_M2;else if A4>=A4_M3,C_A4_L2;else C_A4_Default}。其中,A4_Min,A4_L,A4_M1,A4_M2,A4_M3为预设的分段门限参数,可根据实际应用的需要进行修改。C_FireWall,C_A4_L1,C_A4_M1,C_A4_H,C_A4_M2,C_A4_L2,C_A4_Default为预设的分段得分参数,可根据实际应用的需要进行修改。C_FireWall一般设置为绝对值非常大的负数。
C_A5={if提供联系人手机号码,C_A5_H;else C_A5_Default}。其中,C_A5_H,C_A5_Default为预设的条件得分参数,可根据实际应用的需要进行修改。所述的提供联系人手机号码指用户提供了具有证明能力的非本人的手机号码。
C_A6={if联系人姓名及身份证号码实名认证通过,C_A6_H;else-C_A5_H}。其中,C_A6_H,C_A5_H为预设的条件得分参数,可根据实际应用的需要进行修改。所述的联系人姓名及身份证号码实名认证通过,指用户所提供的联系人的姓名信息与身份证号码信息与公安部的全国公民身份证数据库比对结果为真。
C_A7=C_A7_Default。其中,C_A7_Default为预设参数,可根据实际应用的需要进行修改。
C_A8={if A8<>空,C_A8_H;else C_A8_Default}。其中,C_A8_H,C_A8_Default为预设的条件得分参数,可根据实际应用的需要进行修改。
C_A9={if A9<>空,C_A9_H;else C_A9_Default}。其中,C_A9_H,C_A9_Default为预设的条件得分参数,可根据实际应用的需要进行修改。
C_A10={if A10<>空,C_A10_H;else C_A10_Default}。其中,C_A10_H,C_A10_Default为预设的条件得分参数,可根据实际应用的需要进行修改。
上述的各维度的维度空间变量可通过表1进行查找:
表1
上述的各维度的维度空间变量的评分规则可通过表2进行查找:
表2
步骤S203,获取所述每个人的个人信用评分,生成征信数据库。
在本发明中,获取计算出的数据库中的每个人的个人信用评分,即可生成征信数据库,该征信数据库为根据征信数据生成的个人征信数据库,即为原始个人征信数据库。
如图3所示,为本发明一实施例示出的一种个人信用的获取***的结构图,所述获取***包括:
征信数据库生成单元301,用于建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度,所述征信数据包括:业务运营支撑***BOSS征信数据、经营分析***征信数据、信令平台***征信数据。
本实施例中,由于时代的进步,人们更多将与生活有关的信息应用到移动设备中,这样在移动运营商的数据库中通常保存有大量的个人数据。从移动运营商的数据库中获取征信数据,根据该征信数据生成征信数据库,该征信数据库以偿还意愿、偿还能力和实名认证信息为维度多个维度,其中,征信数据包括但不限于:BOSS(Business OperationsSupport System,业务运营支撑***)征信数据、经营分析***征信数据以及信令平台***征信数据。
修订后的个人信用评估模型获取单元302,用于获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型。
在本发明中,由于征信数据库是根据移动运营商的征信数据建立的,可能存在与个人最近的征信不太符合的数据,因此可以获取个人一段时间内的个人信用评估模型的修订参数,通过该修订参数对个人信用评估模型对进行修订,进而获取较符合个人最近行为的修订后的个人信用评估模型。
个人信用评分获取单元303,用于接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。
在本发明中,修订后的个人信用评估模型中的个人信用评分都与个人用户特征相关联,将接收的个人用户特征添加到修订后的个人信用评估模型中进行搜索,即可获取对应的个人信用评分,其中,个人用户特征包括但不限于:身份证号、手机号。
本发明,通过移动运营商的数据库中的征信数据建立征信数据库,通过预设时间段获取的修订参数对个人信用评估模型对进行修改,获取修订后的个人信用评估模型,根据个人用户特征,从修订后的个人信用评估模型中获取对应的个人信用评分,由于移动运营商的数据库信息的全面和准确,使得个人信用评分的获取快速、准确,同时由于个人信用评估模型的各相关参数可以根据实际情况进行动态改变,使得个人信用评分更加准确。
如图4所示为本发明另一实施例示出的一种个人信用的获取***的结构图,所述征信数据库生成单元301,包括:
个人信用评估模型建立子单元3011,用于根据所述维度建立个人信用评估模型:
其中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重。
在本发明中,首先根据预设的维度建立个人信用评估模型:在该模型中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重。由前述的描述可知,维度为3(偿还意愿、偿还能力和实名认证信息),既n为3,n的数量可以根据实际使用的需要进行扩展。
