[发明专利]基于定期回扫的用户风险更新方法、装置和电子设备

说明书

本发明提供了一种基于定期回扫的用户风险更新方法、装置和电子设备。该方法包括：根据现有用户的用户数据和用户关联人数据，建立关系网络图，该关系网络图包括相互关联的多个用户节点；在当获取到新用户的用户信息时，将新用户作为一个用户节点加到所述关系网络图中；对于各现有用户，定期回扫各用户节点的关联节点，获取关联节点的更新数据；基于所获取的关联节点的更新数据，更新所述现有用户的风险状态。本发明优化了风险评估方法，进一步降低了金融风险，提高了风险评估的准确度和精度。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种基于定期回扫的用户风险更新方法、装置和电子设备。

背景技术

风险评估是对风险的量化，是风险管理的关键性技术。目前一般通过建模的方式进行风险评估，在模型的建立过程中，主要有数据抽取、特征生成、特征选取、算法模型生成和合理性评估等步骤。

在现有技术中，金融风险评估主要的目的是如何区分出好客户和坏客户，评估用户的风险情况，以降低信用风险，并实现利润最大化。此外，随着数据的来源渠道越来越丰富，可以作为风险特征变量的数据也越来越多。但是，例如用户数据及其他相关数据等很多数据在使用时并未考虑时间因素引起的变化，由此，在使用上述数据进行模型计算时，会导致模型计算值不够准确，风险评估的准确性较低。由此，在模型计算精度、数据更新方面仍存在很大改进空间。

因此，有必要提供一种精度更高的用户风险更新方法。

发明内容

本发明旨在解决现有技术对于金融风险模型所依赖的用户关系网信息没有自动化的更新机制，用户信息滞后导致的风险模型预测精确不高的问题。

鉴于上述问题，本发明提供了一种基于定期回扫的用户风险更新方法，包括：根据现有用户的用户数据和用户关联人数据，建立关系网络图，该关系网络图包括相互关联的多个用户节点；在当获取到新用户的用户信息时，将新用户作为一个用户节点加到所述关系网络图中；对于各现有用户，定期回扫各用户节点的关联节点，获取关联节点的更新数据；基于所获取的关联节点的更新数据，更新所述现有用户的风险状态。

优选地，所述更新所述现有用户的风险状态包括：构建用户风险评估模型，使用训练数据集训练该用户风险评估模型，所述训练数据集包括历史用户的用户数据、用户关联人数据、金融风险表现数据；使用所述用户风险评估模型和更新后的用户关联人数据，更新现有用户的用户风险评估值；根据所更新的用户风险评估值，判断所述当前用户的风险状态。

优选地，所述定期回扫各用户节点上的关联节点包括：设定回扫周期，并设定与回扫周期相对应的回扫内容；所述回扫内容包括关联节点的金融表现数据。

优选地，所述定期回扫各用户节点的关联节点还包括：监测各用户节点，根据各用户节点的关联节点变化状态，缩短或拉长回扫周期。

优选地，根据用户处于金融产品生命周期的特定阶段确定回扫周期。

优选地，所述金融产品生命周期的特定阶段包括金融产品的注册、完件、资源请求、资源分配、资源配额增加或资源归还。

优选地，还包括：基于所判断的用户风险状态，对用户进行禁止或限制资源请求、冻结剩余资源、增加资源请求、增加资源配额。

此外，本发明还提供了一种基于定期回扫的用户风险更新装置，包括：建立模块，根据现有用户的用户数据和用户关联人数据，建立关系网络图，该关系网络图包括相互关联的多个用户节点；处理模块，用于在当获取到新用户的用户信息时，将新用户作为一个用户节点加到所述关系网络图中；回扫模块，对于各现有用户，定期回扫各用户节点的关联节点，获取关联节点的更新数据；更新模块，基于所获取的关联节点的更新数据，更新所述现有用户的风险状态。