CN108734565A - 一种征信分实时调整处理方法、装置及处理服务器 - Google Patents
一种征信分实时调整处理方法、装置及处理服务器 Download PDFInfo
- Publication number
- CN108734565A CN108734565A CN201710245134.3A CN201710245134A CN108734565A CN 108734565 A CN108734565 A CN 108734565A CN 201710245134 A CN201710245134 A CN 201710245134A CN 108734565 A CN108734565 A CN 108734565A
- Authority
- CN
- China
- Prior art keywords
- point
- adjustment
- behavior
- probability
- user
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/386—Payment protocols; Details thereof using messaging services or messaging apps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/405—Establishing or using transaction specific rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Computer Security & Cryptography (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种征信分实时调整处理方法、装置及处理服务器,该方法包括:获取用户的行为信息;确定所述行为信息对应的行为类型;获取所述用户的当前征信分;根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布,所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。本发明实施例可实时的进行用户的征信分调整,提升了征信分调整的及时性,可提升后续基于征信分应用的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种征信分实时调整处理方法、装置及处理服务器。
背景技术
征信是对用户信用程度的一种表现,具体可使用征信分的形式表示用户的信用程度,征信在信贷、共享经济、用户评价、信息推荐等领域应用广泛,且随着技术的不断发展,其应用领域也在不断的扩展,因此如何优化关于征信的信息处理方式,一直是本领域技术人员研究的关注点。
其中,关于征信的信息处理方式中较为基础的是用户征信分的调整,征信分的调整一般是通过征信评分模型对上一次评估的用户征信分进行调整,以达到用户征信分的更新目的。
然而,本发明的发明人发现,现有的征信分调整一般是由网端服务器定期实现,这种定期调整征信分的方式,存在及时性较差的问题;所导致的后果例如:信贷部门利用用户征信分决策用户信贷额时,只能够使用上一周期所确定的用户征信分,而如果本周期内用户的信用信息中存在极为破坏征信分的情况,将使得利用上一周期的用户征信分,所决策的用户信贷额存在偏差。
发明内容
有鉴于此,本发明实施例提供一种征信分实时调整处理方法、装置及处理服务器,以提升征信分调整的及时性。
为实现上述目的,本发明实施例提供如下技术方案:
一种征信分实时调整处理方法,包括:
获取用户的行为信息;
确定所述行为信息对应的行为类型;
获取所述用户的当前征信分;
根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;
根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。
本发明实施例还提供一种征信分实时调整处理装置,包括:
行为信息获取模块,用于监控用户的行为信息;
行为类型确定模块,用于若监控到用户新的行为信息,确定所述行为信息对应的行为类型;
当前征信分获取模块,用于获取所述用户的当前征信分;
概率分布确定模块,用于根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;
征信分调整模块,用于根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。
本发明实施例还提供一种处理服务器,包括上述所述的征信分实时调整处理装置。
基于上述技术方案,本发明实施例中,处理服务器可获取用户的行为信息,确定所述行为信息对应的行为类型,并获取所述用户的当前征信分;从而可从当前记录的各行为类型与各基准分对应的征信调整分的概率分布中,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布,所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;进而可根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分;以基于实时获取到的用户的行为信息,实现该用户的征信分的实时调整,提升征信分调整的及时性。
附图说明
为了更清楚地说明本发明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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的征信分实时调整处理***的架构示意图;
图2为本发明实施例提供的征信分实时调整处理方法的信令流程图;
图3为本发明实施例提供的行为类型的介绍示意图;
图4为本发明实施例提供的概率分布的示意图;
图5为本发明实施例提供的概率分布的另一示意图;
图6为本发明实施例提供的概率分布的调整方法流程图;
图7为本发明实施例提供的概率分布的另一调整方法流程图;
图8为本发明实施例提供的应用示意图;
图9为本发明实施例提供的征信分实时调整处理装置的结构框图;
图10为本发明实施例提供的征信分实时调整处理装置的另一结构框图;
图11为本发明实施例提供的处理服务器的硬件结构框图。
具体实施方式
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为本发明实施例提供的征信分实时调整处理***的架构示意图,如图1所示,该***可以包括:至少一个用户行为信息源10,处理服务器20。
在该***中,用户行为信息源10是指用户行为信息的产生平台,诸如图1所示银行平台,即时通信平台、第三方支付平台、城市服务平台、公安平台、电子游戏平台等。
可选的,银行平台相应产生:用户在银行的存款、取款、还款等与银行业务相关的用户行为信息;
即时通信平台相应产生:用户在即时通信平台发布状态(如发布聊天信息,评论,社交圈状态等)等与即时通信业务相关的用户行为信息;
第三方支付平台相应产生:用户的电子商务交易,在第三方支付平台进行的存款、取款、还款等与第三方支付业务相关的用户行为信息;
城市服务平台相应产生:用户缴纳水电费、燃气费、物业费、垃圾处理费等与城市服务业务相关的用户行为信息;
公安平台相应产生:用户的违法、违纪等与公安事务相关的用户行为信息;
电子游戏平台相应产生:用户在游戏内的外挂、聊天等与电子游戏业务相关的用户行为信息。
值得注意的是,上述所述的用户行为信息源的形式仅是可选的,本发明实施例可结合实际情况扩充或替换其他形式的用户行为信息源,其他形式的用户行为信息源如交通管理平台、各类型的民政事务平台(如婚管、计生等民政事务相关的平台)等;另外,在具体使用中,本发明实施例可选取使用至少一个的用户行为信息源。
可选的,用户行为信息源所产生的用户行为信息可能是由,用户使用客户端与用户行为信息源进行线上交互产生的,如即时通信平台、第三方支付平台等形式的用户行为信息源;
可选的,用户行为信息源所产生的用户行为信息也可能是,用户线下在用户行为信息源相应的业务场所产生的,如城市服务平台(对应线下执行缴纳水电费、燃气费等行为然后再上传到网端)、公安平台(对应线下执行违法、违纪等事务再上传到网端)等形式的用户行为信息源;
显然,如果有足够多、甚至全部的用户行为信息源支持线上交互,则本发明实施例可完全通过客户端与用户行为信息源的线上交互方式,产生用户行为信息。