需要指出的是,Wij和Weight_i均可以根据实际使用的需要而设定,本发明对其不做限定。
个人信用评分计算子单元3012,用于根据所述个人信用评估模型计算所述数据库中每一个人的个人信用评分。
在本发明中,获取数据库中的每一个人的数据,将数据加入到建立的个人信用评估模型中,即可分别计算每一个人的个人信用评分。
个人信用评分具体可通过以下三个方面进行计算:
1、偿还意愿
由W表示偿还意愿,则偿还意愿的个人信用评分为:
其中,CreditScore_W为个人信用评分中偿还意愿所属维度的得分,mi为偿还意愿所属维度的维度空间变量的数量,在本发明中mi为5,这里Weight_i=Weight_W,Weight_W为预设的参数,可以根据实际使用的需要进行调整。
偿还意愿(W)维度的维度空间变量具体包括:
在网时长(月份)W1:从入网开始截止到现在的月份数,其信用评分Cij(i=1,j=1)为C_W1。
历史欠费次数W2:最近X月以来出现欠费记录的次数,其信用评分Cij(i=1,j=2)为C_W2。
历史欠费时长(月)W3:最近X月以来出现欠费记录的月份总数,其信用评分Cij(i=1,j=3)为C_W3。
交往圈连接数W4:最近X月以来平均每月内发生主被叫通话的不同移动用户数,其信用评分Cij(i=1,j=4)为C_W4。此项数据可以通过BOSS用户呼叫记录详单中计算获取,也可通过对信令平台的用户呼叫记录详单中计算获取。
历史贷款还款情况W5:最近X月以来,贷款申请人的贷款还款情况,主要检查贷款申请人的信用记录,其信用评分Cij(i=1,j=5)为C_W5。
上述的偿还意愿的维度空间变量根据以下评分规则进行评分:
C_W1={if W1<W1_L,C_W1_L;else if W1_M>W1>=W1_L,C_W1_M;else if W1>=W1_M,C_W1_H;else C_W1_Default}。其中,W1_L,W1_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W1_L,C_W1_M,C_W1_H,C_W1_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W2={if W2>=W2_M,C_W2_L;else if W2_M>W2>=W2_L,C_W2_M;else if W2<W2_L,C_W2_H;else C_W2_Default}。其中,W2_L,W2_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W2_L,C_W2_M,C_W2_H,C_W2_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W3={if W3>=W3_M,C_W3_L;else if W3_M>W3>=W3_L,C_W3_M;else if W3<W3_L,C_W3_H;else C_W3_Default}。其中,W3_L,W3_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W3_L,C_W3_M,C_W3_H,C_W3_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W4={if W4<W4_L,C_W4_L;else if W4_M>W4>=W4_L,C_W4_M;else if W4>=W4_M,C_W4_H;else C_W4_Default}。其中,W4_L,W4_M为预设的分段门限参数,可根据实际应用的需要进行修改。C_W4_L,C_W4_M,C_W4_H,C_W4_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
C_W5={if出现贷款违约,C_W5_L;else if出现还贷延迟次数大于1次,C_W5_M;else if贷过款但没出现还贷延迟,C_W5_H;else C_W5_Default}。其中,C_W5_L,C_W5_M,C_W5_H,C_W5_Default为预设的分段得分参数,可根据实际应用的需要进行修改。
2、偿还能力
由C表示偿还能力,则偿还能力的个人信用评分为:
其中,CreditScore_C为个人信用评分中偿还能力所属维度的得分,mi为偿还能力所属维度的维度空间变量的数量,在本发明中mi为4,这里Weight_i=Weight_C,Weight_C为预设的参数,可以根据实际使用的需要进行调整。
偿还能力(C)维度的维度空间变量具体包括:
收入情况(万元)C1:从短信消息中得到的,最近X月以来的全部银行借记卡的月度总收入平均,其信用评分Cij(i=2,j=1)为C_C1。这里所述的从短消息中得到的,是指通过运营商信令平台获取的用户发送与接收短消息的内容数据,为防止用户隐私的泄露与滥用,***只采集解析特定对端号码的短信内容数据,比如95533,95555,95559,1065795555等银行借记卡、银行***的消费、交易、转账汇款、信用还款等业务的短信通知的号码。注意:这些银行短信通知号码需要事先针对不同银行、不同区域和业务分类进行收集整理,并非所有的短信特服号码都是本文所述的短信通知号码。对截获的短信内容需要采取文本分析、机器学习的相关技术以获得相关的结构化数据记录。C1的计算公式表示如下:
