[发明专利]基于tweedie分布的用户未归还资源数量预测方法和装置

权利要求书

1.一种基于tweedie分布的用户未归还资源数量预测方法，其特征在于，包括：

获取历史用户的用户信息作为样本数据；

将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到资源归还预测模型；

将新用户的用户身份信息输入所述资源归还预测模型得到所述新用户在不同时间点的未归还资源数量。

2.根据权利要求1所述的方法，其特征在于，所述获取历史用户的用户信息作为样本数据，进一步包括：

获取所述历史用户的用户身份信息和预设历史时间段内用户的未归还资源数量。

3.根据权利要求2所述的方法，其特征在于，所述将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到资源归还预测模型，进一步包括：

将所述历史用户的用户身份信息及历史一个时间点输入所述基于tweedie分布的机器学习模型；

根据历史用户的用户身份信息计算得到该用户在该时间点的未归还资源数量，并与该用户在历史该时间点的实际未归还资源数量进行比较；

不断更换不同的历史时间点，调整所述基于tweedie分布的机器学习模型的参数使输出的在历史各时间点的未归还资源数量与对应实际未归还资源数量相同，得到所述资源归还预测模型。

4.根据权利要求1所述的方法，其特征在于，所述将新用户的用户身份信息输入所述资源归还预测模型得到所述新用户在不同时间点的未归还资源数量，进一步包括：

设置待预测时间点；

将至少一个新用户的用户身份信息和所述待预测时间点输入所述资源归还预测模型，得到所述新用户在该待预测时间点的未归还资源数量。

5.根据权利要求4所述的方法，其特征在于，所述待预测时间点为以将资源分配给用户的时间为起点，经过预设时间段后到达的时间点。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在不同的时间点设置不同的未归还资源数量阈值范围；

将待预测时间点的所述未归还资源数量为零的新用户设置为第一类用户；

将待预测时间点的所述未归还资源数量不为零且小于预设阈值范围的新用户设置为第二类用户；

将待预测时间点的所述未归还资源数量大于预设阈值范围内的新用户设置为第三类用户。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

当所述新用户为第一类用户时，对该用户增加资源配额；

当所述新用户为第二类用户时，根据所述新用户的未归还资源数量调整该用户的资源配额；

当所述新用户为第三类用户时，拒绝对该用户进行资源分配。

8.一种基于tweedie分布的用户未归还资源数量预测装置，其特征在于，包括：

数据获取模块，用于获取历史用户的用户信息作为样本数据；

模型训练模块，用于将所述历史用户的用户信息输入基于tweedie分布的机器学习模型进行训练得到资源归还预测模型；

预测模块，用于将新用户的用户身份信息输入所述资源归还预测模型得到所述新用户在不同时间点的未归还资源数量。

9.一种电子设备，其中，该电子设备包括：

处理器；以及，

存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-7中任一项所述的方法。