可选的,在本发明实施例中,不同形式的用户行为信息源可能相集成,如即时通信平台集成有第三方支付功能,及城市服务入口等;可选的,不同形式的用户行为信息源也可能是相互独立的,通过各自的接口与处理服务器20相通信。
处理服务器20为本发明实施例在网络侧设置的进行信息处理的服务设备,处理服务器20可以是由单台服务器实现,也可能是由多台服务器组成的服务器群组实现;该处理服务器可与各用户行为信息源相交互,监控各用户新产生的行为信息;
可选的,处理服务器20可能是某一用户行为信息源的平台所属的服务设备,如处理服务器20可以是即时通信平台中进行征信信息处理的服务设备;一方面,该处理服务器20可以收集所属平台产生的用户行为信息,并通过其他用户行为信息源(其他用户行为信息源不认为是处理服务器所属的用户行为信息源)的接口,监控其他用户行为信息源产生的用户行为信息;
可选的,处理服务器20也可能是与各用户行为信息源相独立,处理服务器20可通过各用户行为信息源的接口,监控各用户行为信息源产生的用户行为信息。
如图1所示***,处理服务器20可通过各形式的用户行为信息源获取用户的行为信息,当获取到用户新的行为信息时,处理服务器可根据所述行为信息,在线实时的调整所述用户的征信分,从而提升用户征信分调整的及时性。
需要注意的是,与现有常规的利用征信评分模型调整用户征信分不同的是,本发明实施例除调整征信分的时机不同外,调整征信分的处理手段也不同;
即,现有常规的利用征信评分模型调整用户征信分是定期的实现,而本发明实施例可实时根据获取到的用户新的行为信息,调整所述用户的征信分;
进一步,在调整征信分的处理手段上,本发明实施例与现有常规手段也存在区别;即现有常规手段是:收集本周期的用户个人基本信息、银行信用信息、个人缴费信息、个人资本状况等维度的更新情况,然后将各维度的最新信息作为输入导入征信评分模型,由征信评分模型计算出用户新的征信分,实现本周期用户的征信分确定;因此就算是使用常规的处理手段进行用户征信分的实时调整,其方向也是:实时监控到用户个人基本信息、银行信用信息、个人缴费信息、个人资本状况等维度的信息存在更新时,将各维度的最新信息作为输入导入征信评分模型,由征信评分模型计算出用户新的征信分;
然而,本发明的发明人发现:这种常规的征信分调整手段,涉及到多维度的信息至征信评分模型的输入,在实时调整征信分的情境下,一次监控到的用户行为一般并不覆盖这些多维度的信息,因此以现有常规手段进行实时的征信分调整并不适用,必须创造性的提成新的调整征信分的处理方式。
基于此,本发明实施例所采用的调整征信分的处理方式,除将调整征信分的时机变为根据监控到的用户新的行为信息实时调整外,在具体的处理手段上也存在创造性提出的改进;下面基于图1所示***,对本发明实施例提供的征信分实时调整处理方法的信令流程进行介绍。
图2为本发明实施例提供的一种可选的,征信分实时调整处理方法的信令流程图,参照图2,该流程可以包括:
步骤S10、处理服务器获取用户的行为信息。
可选的,处理服务器可通过图1所示各形式的用户行为信息源,获取用户的行为信息;当各用户行为信息源产生新的用户行为信息(用户行为信息可以认为是用户的行为信息的简称,其涉及任一用户新的行为信息)时,处理服务器可基于用户行为信息源的上报,或者处理服务器对用户行为信息源的自动查询,获取到新产生的用户行为信息;所获取到的一条用户行为信息,一般对应一个用户的一次行为,具体的,用户行为信息中可以指示有行为所属用户的用户标识(用户账号、用户身份证号等),以及行为的描述内容。
步骤S11、处理服务器将所述行为信息与预置的各行为类型对应的行为描述进行匹配,判断是否存在与所述行为信息相匹配的行为类型,若是,执行步骤S12,若否,执行步骤S13。
可选的,本发明实施例可预置影响用户征信的各行为类型的行为描述(包括:正向影响用户征信的各行为类型的行为描述,和/或,负向影响用户征信的各行为类型的行为描述);所预置的各行为类型的行为描述,可以对影响用户征信的行为信息进行表示,当处理服务器获取到一用户的行为信息后,可将所述行为信息与预置的各行为类型对应的行为描述进行匹配,输出所述行为信息对应的行为类型;
可选的,图3示出了预置的部分行为类型,可为便于理解进行参照。
需要说明的是,用户的行为信息多种多样,本发明实施例有可能无法对全部行为类型的行为描述进行预置,作为补充,在根据预置的各行为类型对应的行为描述,没有匹配出与所获取的行为信息对应的行为类型后,可执行步骤S13,通过预置的各行为识别模型,识别所述行为信息。
步骤S12、处理服务器确定与所述行为信息相匹配的行为类型。
步骤S13、处理服务器根据预置的各行为识别模型,识别所述行为信息对应的行为类型。
可选的,各类型的行为识别模型,可通过机器学***台发布的展示孩子的状态等),恋爱行为识别模型(相应识别用户与恋爱相关的行为,如识别用户在即时通信平台发布的恋爱状态等),结婚行为识别模型(相应识别用户与结婚相关的行为,如识别用户在即时通信平台发布的结婚状态等);这里面认为用户恋爱、结婚、生孩子有助于提高用户的稳定性、责任心,对于征信存在影响;
可选的,所预置的行为识别模型还可能如:缺钱识别模型(相应识别用户的缺钱状态、缺钱程度),各不文明行为的识别模型(可以对于一种不文明行为,相应生成一行为识别模型进行识别),发布不良言论的行为识别模型(相应识别发布恶意广告、诈骗、虚假信息等行为)等;
上文所示的行为识别模型的形式仅是列举的可选形式,根据实际情况,行为识别模型的形式可以进行扩充和调整。
可选的,步骤S11至步骤S13可以认为是,结合预置的各行为类型对应的行为描述,以及各行为识别模型,确定所获取到的用户的行为信息对应的行为类型的实现方式;而在实际应用时,本发明实施例也可单独使用预置的各行为类型对应的行为描述,确定所获取到的用户的行为信息对应的行为类型(如在获取到用户新的行为信息后,可将所述行为信息与预置的各行为类型对应的行为描述进行匹配,确定与所述行为信息相匹配的行为类型);
另一方面,本发明实施例也可以单独使用各行为识别模型,确定所获取到的用户的行为信息对应的行为类型(如在获取到用户新的行为信息后,根据预置的各行为识别模型,识别所述行为信息对应的行为类型);
而这些手段均可以认为是确定所获取到的行为信息对应的行为类型的实现方式。
可选的,如果本发明实施例根据预置的各行为类型对应的行为描述,以及各行为识别模型,均未识别出所获取到的行为信息的行为类型,则说明所获取到的行为信息不属于本发明实施例处理的行为类型,可结束本发明实施例的流程。
步骤S14、处理服务器获取所述用户的当前征信分。
可选的,所述用户可以是获取到的新的行为信息所属的用户,其可通过获取到的新的行为信息中的用户标识进行指示。
可选的,如果所述用户第一次使用本发明实施例提供的方案进行征信分的调整,或者,首次进行征信分的调整,则处理服务器可从征信平台(如从银行征信平台,或者第三方征信平台)调取所述用户的征信分,作为所述用户的当前征信分;
而如果所述用户已使用本发明实施例提供的方案进行过征信分的调整,则可在与处理服务器相通信的本地征信数据库中调取所述用户已记录的征信分(征信数据库可记录各用户的征信分,并以本发明实施例提供的方案进行所记录的征信分的调整),作为所述用户的当前征信分。
可选的,步骤S14的执行可以是在步骤S10之后,获取到用户新的行为信息时,而不一定是在步骤S11至步骤S13执行之后。
步骤S15、处理服务器根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率。
可选的,本发明实施例可将征信分取值范围内的各征信分,分别作为基准分,从而通过监控的用户的行为信息,不断更新各行为类型下,各基准分可调整到的各征信调整分对应的概率,得到并记录各行为类型与各基准分对应的征信调整分的概率分布;
即对于一行为类型和一基准分而言,所对应的概率分布包含了,该行为类型下,由该基准分调整到各征信调整分,所分别对应的概率;即在所述概率分布中,该基准分调整到一征信调整分对应一个概率,所述概率分布中的概率个数与该基准分可调整到的征信调整分的个数相应;
可选的,例如征信分取值范围一般是0到999的整数,对于征信分取值范围内的500这一征信分,本发明实施例可将其作为基准分,定义在各行为类型下,该基准分调整到各征信调整分对应的概率,从而得到各行为类型与500这一基准分对应的征信调整分的概率分布;对于征信分取值范围中的0分…501分,502分…999分等各分值,均作此处理,可得到各行为类型与各基准分对应的征信调整分的概率分布;
上文示出的征信分取值范围是0到999的整数,相邻的分值之间间隔为1,而在实际情况中,本发明实施例可设定相邻的分值的间隔值为设定值;该设定值并不一定为1,而是可以根据实际情况调整,如设定为大于或等于1的整数,以相邻的分值的间隔值(设定值)为2为例,则征信分取值范围是2到998的偶数。
