[发明专利]用于预定申请人的信用判定模型的训练方法、装置和电子设备

说明书

本申请涉及一种用于预定申请人的信用判定模型的训练方法、装置和电子设备。该用于预定申请人的信用判定模型的训练方法包括：获取所述预定申请人的有关数据；获取用于所述预定申请人的关系图谱；基于所述关系图谱进行样本筛选以获得用于模型建立的样本数据；基于所述用于模型建立的样本数据提取特征；以及，使用提取出的特征训练所述用于预定申请人的信用判定模型。这样，针对例如征信白户的申请人，通过进行基于关系图谱的关联查询和特征提取，通过申请人的周边人的信息和行为来进行信用判定，可以提升判定准确性。

技术领域

本申请涉及金融模型领域，更为具体地说，涉及一种用于预定申请人的信用判定模型的训练方法、装置和电子设备。

背景技术

近年来，互联网金融得到了快速发展，在促进普惠金融发展、提升金融服务质量和效率、满足多元化投融资需求等方面发挥了积极作用，展现出了很大的市场空间和发展潜力。互联网金融在为金融业发展注入活力的同时，也对金融管理带来了新的挑战，其快速发展过程中也暴露出了一些问题和风险隐患。

征信白户是指有过贷款或者信用卡的申请记录，但是没有审批通过。征信空白并不代表信用不好，但是由于金融机构无法掌握客户的征信行为，因此无法对客户未来的逾期情况做出判断，不利于银行或者金融机构业务的办理。一般来说金融机构都喜欢征信记录良好的人，不少贷款产品是禁止征信白户客户申请。

对于部分金融机构逐渐将征信白户纳入信贷申请范围，如何有效构建相对应申请预测模型至关重要。在信用风险模型的预测中，征信数据贡献了大部分的预测效能，但是对于白户来说，其征信的缺失导致了模型中能够使用的数据大大减少，因此模型的效能也大大降低。

因此，期望提供一种针对征信白户的预测方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于预定申请人的信用判定模型的训练方法、装置和电子设备，其可以针对例如征信白户的申请人，通过进行基于关系图谱的关联查询和特征提取，通过申请人的周边人的信息和行为来进行信用判定，从而提升判定准确性。

根据本申请的一方面，提供了一种用于预定申请人的信用判定模型的训练方法，包括：获取所述预定申请人的有关数据；获取用于所述预定申请人的关系图谱；基于所述关系图谱进行样本筛选以获得用于模型建立的样本数据；基于所述用于模型建立的样本数据提取特征；以及，使用提取出的特征训练所述用于预定申请人的信用判定模型。

在上述用于预定申请人的信用判定模型的训练方法中，获取所述预定申请人的有关数据包括数据范围确认和数据预处理。

在上述用于预定申请人的信用判定模型的训练方法中，用于所述预定申请人的关系图谱的构建包括：确定用于关系图谱构建的数据；确定异构图中的节点和关系；整理节点属性和关系属性；对于所述异构图进行超点筛除；对于所述异构图进行关系筛选；进行所述异构图的关系权重的训练；以及，对所述异构图进行社区发现以获得所述用于所述预定申请人的关系图谱。

在上述用于预定申请人的信用判定模型的训练方法中，对于所述异构图进行超点筛除包括：进行超点范围界定，其中，入度数量大于预定阈值的关联节点为所述超点；以及，进行超点评估，所述超点评估包括以下标准中的至少一个：节点为IP类型，且关联客户节点最近登录时间中位数差值平均值大于阈值；节点为地址类型，且关联客户节点最近输入时间中位数差值平均值大于阈值；节点为设备类型，且关联客户节点最近登录时间中位数差值平均值大于阈值；以及，节点为地址类型，且为非标准地。

在上述用于预定申请人的信用判定模型的训练方法中，对于所述异构图进行关系筛选包括：选择符合低同标签检验指标、低异标签检验指标、高连通系数指标和高平均聚类系数指标中的至少一个的关系类型作为所选的关系。

在上述用于预定申请人的信用判定模型的训练方法中，所述同标签检验指标用于反映网络中正样本与负样本用户节点的关联紧密程度，计算结果等于正样本和负样本节点形成的边/总边数，且表示为：