其中,X为此信用评估模型的数据获取周期,为从当前申请时点Z月往回追溯的月份数,即数据获取周期为Z-1,Z-2,…Z-X,总共X个月份。XMin为预先设置的最少数据获取周期月份数,后续可以修改。Bi为对应每个数据获取周期月的银行借记卡数量(对应了不同的银行借记卡短信通知号码数量,每个银行至多有一个),用户在同一家银行有多个银行借记卡的情况需要进行归并统计,记为同一家银行的银行借记卡。InCome[i,j]为每个银行借记卡j在每个数据获取周期月i的全部收入总数。
支出情况(万元)C2:从短信消息中得到的,最近X月以来的全部银行借记卡的月度总支出平均,其信用评分Cij(i=2,j=2)为C_C2。这里所述的从短消息中得到的,是指通过运营商信令平台获取的用户发送与接收短消息的内容数据,为防止用户隐私的泄露与滥用,***只采集解析特定对端号码的短信内容数据,比如95533,95555,95559,1065795555等银行借记卡、银行***的消费、交易、转账汇款、信用还款等业务的短信通知的号码。注意:这些银行短信通知号码需要事先针对不同银行、不同区域和业务分类进行收集整理,并非所有的短信特服号码都是本文所述的短信通知号码。对截获的短信内容需要采取文本分析、机器学习的相关技术以获得相关的结构化数据记录。C2的计算公式表示如下:
其中,X为此信用评估模型的数据获取周期,为从当前申请时点Z月往回追溯的月份数,即数据获取周期为Z-1,Z-2,…Z-X,总共X个月份。XMin为预先设置的最少数据获取周期月份数,后续可以修改。Bi为对应每个数据获取周期月的银行借记卡数量(对应了不同的银行借记卡短信通知号码数量,每个银行至多有一个),用户在同一家银行有多个银行借记卡的情况需要进行归并统计,记为同一家银行的银行借记卡。Payment[i,j]为每个银行借记卡j在每个数据获取周期月i的全部支出总数。
每月ARPU值(元)C3:最近X月以来平均每月的ARPU值(去掉最高值和最低值),其信用评分Cij(i=2,j=3)为C_C3。
***张数C4:从短信消息中得到的,最近X月以来的发行***数量,其信用评分Cij(i=2,j=4)为C_C4。这里所述的从短消息中得到的,是指通过运营商信令平台获取的用户发送与接收短消息的内容数据,为防止用户隐私的泄露与滥用,***只采集解析特定对端号码的短信内容数据,比如95533,95555,95559,1065795555等银行借记卡、银行***的消费、交易、转账汇款、信用还款等业务的短信通知的号码。注意:这些银行短信通知号码需要事先针对不同银行、不同区域和业务分类进行收集整理,并非所有的短信特服号码都是本文所述的短信通知号码。对截获的短信内容需要采取文本分析、机器学习的相关技术以获得相关的结构化数据记录。C4的计算公式表示如下:
C4=X期间全部的不同银行短信通知号码数量,X>=XMin
其中,X为此信用评估模型的数据获取周期,为从当前申请时点Z月往回追溯的月份数,即数据获取周期为Z-1,Z-2,…Z-X,总共X个月份。XMin为预先设置的最少数据获取周期月份数,后续可以修改。C4对应了不同的银行***短信通知号码数量,每个银行至多有一个,用户在同一家银行有多个银行***的情况需要进行归并统计,记为同一家银行的银行***。
上述的偿还能力的维度空间变量根据以下评分规则进行评分:
C_C1={if C1<C1_L,C_C1_L;else if C1_M>C1>=C1_L,C_C1_M;else if C1>=C1_M,C_C1_H;else C_C1_Default}。其中,C1_L,C1_M为预设的分段门限参数,可根据实际使用的需要进行修改。C_C1_L,C_C1_M,C_C1_H,C_C1_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
C_C2={if C2<C2_L,C_C2_L;else if C2_M>C2>=C2_L,C_C2_M;else if C2>=C2_M,C_C2_H;else C_C2_Default}。其中,C2_L,C2_M为预设的分段门限参数,可根据实际使用的需要进行修改。C_C2_L,C_C2_M,C_C2_H,C_C2_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
C_C3={if C3<C3_L,C_C3_L;else if C3_M>C3>=C3_L,C_C3_M;else if C3>=C3_M,C_C3_H;else C_C3_Default}。其中,C3_L,C3_M为预设的分段门限参数,可根据实际使用的需要进行修改。C_C3_L,C_C3_M,C_C3_H,C_C3_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
C_C4={if C4>=C4_M,C_C4_L;else if C4_M>C4>=C4_L,C_C4_M;else if C4<C4_L,C_C4_H;else C_C4_Default}。其中,C4_L,C4_M为预设的分段门限参数,后续可以修改。C_C4_L,C_C4_M,C_C4_H,C_C4_Default为预设的分段得分参数,可根据实际使用的需要进行修改。