可选的,一基准分可调整到的征信调整分可以涵盖征信分取值范围,即对于一次征信分调整的限值,本发明实施例可不加限值,一次征信分调整可能调整到征信分取值范围内的任一值,具体视作为基准分的当前征信分,与各征信调整分所对应的概率而定。
而另一方面,作为优选的,一次用户行为所影响调整的征信分应该是有限的,本发明实施例可以将一次征信分调整的分值限制在设定调整范围内,如一次调整最高增加50分,且最高减小50分;则在确定各行为类型与各基准分对应的征信调整分的概率分布时,本发明实施例可将征信分取值范围内的各征信分,分别作为基准分,对于各基准分,定义在各行为类型下,该基准分调整到对应的设定调整范围内的各征信调整分对应的概率;即一基准分可调整到的各征信调整分,处于该基准分对应的设定调整范围内,相应的,当前征信分可调整到的各征信调整分,处于所述当前征信分对应的设定调整范围内;
以设定调整范围为负m到正m为例,m为一次征信分调整的差值限值,如可假设为50,则一行为类型下,基准分为n对应的征信调整分的概率分布可以如图4所示,其中,从n分调整到n-m分(以n分为基准分,一次调整的最低分值)的概率为Pn-m,从n分调整到n-m+1分的概率为Pn-m+1,…维持n分的概率为Pn,…从n分调整到n+m分的概率为Pn+m,以此类推;
且即一行为类型下,基准分为n对应的征信调整分的概率分布中,各概率相加为1(100%)。
图4所示,为一行为类型下,基准分为n对应的征信调整分的概率分布,而本发明实施例的行为类型有多种,因此在各种行为类型下,对于基准分n又会分别对应出征信调整分的概率分布,如图5所示,行为类型为A、B、C等不同的情况下,又会分别对应出基准分为n对应的征信调整分的概率分布;
假设征信分取值范围是0到999的整数,且基准分可取1000个,每一个基准分可调整的设定调整范围为负m到正m,则一个基准分对应的设定调整范围内的征信调整分的数量为2m+1;对于一个基准分而言,其一个行为种类对应的概率分布的概率值个数为2m+1,其所有种类对应的概率分布的概率值个数为:行为种类的总数*(2m+1),这其中可能存在相同概率的数值,但需作出区别;相应的,全体基准分,所有种类对应的概率分布的概率值个数为:1000*行为种类的总数*(2m+1)。
可选的,一行为类型下各基准分对应的,征信调整分的概率分布,可根据实时监控的该行为类型下已执行行为的行为反馈实时调整,以保障各行为类型及各基准分对应的,征信调整分的概率分布的准确性;从而处理服务器在获取到用户新的行为信息时,可根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,调取与当前确定的所述行为类型及所述当前征信分对应的征信调整分的概率分布。
值得注意的是,概率分布的更新与征信分的实时调整是两条分支流程,当前记录的各行为类型与各基准分对应的征信调整分的概率分布,是基于当前获取的用户的行为信息,对该用户进行征信分调整的基础。
步骤S16、处理服务器从所述概率分布中选取目标概率。
可选的,本发明实施例可预置随机数生成规则,该随机数生成规则可用于进行随机数的生成,处理服务器可调取该随机数生成规则,随机生成一个随机数(0~1的自然数),确定该随机数在所述概率分布中所对应的概率,得到出目标概率;
为便于说明,简单假设所述行为类型及所述当前征信分对应的,征信调整分的概率分布为:调整到n1分的概率为P1,调整到n2分的概率为P2,调整到n3分的概率为P3,且P1+P2+P3=1,则在随机生成一个随机数后,本发明实施例可确定随机数所属的概率范围所对应的概率,从P1,P2,P3中确定出目标概率;
如随机数为0.3,P1为0.2(对应0~0.2的概率范围),P2为0.6对应(0.2~0.8的概率范围),P3为0.2(对应0.8~1的概率范围),则可确定随机数0.3所属的概率范围(0.2~0.8)所对应的概率为0.6,确定P2为目标概率;
可选的,即对于所述概率分布中的各征信调整分,一征信调整分的概率对应的概率范围,可以是该征信调整分的上一征信调整分的概率上限,至该概率上限与该征信调整分的概率的和,所对应的范围;
如对于n1,n2,n3连续增大的征信调整分,如果随机数<P1,则确定目标概率为P1,如果P1≤随机数<P1+P2,则确定目标概率为P2,如果P1+P2≤随机数<P1+P2+P3,则确定目标概率为P3;
如对于概率分布中P2(概率为0.6)对应的概率范围,可以是上一征信调整分n1的概率上限0.2,至该概率上限0.2+P2的概率0.6=0.8,所对应的范围,即0.2到0.8的概率范围。
步骤S17、处理服务器将所述目标概率在所述概率分布中对应的征信分,作为调整后的征信分。
可选的,上文所述的通过随机数从所述概率分布中选取目标概率,以目标概率在所述概率分布中对应的征信分,作为调整后的征信分的方式仅是可选的,其可以认为是根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,从各征信调整分中随机选取调整后的征信分的一种实现;
当然,除从各征信调整分中随机选取调整后的征信分外,本发明实施例还可将当前征信分可调整到的各征信调整分,分别对应的概率,导入预置的优先级计算公式(公式考虑因素除各征信调整分对应的概率外,还可能考虑各征信调整分与当前征信分的差值等,公式的具体计算规则可根据实际需要设定)中,计算出各征信调整分的选择优先级,选择优先级最高的征信调整分作为调整后的征信分。
显然,上述这些确定调整后的征信分的方式,均可以认为是处理服务器根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分的可选方式。
本发明实施例中,处理服务器可获取用户的行为信息,确定所述行为信息对应的行为类型,并获取所述用户的当前征信分;从而可从当前记录的各行为类型与各基准分对应的征信调整分的概率分布中,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布,所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;进而可根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分;以基于实时获取到的用户的行为信息,实现该用户的征信分的实时调整,提升征信分调整的及时性。
需要注意的是,与常规的将多维度的信息作为征信评分模型的输入,进行征信分调整的区别,本发明实施例在实时获取到用户新的行为信息时,是根据所获取到的行为信息的行为类型以及所述用户当前的征信分,确定出在该行为类型下,由所述当前征信分调整到各征信调整分对应的概率,从而根据各征信调整分对应的概率,确定出调整后的征信分;本发明实施例在这里面,并不涉及将多维度的信息作为征信评分模型的输入,而是仅判断所获取的行为信息的行为类型,确定的由用户的当前征信分调整到各征信调整分的概率,以该概率得到的征信分调整结果针对性更强,且针对单次行为监控调整征信分的情境更为适用。
可选的,在确定出所述用户调整后的征信分后,可将其相应的应用在信贷、共享经济、用户评价、信息推荐等领域中,如可根据所述用户调整后的征信分,调整所述用户的信贷额;又如可根据所述用户调整后的征信分,为所述用户推荐与调整后的征信分相应的信息(如不同的征信等级对应的推荐信息不同,而不同的征信等级又对应不同数值范围的征信分)等。
可选的,各行为类型及各基准分对应的,征信调整分的概率分布可根据实时监控的所有用户的行为反馈实时调整。为便于说明,以一行为类型下的一基准分对应的征信调整分的概率分布,进行实时调整为例,图6示出了概率分布的调整方法流程图;值得注意的是,各行为类型下的各基准分对应的,征信调整分的概率分布的调整均可按照图6所示方法实现,图6仅以一行为类型下的一基准分的情况进行描述。
图6所示方法可由处理服务器执行,参照图6,该方法可以包括:
步骤S100、分别将任一行为类型作为目标行为类型,及分别将所述目标行为类型下的任一基准分,作为目标基准分。
步骤S110、在监控到目标行为类型下的已执行行为存在行为反馈结果时,从所述目标行为类型对应的所有用户的历史已执行行为中,确定所述目标基准分对应的各征信调整分,相应的历史已执行行为。
在用户执行未来需反馈的行为(已执行行为)后,用户需在未来约定时间内进行相应的行为反馈;如用户执行未来需还款的借款行为后,用户需在约定的还款时间内进行还款行为的反馈;因此在目标行为类型下,对于未来对应有行为反馈的已执行行为信息,本发明实施例需进行记录,并从所监控的用户的新的行为信息中,判断是否存在该已执行行为信息的行为反馈。
