[发明专利]为目标用户进行资源分配的方法、装置及电子设备

权利要求书

1.一种为目标用户进行资源分配的方法，其特征在于，包括：

获取当前用户的用户信息，所述用户信息包括基础信息和行为信息；

将所述用户信息输入短期风险模型中，得到短期风险评分，所述短期风险评分用于表示用户在第一时间段内进行资源归还的第一概率；

将所述用户信息输入长期风险模型中，得到长期风险评分，所述长期风险评分用于表示用户在第二时间段内进行资源归还的第二概率；

在所述第一概率和所述第二概率满足预设策略时，将当前用户确定为目标用户；

根据预定策略为目标用户进行资源分配。

2.如权利要求1所述的方法，其特征在于，还包括：

根据所述第一时间段和所述第二时间段为所述目标用户确定资源归还提醒策略。

3.如权利要求1-2中任一所述的方法，其特征在于，还包括：

根据多个历史用户的用户信息对机器学习模型进行训练生成所述短期风险模型和所述长期风险模型。

4.如权利要求1-3中任一所述的方法，其特征在于，根据多个历史用户的用户信息对机器学习模型进行训练生成所述短期风险模型和所述长期风险模型，包括：

根据多个历史用户的用户信息对机器学习模型进行训练生成初始短期风险模型和初始长期风险模型；

由实时用户按比例提取测试用户，生成测试用户组；

通过测试用户组对所述初始短期风险模型和所述初始长期风险模型进行模型测试；

在模型测试通过后生成所述短期风险模型和所述长期风险模型。

5.如权利要求1-4中任一所述的方法，其特征在于，通过测试用户组对所述初始短期风险模型和所述初始长期风险模型进行模型测试，包括：

通过测试用户组对所述初始短期风险模型和所述初始长期风险模型进行ABtest测试。

6.如权利要求1-5中任一所述的方法，其特征在于，根据多个历史用户的用户信息对机器学习模型进行训练生成初始短期风险模型和初始长期风险模型，包括：

提取所述多个历史用户的在第一时间段内的第一行为信息；

通过所述第一行为信息和所述基础信息对第一机器学习模型进行训练以生成所述初始短期风险模型。

7.如权利要求1-6中任一所述的方法，其特征在于，根据多个历史用户的用户信息对机器学习模型进行训练生成初始短期风险模型和初始长期风险模型，包括：

提取所述多个历史用户的在第二时间段内的第二行为信息；

通过所述第二行为信息和所述基础信息对第二机器学习模型进行训练以生成所述初始长期风险模型。

8.一种为目标用户进行资源分配的装置，其特征在于，包括：

用户信息模块，用于获取当前用户的用户信息，所述用户信息包括基础信息和行为信息；

短期风险模块，用于将所述用户信息输入短期风险模型中，得到短期风险评分，所述短期风险评分用于表示用户在第一时间段内进行资源归还的第一概率；

长期风险模块，用于将所述用户信息输入长期风险模型中，得到长期风险评分，所述短期风险评分用于表示用户在第二时间段内进行资源归还的第二概率；

目标用户模块，用于在所述第一概率和所述第二概率满足预设策略时，将当前用户确定为目标用户；

资源分配模块，用于根据预定策略为目标用户进行资源分配。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。