[发明专利]一种信用卡审批方法、装置、设备及存储介质

说明书

本申请公开了一种信用卡审批方法，包括：预先基于相关熵诱导损失函数，利用样本审批信息确定出目标判别模型；获取目标申请人的目标审批信息，并将目标审批信息输入至目标判别模型中，得到目标判别值；利用目标判别值确定出对应的审批结果。可见，由于相关熵诱导损失函数能够相对消除噪音特征对目标审批信息的影响，因此，本方法能够提高信用卡审批的准确度。本申请还公开了一种信用卡审批装置、设备及计算机可读存储介质，均具有上述有益效果。

技术领域

本发明涉及信息审批领域，特别涉及一种信用卡审批方法、装置、设备及计算机可读存储介质。

背景技术

信用卡审批是指发放信用卡的银行综合考虑多种因素，对申请人的信誉进行审查，来判断是否发放信用卡给申请人；审查的因素包括但不限于：申请人过去的信用记录、申请人已知的资产、职业特性等。显然，可靠的信用卡审批系统可以有效地将风险主动控制在银行的可接受范围内，从而提高银行的资本使用效率和综合收益，为可持续发展提供有效保障。

现有技术中提供的信用卡审批方法主要是利用孪生支持向量机(Twin supportvector machine，TSVM)对目标申请人的目标审批信息进行审批，对于两分类问题，TSVM寻求两个不平行的超平面，使得两类样本尽可能靠近同类超平面而远离异类超平面，并利用这两个超平面来实现数据分类，即，确定出目标申请人的申请是否审批通过。但是现有技术的方法中，基于TSVM确定出的目标判别模型的抗噪能力不太理想，也就是说，在利用目标判别模型对目标申请人的目标审批信息进行审批的过程中，会受到噪音特征对计算结果的影响，从而影响信用卡审批结果的准确性。

因此，如何提高对信用卡审批的准确性，是本领域技术人员目前需要解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种信用卡审批方法，能够提高对信用卡审批的准确性；本发明的另一目的是提供一种信用卡审批装置、设备及计算机可读存储介质，均具有上述有益效果。

为解决上述技术问题，本发明提供一种信用卡审批方法，包括：

预先基于相关熵诱导损失函数，利用样本审批信息确定出目标判别模型；

获取目标申请人的目标审批信息，并将所述目标审批信息输入至所述目标判别模型中，得到目标判别值；

利用所述目标判别值确定出对应的审批结果。

优选地，所述预先基于相关熵诱导损失函数，利用样本审批信息确定出目标判别模型的过程，具体包括：

预先设置线性判别函数；

基于1-范数正则和相关熵诱导损失函数，利用所述样本审批信息计算出当前迭代的所述线性判别函数的当前权重向量、当前偏差和两个表示审批分类的超平面的当前函数值；

利用当前权重向量和当前偏差更新对应的优化问题中矩阵Ω和矩阵Ω；

当达到预设的终止条件时，停止迭代计算，确定出目标权重向量和目标偏差；

根据所述目标权重向量和所述目标偏差确定出所述目标判别模型。

优选地，在确定出所述目标权重向量和所述目标偏差之后，进一步包括：

将所述目标权重向量中，权重值小于预设阈值的特征对应的权重设置为0，并更新所述目标权重向量。

优选地，所述当达到预设的终止条件时，停止迭代计算，确定出目标权重向量和目标偏差的过程，具体包括：

在当前迭代次数超过预设迭代次数阈值时，停止迭代计算，确定出所述目标权重向量和所述目标偏差。

优选地，所述当达到预设的终止条件时，停止迭代计算，确定出目标权重向量和目标偏差的过程，具体包括：