已执行行为的行为反馈结果可能是在约定时间内进行了相应的行为反馈,也可能是在约定时间内未进行相应的行为反馈;如对于借款的已执行行为,行为反馈结果可能是在约定的还款时间内进行了还款行为,也可能是在约定的还款时间内还未进行还款(即逾期未还款);
当将任一行为类型作为目标行为类型,且监控到目标行为类型下的已执行行为存在行为反馈结果时,本发明实施例可将该行为类型下的任一基准分,分别作为目标基准分;从而对目标行为类型下的各目标基准分,分别进行如图6所示处理,对目标行为类型下的目标基准分相应的概率分布进行调整。
可选的,目标基准分对应的各征信调整分,可以是在目标基准分对应的设定调整范围内的各征信调整分;而目标基准分对应的一征信调整分,相应的历史已执行行为,可以表示为,在目标行为类型下,由目标基准分调整到该征信调整分所根据的历史已执行行为,即在目标行为类型下,这些历史已执行行为,触发了目标基准分调整到该征信调整分;
可选的,对于目标基准分,可以确定目标基准分对应的设定调整范围内的各征信调整分,从而由所有用户关于目标行为类型的历史已执行行为中,确定由目标基准分调整到各征信调整分,分别对应的历史已执行行为。
步骤S120、对于各征信调整分,确定相应的各历史已执行行为的回报值。
可选的,一已执行行为的回报值取值可以分为第一值和第二值,第一值表示的征信程度高于第二值;可选的,一已执行行为的回报值取值,可由该已执行行为的行为反馈是否在约定时间内发生决定,如在约定时间内,监控到已执行行为的行为反馈,则设置所述已执行行为的回报值为第一值,如在约定时间内,未监控到已执行行为的行为反馈,则设置所述已执行行为的回报值为第二值;
可选的,设回报值为reward,则第一值可以为-1,第二值可以为1(显然,第一值也可以为1,第二值可以为-1,具体数值设定可根据实际情况调整,此处的-1和1的取值也仅是可选的);如用户借款后在约定时间内,逾期未还款,则可设置用户的借款行为的reward为1,如果用户在约定时间内还款,则可设置用户的借款行为的reward为-1。
步骤S130、对于各征信调整分,根据该征信调整分相应的各历史已执行行为的回报值,确定由目标基准分调整到该征信调整分相应的收益,以得到各征信调整分相应的收益。
对于目标基准分对应的设定调整范围内的一征信调整分,本发明实施例可根据相应的各历史已执行行为的回报值,确定由目标基准分调整到该征信调整分相应的收益,从而得到该征信调整分相应的收益;对于各征信调整分均作此处理,则可得到目标基准分对应的各征信调整分相应的收益;
设目标基准分为so,nexts1为目标基准分的一征信调整分,则由目标基准分so调整到该征信调整分nexts1相应的收益可以设为f so,nexts1,其计算公式可以表示为:
其中,k为用户总数,K为历史由目标基准分so,调整到征信调整分nexts1的总次数;
对于每一征信调整分均作此处理,则可得到各征信调整分相应的收益。
可见,对于各征信调整分,本发明实施例可根据该征信调整分相应的各历史已执行行为的回报值以及用户总数(该征信调整分相应的历史已执行行为对应的用户总数),确定该征信调整分相应的历史收益;以及对于各征信调整分,本发明实施例可根据由目标基准分调整到该征信调整分的历史总次数,以及用户总数,确定该征信调整分相应的未来预估收益;进而将同一征信调整分相应的历史收益和未来预估收益的和,确定为由目标基准分调整到该征信调整分相应的收益;
即可以表示历史上由目标基准分so调整到征信调整分nexts1的收益(在所有用户中的历史收益平均值);
若假设reward的第一值为-1,第二值为1,则越接近0,则说明历史上由目标基准分调整到征信调整分nexts1的已执行行为的行为反馈,对征信的影响是大致一样的,区分程度较低;
而当越接近1,则说明历史上由目标基准分调整到征信调整分nexts1的已执行行为的行为反馈,均可能影响征信结果,说明历史上由目标基准分调整到征信调整分nexts1的已执行行为的行为反馈,能够区分用户的征信情况,其对应的概率可较大。
步骤S140、对于各征信调整分,根据该征信调整分相应的收益,及各征信调整分相应的总收益,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率。
可选的,各征信调整分相应的总收益可以认为是,各征信调整分相应的收益的和;可选的,在确定由目标基准分,调整到一征信调整分相应的概率时,本发明实施例可将该征信调整分相应的收益,除以,各征信调整分相应的总收益实现;具体公式可如下所示:
其中,Pso,nexts1可以认为是在目标行为类型下,由目标基准分so调整到征信调整分nexts1的概率,fso,nextsj可以认为是征信调整分nextsj相应的收益,其中L为目标基准分对应的征信调整分的总个数(如目标基准分对应的设定调整范围内的征信调整分的总个数)。
步骤S150、结合在目标行为类型下,由目标基准分调整到各征信调整分相应的概率,得到目标行为类型与目标基准分对应的概率分布。
可选的,图6所示步骤S130至步骤S140可以认为是,对于各征信调整分,根据相应的历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率,得到目标行为类型下,由目标基准分调整到各征信调整分相应的概率的可选实现过程;
除通过步骤S130至步骤S140实现外,本发明实施例还可通过图7所示方式实现,结合图6和图7所示,在执行图6所示步骤S110至步骤S120,对于各征信调整分,确定相应的历史已执行行为的回报值后,图6所示步骤S130和步骤S140可替换为执行图7所示步骤:
步骤S130’、对于各征信调整分,确定相应的各历史已执行行为中回报值为第一值的占比,得到各征信调整分相应的回报值为第一值的占比。
对于各征信调整分,一已执行行为的回报值取值可以分为第一值和第二值,第一值表示的征信程度高于第二值;对于一征信调整分,本发明实施例可确定该征信调整分相应的历史已执行行为中回报值为第一值的个数,将所确定的回报值为第一值的个数,与该征信调整分相应的历史已执行行为中总回报值的个数的比值,作为该征信调整分相应的历史已执行行为中回报值为第一值的占比;
如对于目标基准分对应的设定调整范围内的一征信调整分,其相应的历史已执行行为中回报值的个数为1万,其中第一值的个数为6千,则该征信调整分相应的回报值为第一值的占比为0.6。
步骤S140’、对于各征信调整分,将相应的回报值为第一值的占比,除以,各征信调整分相应的回报值为第一值的占比总和,得到目标行为类型下,由目标基准分调整到该征信调整分相应的概率。
可选的,假设目标行为类型下,目标基准分对应的设定调整范围内的征信调整分为n1,n2和n3,且n1相应的回报值为第一值的占比为0.6,n2相应的回报值为第一值的占比为0.8,n3相应的回报值为第一值的占比为0.5;
则目标行为类型下,由目标基准分调整到n1相应的概率为0.6/(0.6+0.8+0.5),以此类推,则可得到目标行为类型下,由目标基准分调整到各征信调整分相应的概率。
通过图6和图7所示,在获取到一行为类型的已执行行为存在行为反馈,并确定行为反馈结果时,即进行该行为类型下各基准分对应的征信调整分的概率分布的更新,则通过不断的迭代更新,可使得各行为类型下,各基准分对应的征信调整分的概率分布的准确性不断的提升。
可选的,上文所示的根据实时监控的所有用户的行为反馈,实时调整各行为类型及各基准分对应的,征信调整分的概率分布的方式仅是可选的;本发明实施例也可定期基于收集的用户行为,调整各行为类型及各基准分对应的,征信调整分的概率分布;概率分布的准确性达到一定程度后,其更新的频率可以趋缓。
显然,上文描述的通过监控的用户行为,以不断的自学习迭代的方式,更新概率分布是较为优选的;但也不排除人工根据经验和实际情况,标注各行为类型及各基准分对应的,征信调整分的概率分布的方式;
可选的,概率分布的调整时机可以没有本发明实施例调整征信分的时机严格;当然,在前期使用、准确度要求较高等情况下,概率分布的更新可以实时基于监控的用户行为进行,以保障概率分布能够较快迭代到较高的准确度。
需要补充说明的是,如果利用行为识别模型识别所监控的行为信息的行为类型,则对于各类型的行为识别模型,需要预先通过机器学习算法,训练相应类型的正、负样本来得到。
如对于展示孩子行为的识别模型,可通过监控的用户在即时通讯平台发布的状态,识别出用户展示孩子的行为;展示孩子行为的识别模型的训练过程可以是:从用户发布的状态中,标注展示孩子行为的正样本,以及标注非展示孩子行为的负样本,使用的正、负样本可以是用户发布状态中的文字和/或图片,从而通过机器学习算法,对正、负样本进行训练,得到展示孩子行为的识别模型(展示孩子行为的识别模型,可采用分类器形式存在);