3、实名认证信息
由A表示实名认证信息,则实名认证信息的个人信用评分为:
其中,CreditScore_A为个人信用评分中实名认证信息所属维度的得分,mi为实名认证信息所属维度的维度空间变量的数量,在本发明中mi为10,这里Weight_i=Weight_A,Weight_A为预设的参数,可以根据实际使用的需要进行调整。
实名认证信息(A)维度的维度空间变量具体包括:
手机号码A1:本人手机号码,其信用评分Cij(i=3,j=1)为C_A1。
姓名A2:开户登记姓名,其信用评分Cij(i=3,j=2)为C_A2。
身份证号码A3:开户登记的身份证号码,其信用评分Cij(i=3,j=3)为C_A3。
年龄A4:由身份证号码解析出来的年龄,其信用评分Cij(i=3,j=4)为C_A4。
联系人手机号码A5:可选项,相同运营商的其他联系人信息,其信用评分Cij(i=3,j=5)为C_A5。且如果A5<>空,则A6,A7为必选项,不能为空。
联系人姓名A6:可选项,相同运营商的其他联系人信息,其信用评分Cij(i=3,j=6)为C_A6。
联系人身份证号码A7:可选项,相同运营商的其他联系人信息,其信用评分Cij(i=3,j=7)为C_A7。
微信号A8:如有多个,填写最常用的,其信用评分Cij(i=3,j=8)为C_A8。
淘宝账号A9:如有多个,填写最常用的,其信用评分Cij(i=3,j=9)为C_A9。
微博账号A10:如有多个,填写最常用的,其信用评分Cij(i=3,j=10)为C_A10。
上述的实名认证信息的维度空间变量根据以下评分规则进行评分:
C_A1=C_A1_Default。其中,C_A1_Default为预设参数,可根据实际应用的需要进行修改。
C_A2={if本人姓名及身份证号码实名认证通过,C_A2_H;else C_A2_L}。其中,C_A2_L,C_A2_H为预设的条件得分参数,可根据实际应用的需要进行修改。所述的本人姓名及身份证号码实名认证通过,指本人姓名信息与身份证号码信息与公安部的全国公民身份证数据库比对结果为真。
C_A3=C_A3_Default。其中,C_A3_Default为预设参数,可根据实际应用的需要进行修改。
C_A4={if A4<A4_Min,C_FireWall;else if A4_Min<A4<A4_L,C_A4_L1;else ifA4_M1>A4>=A4_L,C_A4_M1;else if A4_M2>A4>=A4_M1,C_A4_H;else if A4_M3>A4>=A4_M2,C_A4_M2;else if A4>=A4_M3,C_A4_L2;else C_A4_Default}。其中,A4_Min,A4_L,A4_M1,A4_M2,A4_M3为预设的分段门限参数,可根据实际应用的需要进行修改。C_FireWall,C_A4_L1,C_A4_M1,C_A4_H,C_A4_M2,C_A4_L2,C_A4_Default为预设的分段得分参数,可根据实际应用的需要进行修改。C_FireWall一般设置为绝对值非常大的负数。
C_A5={if提供联系人手机号码,C_A5_H;else C_A5_Default}。其中,C_A5_H,C_A5_Default为预设的条件得分参数,可根据实际应用的需要进行修改。所述的提供联系人手机号码指用户提供了具有证明能力的非本人的手机号码。
C_A6={if联系人姓名及身份证号码实名认证通过,C_A6_H;else-C_A5_H}。其中,C_A6_H,C_A5_H为预设的条件得分参数,可根据实际应用的需要进行修改。所述的联系人姓名及身份证号码实名认证通过,指用户所提供的联系人的姓名信息与身份证号码信息与公安部的全国公民身份证数据库比对结果为真。
C_A7=C_A7_Default。其中,C_A7_Default为预设参数,可根据实际应用的需要进行修改。
C_A8={if A8<>空,C_A8_H;else C_A8_Default}。其中,C_A8_H,C_A8_Default为预设的条件得分参数,可根据实际应用的需要进行修改。
C_A9={if A9<>空,C_A9_H;else C_A9_Default}。其中,C_A9_H,C_A9_Default为预设的条件得分参数,可根据实际应用的需要进行修改。
C_A10={if A10<>空,C_A10_H;else C_A10_Default}。其中,C_A10_H,C_A10_Default为预设的条件得分参数,可根据实际应用的需要进行修改。
征信数据库生成子单元3013,用于获取所述每个人的个人信用评分,生成征信数据库。
在本发明中,获取计算出的数据库中的每个人的个人信用评分,即可生成征信数据库,该征信数据库为根据征信数据生成的个人征信数据库,即为原始个人征信数据库。
本领域技术人员应该明白,本发明所述的方法和***并不限于具体实施方式中所述的实施例,上面的具体描述只是为了解释本发明的目的,并非用于限制本发明。本领域技术人员根据本发明的技术方案得出其他的实施方式,同样属于本发明的技术创新范围,本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种个人信用的获取方法,其特征是,包括以下步骤:
