[发明专利]一种借贷预测模型的训练方法、借贷预测方法和装置

权利要求书

1.一种借贷预测模型的训练方法，其特征在于，该方法包括：

基于获取的多个用户的历史借贷数据，确定借贷属性特征以及借贷行为特征；

将所述借贷属性特征作为自变量，将所述借贷行为特征作为因变量，构建至少两个预设模型并进行训练；

基于所述至少两个预设模型得到的预测结果，采用预设模型融合方法对所述至少两个预设模型进行融合处理，得到借贷预测模型。

2.如权利要求1所述的方法，其特征在于，基于所述至少两个预设模型得到的预测结果，采用预设模型融合方法对所述至少两个预设模型进行融合处理，具体包括：

将所述至少两个预设模型的预测结果作为自变量，将借贷行为特征作为因变量，构建融合模型并进行训练。

3.如权利要求1所述的方法，其特征在于，将所述借贷属性特征作为自变量，将所述借贷行为特征作为因变量，构建至少两个预设模型并进行训练，具体包括：

基于获取的多个用户的历史借贷数据，确定每个用户对应借贷属性特征的特征值，以及对应借贷行为特征的特征值；

确定至少两个预设模型；并

针对每个预设模型，将每个用户对应借贷属性特征的特征值作为自变量的值，将对应借贷行为特征的特征值作为因变量的值，对该预设模型进行训练，得到完成训练的至少两个预设模型。

4.如权利要求3所述的方法，其特征在于，所述至少两个预设模型包括：神经网络预测模型；

针对每个预设模型，将每个用户对应借贷属性特征的特征值作为自变量的值，将对应借贷行为特征的特征值作为因变量的值，对该预设模型进行训练，具体包括：

针对多个神经网络模型，分别执行如下训练操作，其中，多个神经网络具有不同的神经网络层数：

将每个用户对应借贷属性特征的特征值作为自变量的值，将对应借贷行为特征的特征值作为因变量的值，对当前神经网络模型进行训练，得到当前神经网络模型参数，以及用于衡量模型预测准确性的预设指标的指标值；

将表征预测准确性最高的指标值对应的神经网络模型作为最终确定的神经网络预测模型。

5.如权利要求3所述的方法，其特征在于，所述多个用户的历史借贷数据包括所述多个用户的第一历史时间段的历史借贷数据，和所述多个用户的第二历史时间段的历史借贷数据，且第一历史时间段早于第二历史时间段；

基于获取的多个用户的历史借贷数据，确定每个用户对应借贷属性特征的特征值，以及对应借贷行为特征的特征值，具体包括：

基于获取的所述多个用户的第一历史时间段的历史借贷数据，确定每个用户对应借贷属性特征的特征值；

基于获取的所述多个用户的第二历史时间段的历史借贷数据，确定每个用户对应借贷行为特征的特征值。

6.一种借贷预测方法，其特征在于，该方法包括：

基于获取的待预测用户的历史借贷数据，确定所述待预测用户的借贷属性特征的特征值；

将确定的借贷属性特征的特征值作为自变量的值，输入如权利要求1-5任一项确定的借贷预测模型，预测所述待预测用户的借贷概率。

7.一种借贷预测模型的训练装置，其特征在于，该装置包括：

第一处理模块，用于基于获取的多个用户的历史借贷数据，确定借贷属性特征以及借贷行为特征；

训练模块，用于将所述借贷属性特征作为自变量，将所述借贷行为特征作为因变量，构建至少两个预设模型并进行训练；

第二处理模块，用于基于所述至少两个预设模型得到的预测结果，采用预设模型融合方法对所述至少两个预设模型进行融合处理，得到借贷预测模型。

8.一种借贷预测装置，其特征在于，该装置包括：

处理模块，用于基于获取的待预测用户的历史借贷数据，确定所述待预测用户的借贷属性特征的特征值；

预测模块，用于将确定的借贷属性特征的特征值作为自变量，输入如权利要求7确定的借贷预测模型，预测所述待预测用户的借贷概率。