进而,在监控到用户存在新发布的状态时(也可能是通过预置的各行为类型对应的行为描述,未匹配到新发布的状态对应的行为类型时),可通过展示孩子行为的识别模型,识别该新发布的状态中文字和/或图片是否与展示孩子相关,从而对展示孩子行为进行识别。
相应的,恋爱行为识别模型和结婚行为识别模型的训练和识别过程,可与展示孩子行为的识别模型的训练和识别过程同理,可相互参照。
又如缺钱识别模型可用于识别用户当前是否处于缺钱状态,在监控到用户新的行为信息时(也可能是通过预置的各行为类型对应的行为描述,未匹配到该新的行为信息对应的行为类型时),可通过预先训练的缺钱识别模型识别用户是否处于缺钱状态,具体过程可以是:
收集该新的行为信息对应的用户在各个金融平台(包括银行平台,和具有授信功能的第三方支付平台等)的已借款额,及各个金融平台对该用户的授信额度;通过公式exp((借款额-授信额度)/授信额度),计算出该用户的缺钱程度,其中,公式中的借款额可以是用户在各个金融平台的总借款额,公式中的授信额度可以是用户在各个金融平台的总授信额度;另一方面,也可以将各个金融平台中该用户的已借款额及对应的授信额度,分别导入exp((借款额-授信额度)/授信额度)中,计算出该用户在各个金融平台分别对应的缺钱程度,然后取均值,作为该用户最终的缺钱程度;
可以理解的是,当借款额等于授信额度时,用户的缺钱程度为1,当借款额大于授信额度时,用户的缺钱程度大于1,当借款额小于授信额度时,用户的缺钱程度小于1,即随着借款额的增大,该用户的缺钱程度越大;而在当用户的缺钱程度大于阈值时,可认为该用户处于缺钱状态,输出用户处于缺钱状态的行为类型,相应的,用户处于缺钱状态,则将对用户的征信分造成影响。
再如,本发明实施例可对于每一种不文明行为(如辱骂、煽动、挑衅等行为)均训练一行为识别模型进行识别,训练过程也是通过机器学习算法,对相应的正、负样本进行训练得到;
以辱骂这种不文明行为为例,可将收集的用户已发表状态(社交圈中发布的状态、或者聊天记录等)中常见的辱骂信息作为正样本,正常信息作为负样本;采用随机森林、梯度提升决策树等机器学习算法对正、负样本进行训练,得到辱骂行为的行为识别模型;进而在监控到用户新发表的状态时,可采用辱骂行为的行为识别模型进行识别,如果识别结果为辱骂,则认为该用户通过新发表的状态实施了辱骂行为。
再如可通过训练的恶意广告行为识别模型,判断用户发布的状态是否有恶意广告;通过训练的诈骗行为识别模型,判断用户发布的状态是否涉嫌诈骗;通过虚假信息行为识别模型,判断用户发布的状态是否涉嫌发布虚假信息、谣言等;以此对用户发布不良言论的行为进行识别;在这个过程中,如果发现用户编辑或转发过不良言论,则也认为用户存在发布不良言论的行为。
上述列举了一些类型的行为识别模型的训练,和对行为的识别过程;值得注意的是,上述的说明仅为便于理解本发明实施例采用行为识别模型,识别行为类型的原理和可能方式,具体的行为识别模型的训练和对行为的识别过程,可以根据实际情况进行调整设定。
采用本发明实施例提供的征信分实时调整处理方法,可通过实时监控到的一用户新的行为信息,对该用户的征信分进行实时调整,提升该用户的征信分调整的及时性。图8示出了本发明实施例提供的一应用示意图,如图8所示:
若设置用户的征信分对用户可见(也可能设置征信分对用户不可见,此处以征信分对用户可见为例),用户通过征信界面可查询到自身的征信分为720分,此时时刻为10:25;
用户在10:30通过第三方支付客户端,或者银行客户端,进行***还款后,若假设银行对还款进行实时处理,则处理服务器可通过***归属的银行平台,监控到用户的***还款行为,进而识别出用户的行为类型为***还款类型;
处理服务器可调取***还款类型下,720分的基准分可调整到的各征信调整分的概率(即***还款类型与720分的基准分对应的,征信调整分的概率分布),并随机化一个数值,通过该数值对应的概率,从720分的基准分可调整到各征信调整分中,选取出调整后的征信分;以该调整后的征信分对该用户的征信分进行更新;假设调整后的征信分为723分,则该用户的征信分更新为723分;
假设处理服务器从监控到用户的***还款行为,到对该用户的征信分进行更新的耗时为1分(实际时间可能更短,此处仅为便于描述的举例说明,具体耗时需视网络、处理服务器性能等而定),则用户在10:31通过征信界面可查询到自身的征信分调整为723分,相比于现有半月等定期更新征信分的方式,本发明实施例中用户征信分调整的及时性极大的提升;相应的,信贷部分可基于实时调整的用户征信分,决策用户的信贷额度等,避免决策失误的情况发生。需要强调的是,上述所指时刻均是同一天的时刻。
进一步,如图8所示,用户的***还款行为还可作为行为反馈,更新***还款类型下,各基准分对应的概率分布,从而不断地迭代各行为类型下,各基准分对应的概率分布,提升其准确性。
显然,用户的征信分调整为723分,处理服务器还将基于监控到的该用户的新行为信息,实时的调整该用户的征信分,这个过程中,用户的征信分可能进一步提升,也可能出现降低的情况。
本发明实施例通过定义各行为类型下,各基准分对应的征信调整分的概率分布,从而将实时监控到的用户的行为信息作为用户的征信分调整条件,实时的进行用户的征信分调整,提升了征信分调整的及时性,可提升后续基于征信分应用的准确性。
下面对本发明实施例提供的征信分实时调整处理装置进行介绍,下文描述的征信分实时调整处理装置可以认为是为实现本发明实施例提供的征信分实时调整处理方法,所需设置的功能模块架构,可与上文的方法内容相互对应参照。
图9为本发明实施例提供的征信分实时调整处理装置的结构框图,该装置可应用于处理服务器,参照图9,该装置可以包括:
行为信息获取模块100,用于获取用户的行为信息;
行为类型确定模块200,用于确定所述行为信息对应的行为类型;
当前征信分获取模块300,用于获取所述用户的当前征信分;
概率分布确定模块400,用于根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;
征信分调整模块500,用于根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。
可选的,所述当前征信分可调整到的各征信调整分,处于所述当前征信分对应的设定调整范围内。
可选的,征信分调整模块500,用于根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分,具体包括:
根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,从各征信调整分中随机选取调整后的征信分。
可选的,征信分调整模块500,用于根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,从各征信调整分中随机选取调整后的征信分,具体包括:
生成随机数;
确定所述随机数在所述概率分布中所对应的概率,得到目标概率;
将所述目标概率在所述概率分布中对应的征信分,作为调整后的征信分。
可选的,征信分调整模块500,用于确定所述随机数在所述概率分布中所对应的概率,得到目标概率,具体包括:
确定所述概率分布中的各征信调整分的概率对应的概率范围,其中,一征信调整分的概率对应的概率范围为:该征信调整分的上一征信调整分的概率上限,至该概率上限与该征信调整分的概率的和,所对应的范围;
确定所述随机数所属的概率范围对应的征信调整分的概率,得到目标概率。
可选的,图10示出了本发明实施例提供的征信分实时调整处理装置的另一结构框图,结合图9和图10所示,该装置还可以包括:
基准分选取模块600,用于将征信分取值范围内的各征信分,分别作为基准分;
概率分布更新模块700,用于根据用户的行为信息,更新各行为类型下,各基准分可调整到的各征信调整分对应的概率,得到各行为类型与各基准分对应的征信调整分的概率分布;
可选的,对于一行为类型,具体可根据该行为类型的已执行行为的行为反馈结果,更新该行为类型下,各基准分可调整到的各征信调整分对应的概率,以此得到各行为类型与各基准分对应的征信调整分的概率分布。
可选的,概率分布更新模块700,用于根据用户的行为信息,更新各行为类型下,各基准分可调整到的各征信调整分对应的概率,具体包括:
分别将任一行为类型作为目标行为类型,及分别将所述目标行为类型下的任一基准分,作为目标基准分;
在监控到目标行为类型下的已执行行为存在行为反馈结果时,从所述目标行为类型对应的所有用户的历史已执行行为中,确定所述目标基准分对应的各征信调整分,相应的历史已执行行为;
