[发明专利]融合多平台征信数据的征信分析方法、装置及终端

权利要求书

1.一种融合多平台征信数据的征信分析方法，其特征在于，包括：

获取用户征信分析请求，所述分析请求中包括目标用户标识；

根据所述目标用户标识，从N个征信平台中获取与所述目标用户标识对应的M组征信数据，其中，M为小于或等于N的正整数；

对所述M组征信数据进行融合处理，确定所述目标用户的征信状态。

2.如权利要求1所述的方法，其特征在于，所述对所述M组征信数据进行融合处理，包括：

根据所述M组征信数据分别对应的权值，对所述M组征信数据进行融合处理；

或者，

利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理。

3.如权利要求2所述的方法，其特征在于，第k组征信数据中包括第k个征信平台的平台标识及所述目标用户标识在第k个征信平台中的征信信息；

所述利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理，包括：

根据所述M组征信数据，确定目标用户对应的用户特征向量，及征信平台特征向量；

基于所述预先训练的多平台征信模型，确定与所述用户特征向量及所述征信平台特征向量对应的目标用户的融合违约概率；

根据所述目标用户的融合违约概率所属的范围，确定所述目标用户的征信状态。

4.如权利要求2所述的方法，其特征在于，所述利用预先训练的多平台征信模型，对所述M组征信数据进行融合处理之前，还包括：

获取所述N个征信平台分别对应的N组总征信数据，其中，第j组总征信数据中包括第j个平台中所有用户的征信数据，j为小于或等于N的自然数；

利用所述N组总征信数据，对预设的神经网络模型进行训练，生成所述多平台征信模型。

5.如权利要求4所述的方法，其特征在于，所述获取所述N个征信平台分别对应的N组总征信数据之后，还包括：

对所述N组总征信数据进行清洗，获取目标训练数据。

6.如权利要求5所述的方法，其特征在于，所述第j组总征信数据中包括第j个征信平台对应的征信平均分、第i个用户在所述第j个征信平台的征信分；

所述对所述N组总征信数据进行清洗，包括：

根据所述第i个用户在所述第j个征信平台的征信分及所述第j个征信平台对应的征信平均分，确定所述第i个用户在所述第j个征信平台中的标准分；

判断所述第i个用户在任意两个征信平台的标准分间的差值，是否均小于第一阈值；

若否，则将所述第i个用户的征信数据从所述N组总征信数据中剔除。

7.如权利要求5所述的方法，其特征在于，所述第j组总征信数据中包括第j个征信平台对应的征信平均分、第i个用户在所述第j个征信平台的征信分，及第i个用户的违约数；

所述对所述N组总征信数据进行清洗，包括：

根据所述第i个用户在所述第j个征信平台的征信分及所述第j个征信平台对应的征信平均分，确定所述第i个用户在所述第j个征信平台中的标准分；

根据所述第i个用户在所述第j个征信平台中的标准分，确定所述第i个用户在所述第j个征信平台中的违约概率；

根据所述第i个用户在所有平台中的违约数，确定所述第i个用户的违约总数；

根据所述第i个用户的违约总数，及所述第i个用户在所有征信平台的违约概率，确定所述第i个用户的后违约概率；

根据所述第i个用户的后违约概率，确定所述第i个用户的违约方差；

根据所有用户的违约方差，确定第二阈值；

将所述N组总征信数据中，用户的违约方差大于所述第二阈值的用户征信数据剔除。

8.如权利要求4-7任一所述的方法，其特征在，所述利用所述N组总征信数据，对预设的神经网络模型进行训练，生成所述多平台征信模型，包括：

依次利用每组总征信数据，对预设的神经网络模型进行训练，确定所述多平台征信模型的参数；

和/或，

依次利用每个用户在所有平台中的征信数据，对预设的神经网络模型进行训练，确定所述多平台征信模型的参数。