建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度,所述征信数据包括:业务运营支撑***BOSS征信数据、经营分析***征信数据、信令平台***征信数据;
获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型;
接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。
2.如权利要求1所述的一种个人信用的获取方法,其特征是,所述建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,包括:
根据所述维度建立个人信用评估模型:
<mrow>
<mi>C</mi>
<mi>r</mi>
<mi>e</mi>
<mi>d</mi>
<mi>i</mi>
<mi>t</mi>
<mi>S</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<mi>W</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>i</mi>
</mrow>
其中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重;
根据所述个人信用评估模型计算所述数据库中每一个人的个人信用评分;
获取所述每个人的个人信用评分,生成征信数据库。
3.如权利要求1~2任一项所述的一种个人信用的获取方法,其特征是,所述偿还意愿的维度空间变量包括:在网时长、历史欠费次数、历史欠费时长、交往圈连接数、历史贷款还款情况。
4.如权利要求1~2任一项所述的一种个人信用的获取方法,其特征是,所述偿还能力的维度空间变量包括:收入情况、支出情况、每月ARPU值、***张数。
5.如权利要求1~2任一项所述的一种个人信用的获取方法,其特征是,所述实名认证信息的维度空间变量包括:手机号码、姓名、身份证号码、年龄、联系人手机号码、联系人身份证号码、微信号、淘宝账号、微博账号。
6.一种个人信用的获取***,其特征是,所述获取***包括:
征信数据库生成单元,用于建立初始的个人信用评估模型,根据移动运营商的数据库中的征信数据生成征信数据库,所述征信数据库以偿还意愿、偿还能力和实名认证信息为维度,所述征信数据包括:业务运营支撑***BOSS征信数据、经营分析***征信数据、信令平台***征信数据;
修订后的个人信用评估模型获取单元,用于获取预设时间段的个人信用评估模型的修订参数,根据所述修订参数对所述个人信用评估模型进行修订,获取修订后的个人信用评估模型;
个人信用评分获取单元,用于接收外部输入的个人用户特征,根据所述个人用户特征从所述修订后的个人信用评估模型中获取对应的个人信用评分。
7.如权利要求6所述的个人信用的获取***,其特征是,所述征信数据库生成单元,包括:
个人信用评估模型建立子单元,用于根据所述维度建立个人信用评估模型:
<mrow>
<mi>C</mi>
<mi>r</mi>
<mi>e</mi>
<mi>d</mi>
<mi>i</mi>
<mi>t</mi>
<mi>S</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
</munderover>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<mi>W</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mo>_</mo>
<mi>i</mi>
</mrow>
其中,CreditScore为个人用户的信用评分,n为维度的数量,mi为维度为i时的维度空间变量的数量,Cij为维度为i、变量为j的信用评分,Wij为Cij的维度内权重、且Weight_i为维度为i的信用评分的维度总权重;
个人信用评分计算子单元,用于根据所述个人信用评估模型计算所述数据库中每一个人的个人信用评分;
征信数据库生成子单元,用于获取所述每个人的个人信用评分,生成征信数据库。
8.如权利要求6~7任一项所述的一种个人信用的获取***,其特征是,所述偿还意愿的维度空间变量包括:在网时长、历史欠费次数、历史欠费时长、交往圈连接数、历史贷款还款情况。
9.如权利要求6~7任一项所述的一种个人信用的获取***,其特征是,所述偿还能力的维度空间变量包括:收入情况、支出情况、每月ARPU值、***张数。
10.如权利要求6~7任一项所述的一种个人信用的获取***,其特征是,所述实名认证信息的维度空间变量包括:手机号码、姓名、身份证号码、年龄、联系人手机号码、联系人身份证号码、微信号、淘宝账号、微博账号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710612361.5A CN107563588A (zh) | 2017-07-25 | 2017-07-25 | 一种个人信用的获取方法和获取*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710612361.5A CN107563588A (zh) | 2017-07-25 | 2017-07-25 | 一种个人信用的获取方法和获取*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107563588A true CN107563588A (zh) | 2018-01-09 |