对于各征信调整分,确定相应的各历史已执行行为的回报值;其中,回报值取值分为第一值和第二值,第一值表示的征信程度高于第二值;
对于各征信调整分,根据相应的各历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率,得到目标行为类型下,由目标基准分调整到各征信调整分相应的概率。
一方面,可选的,概率分布更新模块700,用于对于各征信调整分,根据相应的历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率,具体包括:
对于各征信调整分,根据该征信调整分相应的各历史已执行行为的回报值,确定由目标基准分调整到该征信调整分相应的收益,以得到各征信调整分相应的收益;
对于各征信调整分,根据该征信调整分相应的收益,及各征信调整分相应的总收益,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率。
可选的,概率分布更新模块700,用于对于各征信调整分,根据该征信调整分相应的历史已执行行为的回报值,确定由目标基准分调整到该征信调整分相应的收益,具体包括:
对于各征信调整分,根据该征信调整分相应的各历史已执行行为的回报值以及用户总数,确定该征信调整分相应的历史收益;以及对于各征信调整分,根据由目标基准分调整到该征信调整分的历史总次数,以及用户总数,确定该征信调整分相应的未来预估收益;
将同一征信调整分相应的历史收益和未来预估收益的和,确定为由目标基准分调整到该征信调整分相应的收益。
另一方面,可选的,概率分布更新模块700,用于对于各征信调整分,根据相应的各历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率,具体包括:
对于各征信调整分,确定相应的各历史已执行行为中回报值为第一值的占比,得到各征信调整分相应的回报值为第一值的占比;
对于各征信调整分,将相应的回报值为第一值的占比,除以,各征信调整分相应的回报值为第一值的占比总和,得到目标行为类型下,由目标基准分调整到该征信调整分相应的概率。
可选的,行为类型确定模块200,用于确定所述行为信息对应的行为类型,具体包括:
将所述行为信息与预置的各行为类型对应的行为描述进行匹配,判断是否存在与所述行为信息相匹配的行为类型;
若存在与所述行为信息相匹配的行为类型,确定所判断的与所述行为信息相匹配的行为类型;
若不存在与所述行为信息相匹配的行为类型,根据预置的各行为识别模型,识别所述行为信息对应的行为类型。
可选的,另一方面,行为类型确定模块200,用于确定所述行为信息对应的行为类型,具体包括:
将所述行为信息与预置的各行为类型对应的行为描述进行匹配,确定与所述行为信息相匹配的行为类型;
或,根据预置的各行为识别模型,识别所述行为信息对应的行为类型。
本发明实施例还提供一种处理服务器,该处理服务器可以包括上述所述的征信分实时调整处理装置。
可选的,图11示出了该处理服务器的硬件结构框图,参照图11,该处理服务器可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;在本发明实施例中,处理服务器中处理器1、通信接口2、存储器3、通信总线4的数量为至少一个(一个或多个),且这些器件之间的通信形式并不限于图11所示,图11所示仅是处理服务器的一种可选的硬件结构实现;
可选的,在本发明实施例中,处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
可选的,通信接口2可以为通信模块的接口,如GSM模块的接口;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
其中,处理器1具体用于:
获取用户的行为信息;
确定所述行为信息对应的行为类型;
获取所述用户的当前征信分;
根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;
根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。
本发明实施例提供的处理服务器可基于实时监控的用户的行为信息,实时调整用户的征信分,提升征信分调整的及时性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种征信分实时调整处理方法,其特征在于,包括:
获取用户的行为信息;
确定所述行为信息对应的行为类型;
获取所述用户的当前征信分;
根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;
根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。
2.根据权利要求1所述的征信分实时调整处理方法,其特征在于,所述当前征信分可调整到的各征信调整分,处于所述当前征信分对应的设定调整范围内。
3.根据权利要求1或2所述的征信分实时调整处理方法,其特征在于,所述根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分包括:
根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,从各征信调整分中随机选取调整后的征信分。
4.根据权利要求3所述的征信分实时调整处理方法,其特征在于,所述根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,从各征信调整分中随机选取调整后的征信分包括:
生成随机数;
确定所述随机数在所述概率分布中所对应的概率,得到目标概率;
将所述目标概率在所述概率分布中对应的征信分,作为调整后的征信分。
5.根据权利要求4所述的征信分实时调整处理方法,其特征在于,所述确定所述随机数在所述概率分布中所对应的概率,得到目标概率包括:
确定所述概率分布中的各征信调整分的概率对应的概率范围,其中,一征信调整分的概率对应的概率范围为:该征信调整分的上一征信调整分的概率上限,至该概率上限与该征信调整分的概率的和,所对应的范围;
确定所述随机数所属的概率范围对应的征信调整分的概率,得到目标概率。
6.根据权利要求1或2所述的征信分实时调整处理方法,其特征在于,还包括:
将征信分取值范围内的各征信分,分别作为基准分;
根据用户的行为信息,更新各行为类型下,各基准分可调整到的各征信调整分对应的概率,得到各行为类型与各基准分对应的征信调整分的概率分布并记录。
7.根据权利要求6所述的征信分实时调整处理方法,其特征在于,所述根据用户的行为信息,更新各行为类型下,各基准分可调整到的各征信调整分对应的概率包括:
分别将任一行为类型作为目标行为类型,及分别将所述目标行为类型下的任一基准分,作为目标基准分;
在监控到目标行为类型下的已执行行为存在行为反馈结果时,从所述目标行为类型对应的所有用户的历史已执行行为中,确定所述目标基准分对应的各征信调整分,相应的历史已执行行为;
对于各征信调整分,确定相应的各历史已执行行为的回报值;其中,回报值取值分为第一值和第二值,第一值表示的征信程度高于第二值;
对于各征信调整分,根据相应的各历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率,得到目标行为类型下,由目标基准分调整到各征信调整分相应的概率。
8.根据权利要求7所述的征信分实时调整处理方法,其特征在于,所述对于各征信调整分,根据相应的各历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率包括:
对于各征信调整分,根据该征信调整分相应的各历史已执行行为的回报值,确定由目标基准分调整到该征信调整分相应的收益,以得到各征信调整分相应的收益;
对于各征信调整分,根据该征信调整分相应的收益,及各征信调整分相应的总收益,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率。
9.根据权利要求8所述的征信分实时调整处理方法,其特征在于,所述对于各征信调整分,根据该征信调整分相应的各历史已执行行为的回报值,确定由目标基准分调整到该征信调整分相应的收益包括:
对于各征信调整分,根据该征信调整分相应的各历史已执行行为的回报值以及用户总数,确定该征信调整分相应的历史收益;以及对于各征信调整分,根据由目标基准分调整到该征信调整分的历史总次数,以及用户总数,确定该征信调整分相应的未来预估收益;
将同一征信调整分相应的历史收益和未来预估收益的和,确定为由目标基准分调整到该征信调整分相应的收益。
10.根据权利要求7所述的征信分实时调整处理方法,其特征在于,所述对于各征信调整分,根据相应的各历史已执行行为的回报值,确定在目标行为类型下,由目标基准分调整到该征信调整分相应的概率包括:
对于各征信调整分,确定相应的各历史已执行行为中回报值为第一值的占比,得到各征信调整分相应的回报值为第一值的占比;
对于各征信调整分,将相应的回报值为第一值的占比,除以,各征信调整分相应的回报值为第一值的占比总和,得到目标行为类型下,由目标基准分调整到该征信调整分相应的概率。
11.根据权利要求1或2所述的征信分实时调整处理方法,其特征在于,所述确定所述行为信息对应的行为类型包括:
将所述行为信息与预置的各行为类型对应的行为描述进行匹配,判断是否存在与所述行为信息相匹配的行为类型;
若存在与所述行为信息相匹配的行为类型,确定所判断的与所述行为信息相匹配的行为类型;
若不存在与所述行为信息相匹配的行为类型,根据预置的各行为识别模型,识别所述行为信息对应的行为类型。
12.根据权利要求1或2所述的征信分实时调整处理方法,其特征在于,所述确定所述行为信息对应的行为类型包括:
将所述行为信息与预置的各行为类型对应的行为描述进行匹配,确定与所述行为信息相匹配的行为类型;
或,根据预置的各行为识别模型,识别所述行为信息对应的行为类型。
13.一种征信分实时调整处理装置,其特征在于,包括:
行为信息获取模块,用于获取用户的行为信息;
行为类型确定模块,用于确定所述行为信息对应的行为类型;
当前征信分获取模块,用于获取所述用户的当前征信分;
概率分布确定模块,用于根据当前记录的各行为类型与各基准分对应的征信调整分的概率分布,确定与所述行为类型及所述当前征信分对应的,征信调整分的概率分布;所述概率分布包括:由所述当前征信分,调整到各征信调整分对应的概率;
征信分调整模块,用于根据所述概率分布指示的由所述当前征信分调整到各征信调整分对应的概率,确定调整后的征信分。
14.根据权利要求13所述的征信分实时调整处理装置,其特征在于,还包括:
基准分选取模块,用于将征信分取值范围内的各征信分,分别作为基准分;
概率分布更新模块,用于根据用户的行为信息,更新各行为类型下,各基准分可调整到的各征信调整分对应的概率,得到各行为类型与各基准分对应的征信调整分的概率分布并记录。
15.一种处理服务器,其特征在于,包括权利要求13-14任一项所述的征信分实时调整处理装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710245134.3A CN108734565B (zh) | 2017-04-14 | 2017-04-14 | 一种征信分实时调整处理方法、装置及处理服务器 |
PCT/CN2018/082277 WO2018188543A1 (zh) | 2017-04-14 | 2018-04-09 | 征信分实时调整处理方法、装置及处理服务器 |
US16/525,980 US20190355058A1 (en) | 2017-04-14 | 2019-07-30 | Method and apparatus for processing credit score real-time adjustment, and processing server |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710245134.3A CN108734565B (zh) | 2017-04-14 | 2017-04-14 | 一种征信分实时调整处理方法、装置及处理服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734565A true CN108734565A (zh) | 2018-11-02 |
CN108734565B CN108734565B (zh) | 2020-11-17 |
Family
ID=63792270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710245134.3A Active CN108734565B (zh) | 2017-04-14 | 2017-04-14 | 一种征信分实时调整处理方法、装置及处理服务器 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190355058A1 (zh) |
CN (1) | CN108734565B (zh) |
WO (1) | WO2018188543A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697575A (zh) * | 2019-01-03 | 2019-04-30 | 陕西西部资信股份有限公司 | 基于评价结果的数据处理方法及*** |
CN110348992A (zh) * | 2019-06-25 | 2019-10-18 | 深圳中兴飞贷金融科技有限公司 | 用户信息处理方法和装置、存储介质和电子设备 |
CN111339134A (zh) * | 2020-02-11 | 2020-06-26 | 广州众赢科技有限公司 | 一种数据查询方法及装置 |
TWI768512B (zh) * | 2019-12-26 | 2022-06-21 | 日商樂天集團股份有限公司 | 信用度計算系統、信用度計算方法及程式產品 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11468237B2 (en) | 2018-05-11 | 2022-10-11 | Kpmg Llp | Audit investigation tool |
US11010832B2 (en) * | 2018-05-11 | 2021-05-18 | Kpmg Llp | Loan audit system and method with chained confidence scoring |
US20210217081A1 (en) * | 2018-05-29 | 2021-07-15 | Visa International Service Association | System and method for efficiently delivering data to target users |
JPWO2020202917A1 (zh) * | 2019-03-29 | 2020-10-08 | ||
CN111582952B (zh) * | 2020-05-29 | 2023-07-18 | 泰康保险集团股份有限公司 | 评分方法、信息推送方法、评分*** |
US11400378B2 (en) * | 2020-06-30 | 2022-08-02 | Sony Interactive Entertainment LLC | Automatic separation of abusive players from game interactions |
CN112035669B (zh) * | 2020-09-09 | 2021-05-14 | 中国科学技术大学 | 基于传播异质图建模的社交媒体多模态谣言检测方法 |
US10942629B1 (en) * | 2020-10-16 | 2021-03-09 | Laitek, Inc. | Recall probability based data storage and retrieval |
CN112419050B (zh) * | 2020-12-24 | 2022-05-24 | 浙江工商大学 | 基于电话通讯网络和社交行为的信用评估方法及装置 |
CN112785415B (zh) * | 2021-01-20 | 2024-01-12 | 深圳前海微众银行股份有限公司 | 评分卡模型构建方法、装置、设备及计算机可读存储介质 |
CN113194206A (zh) * | 2021-04-25 | 2021-07-30 | 中国联合网络通信集团有限公司 | 标记方法及标记装置 |
US11663662B2 (en) | 2021-06-30 | 2023-05-30 | Brex Inc. | Automatic adjustment of limits based on machine learning forecasting |