Family
ID=60974642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710612361.5A Pending CN107563588A (zh) | 2017-07-25 | 2017-07-25 | 一种个人信用的获取方法和获取*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107563588A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364218A (zh) * | 2018-02-11 | 2018-08-03 | 中国银行股份有限公司 | 一种用户征信数据的共享方法及装置 |
CN108416664A (zh) * | 2018-01-29 | 2018-08-17 | 广州越秀金融科技有限公司 | 基于消费信贷场景的风险评估方法及***实现 |
CN108629379A (zh) * | 2018-05-10 | 2018-10-09 | 北京天元创新科技有限公司 | 一种个人征信评估方法及*** |
CN108921686A (zh) * | 2018-06-19 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种个人用户的信用评分方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070111853A (ko) * | 2006-05-19 | 2007-11-22 | 인하대학교 산학협력단 | 은닉노드 목표값을 가진 2 개층 신경망을 이용한 분리 학습시스템 및 방법 |
CN101493913A (zh) * | 2008-01-23 | 2009-07-29 | 阿里巴巴集团控股有限公司 | 一种评估网上用户信用的方法及*** |
US20100010930A1 (en) * | 2008-07-11 | 2010-01-14 | American Express Travel Related Services Company, Inc. | Providing a real time credit score as part of a transaction request |
CN102779297A (zh) * | 2012-06-28 | 2012-11-14 | 浪潮(山东)电子信息有限公司 | 基于云计算的信用评级模型配置管理***及其应用方法 |
KR20150052468A (ko) * | 2013-11-05 | 2015-05-14 | 삼성전자주식회사 | 신용 평가 방법 및 시스템 |
CN105243566A (zh) * | 2015-10-28 | 2016-01-13 | 联动优势科技有限公司 | 利用运营商不同手机号信息评估用户信用的办法和装置 |
CN105528465A (zh) * | 2016-02-03 | 2016-04-27 | 天弘基金管理有限公司 | 信用状况评估方法及装置 |
CN105869035A (zh) * | 2016-04-07 | 2016-08-17 | 中国联合网络通信集团有限公司 | 一种移动用户信用评估方法及装置 |
CN106097043A (zh) * | 2016-06-01 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 一种信用数据的处理方法及服务器 |
CN106296389A (zh) * | 2016-07-28 | 2017-01-04 | 联动优势科技有限公司 | 一种用户信用度的评估方法及装置 |
-
2017
- 2017-07-25 CN CN201710612361.5A patent/CN107563588A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070111853A (ko) * | 2006-05-19 | 2007-11-22 | 인하대학교 산학협력단 | 은닉노드 목표값을 가진 2 개층 신경망을 이용한 분리 학습시스템 및 방법 |
CN101493913A (zh) * | 2008-01-23 | 2009-07-29 | 阿里巴巴集团控股有限公司 | 一种评估网上用户信用的方法及*** |
US20100010930A1 (en) * | 2008-07-11 | 2010-01-14 | American Express Travel Related Services Company, Inc. | Providing a real time credit score as part of a transaction request |
CN102779297A (zh) * | 2012-06-28 | 2012-11-14 | 浪潮(山东)电子信息有限公司 | 基于云计算的信用评级模型配置管理***及其应用方法 |
KR20150052468A (ko) * | 2013-11-05 | 2015-05-14 | 삼성전자주식회사 | 신용 평가 방법 및 시스템 |
CN105243566A (zh) * | 2015-10-28 | 2016-01-13 | 联动优势科技有限公司 | 利用运营商不同手机号信息评估用户信用的办法和装置 |
CN105528465A (zh) * | 2016-02-03 | 2016-04-27 | 天弘基金管理有限公司 | 信用状况评估方法及装置 |
CN105869035A (zh) * | 2016-04-07 | 2016-08-17 | 中国联合网络通信集团有限公司 | 一种移动用户信用评估方法及装置 |
CN106097043A (zh) * | 2016-06-01 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 一种信用数据的处理方法及服务器 |
CN106296389A (zh) * | 2016-07-28 | 2017-01-04 | 联动优势科技有限公司 | 一种用户信用度的评估方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416664A (zh) * | 2018-01-29 | 2018-08-17 | 广州越秀金融科技有限公司 | 基于消费信贷场景的风险评估方法及***实现 |
CN108364218A (zh) * | 2018-02-11 | 2018-08-03 | 中国银行股份有限公司 | 一种用户征信数据的共享方法及装置 |
CN108629379A (zh) * | 2018-05-10 | 2018-10-09 | 北京天元创新科技有限公司 | 一种个人征信评估方法及*** |
CN108921686A (zh) * | 2018-06-19 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种个人用户的信用评分方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2821095C (en) | System and method for detecting fraudulent account access and transfers | |
CN109670936A (zh) | 贷款审批处理方法、平台、设备及计算机可读存储介质 | |
CN108616654B (zh) | 消息提醒的方法、装置、终端及计算机可读存储介质 | |
CN107563588A (zh) | 一种个人信用的获取方法和获取*** | |
CN106408412A (zh) | 手机贷款*** | |
CN108921686A (zh) | 一种个人用户的信用评分方法和装置 | |
US20080109314A1 (en) | Method and apparatus for determining a customer's likelihood of reusing a financial account | |
CN111506801A (zh) | 一种应用App中子应用的排序方法及装置 | |
CN108416670A (zh) | 信贷配单方法及服务器 | |
CN109145050B (zh) | 一种计算设备 | |
CN109711801A (zh) | 一种网银对账方法及装置 | |
CN109961309B (zh) | 业务推荐方法和*** | |
CN107193974A (zh) | 基于人工智能的地域性信息确定方法和装置 | |
CN107644098A (zh) | 一种欺诈行为识别方法、装置、设备及存储介质 | |
CN109325845A (zh) | 一种金融产品智能推荐方法及*** | |
CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
CN109389501A (zh) | 一种计算设备、计算*** | |
CN110197426B (zh) | 一种信用评分模型的建立方法、装置及可读存储介质 | |
CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
CN111105064A (zh) | 确定欺诈事件的嫌疑信息的方法及装置 | |
CN109711984B (zh) | 一种基于催收的贷前风险监控方法及装置 | |
CN116645134A (zh) | 一种***分期的推荐方法、装置、设备及介质 | |
CN112819613B (zh) | 贷款信息的处理方法、设备以及存储介质 | |
CN110619564A (zh) | 一种反欺诈特征生成方法和装置 | |
CN110197074B (zh) | 一种用户权限控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |
|
RJ01 | Rejection of invention patent application after publication |