CN117808578A (zh) * | 2024-03-01 | 2024-04-02 | 杭银消费金融股份有限公司 | 一种智能化人行征信数据解析方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060212386A1 (en) * | 2005-03-15 | 2006-09-21 | Willey Dawn M | Credit scoring method and system |
US20110078073A1 (en) * | 2009-09-30 | 2011-03-31 | Suresh Kumar Annappindi | System and method for predicting consumer credit risk using income risk based credit score |
CN106056444A (zh) * | 2016-05-25 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 数据处理方法和装置 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN104463603B (zh) * | 2014-12-05 | 2018-02-02 | 中国联合网络通信集团有限公司 | 一种信用评估方法及*** |
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 |
-
2017
- 2017-04-14 CN CN201710245134.3A patent/CN108734565B/zh active Active
-
2018
- 2018-04-09 WO PCT/CN2018/082277 patent/WO2018188543A1/zh active Application Filing
-
2019
- 2019-07-30 US US16/525,980 patent/US20190355058A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060212386A1 (en) * | 2005-03-15 | 2006-09-21 | Willey Dawn M | Credit scoring method and system |
US20110078073A1 (en) * | 2009-09-30 | 2011-03-31 | Suresh Kumar Annappindi | System and method for predicting consumer credit risk using income risk based credit score |
CN106056444A (zh) * | 2016-05-25 | 2016-10-26 | 腾讯科技(深圳)有限公司 | 数据处理方法和装置 |
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 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697575A (zh) * | 2019-01-03 | 2019-04-30 | 陕西西部资信股份有限公司 | 基于评价结果的数据处理方法及*** |
CN110348992A (zh) * | 2019-06-25 | 2019-10-18 | 深圳中兴飞贷金融科技有限公司 | 用户信息处理方法和装置、存储介质和电子设备 |
CN110348992B (zh) * | 2019-06-25 | 2020-09-04 | 深圳中兴飞贷金融科技有限公司 | 用户信息处理方法和装置、存储介质和电子设备 |
TWI768512B (zh) * | 2019-12-26 | 2022-06-21 | 日商樂天集團股份有限公司 | 信用度計算系統、信用度計算方法及程式產品 |
CN111339134A (zh) * | 2020-02-11 | 2020-06-26 | 广州众赢科技有限公司 | 一种数据查询方法及装置 |
CN111339134B (zh) * | 2020-02-11 | 2024-03-08 | 广州拉卡拉信息技术有限公司 | 一种数据查询方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108734565B (zh) | 2020-11-17 |
US20190355058A1 (en) | 2019-11-21 |
WO2018188543A1 (zh) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734565A (zh) | 一种征信分实时调整处理方法、装置及处理服务器 | |
CN109472596B (zh) | 基于交易评估的联盟链共识方法及*** | |
Cocco et al. | Using an artificial financial market for studying a cryptocurrency market | |
CN110199308B (zh) | 用于生成和提取存储在区块链上的用户相关数据的计算机实现的***和方法 | |
CN110008248A (zh) | 一种数据处理方法和装置 | |
CN101996381A (zh) | 一种零售资产风险的计算方法及*** | |
US20200272959A1 (en) | Tracking Movement of Resources in a Financial Transaction Network | |
KR102096657B1 (ko) | 비지도학습을 이용한 암호화폐 거래소 입금 승인 장치 및 방법 | |
CN108932585A (zh) | 一种商户运营管理方法及其设备、存储介质、电子设备 | |
CN110264221A (zh) | 一种针对服务商行业的全链路安全业务联合解决方案 | |
CN107038511A (zh) | 一种确定风险评估参数的方法及装置 | |
CN111309788A (zh) | 一种银行客户交易网络的社区结构发现方法及*** | |
CN111582864A (zh) | 一种区块链数据量证明共识协议 | |
Bataev | Financial technology: Efficiency evaluation of challenger banks | |
US8396787B2 (en) | Simplified quote sharing calculation | |
CN110706111B (zh) | 可疑交易账户的识别方法、装置、存储介质和服务器 | |
CN111932310A (zh) | 一种银行产品的潜在对公客户挖掘方法及装置 | |
Boreiko | Blockchain-based financing with Initial Coin Offerings (ICOs): Financial industry disruption or evolution? | |
Forró et al. | Valuation of Zynga | |
CN109191305B (zh) | 一种用于加密资产的资金博弈指标构建方法及*** | |
Huang et al. | Detecting phishing gangs via taint analysis on the Ethereum blockchain | |
Konopielko et al. | Staking–Technological and Economic Challenges. Deposit-as-a-Service as an Alternative to Zero Interest Rates | |
Saleh | Cryptonomics: Investment behaviour in the cryptocurrency market | |
Dolderer et al. | Identification of Dimensions for the Description of Blockchain-based Token Systems | |
Giammetti | The Economy as a whole: three essays on Economic Networks |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |