[发明专利]一种基于机器学习的人工信贷审核信息推荐方法及系统

权利要求书

1.一种基于机器学习的人工信贷审核信息推荐方法，其特征在于，包括以下步骤：

步骤1：制作内容素材：对被审核对象的数据信息进行标准化处理，生成表格和图形素材，并形成对应的内容链接；

步骤2：特征收集：收集审核人员的行为数据、环境数据以及被审核对象特征集合；

步骤3：特征处理：将步骤2收集到的特征处理成标准化特征向量并打上内容偏好标签；

步骤4：模型训练：将步骤3处理后得到的标准化特征向量输入由GBDT模型和逻辑回归模型构成的组合模型中进行训练，形成特征向量与内容素材的映射关系；

步骤5：模型预测：将待预测的用户信息经过步骤3特征处理后得到标准化特征向量后，输入步骤4训练好的模型中，输出预测点击率排名前n的内容素材，n为大于0的整数。

2.根据权利要求1所述的一种基于机器学习的人工信贷审核信息推荐方法，其特征在于，步骤1中，所述内容素材包括:申请人相关信息、申请人主体企业相关信息、主体企业的关联企业相关信息、企业所属行业信息以及申请人或企业主体网络舆情信息。

3.根据权利要求2所述的一种基于机器学习的人工信贷审核信息推荐方法，其特征在于，所述申请人相关信息包括申请人的年龄、性别、职位、学历和个人资产负债规模；所述申请人主体企业相关信息包括申请人主体企业的所属地区、营收规模、员工规模、纳税收入和财务报表；所述主体企业的关联企业相关信息包括关联企业的所属地区、营收规模、员工规模、纳税收入和财务报表。

4.根据权利要求1所述的一种基于机器学习的人工信贷审核信息推荐方法，其特征在于，步骤2中所述审批人员的行为数据包括审批员对内容素材的点击率、通过计时器记录的停留时长、点击顺序；所述环境数据包括通过计时器记录的登陆时间、当前审批节点位置、其他审批人员的行为数据、审批时间、被审核申请人以及企业属性。

5.根据权利要求1所述的一种基于机器学习的人工信贷审核信息推荐方法，其特征在于，步骤5的具体步骤为：将标准化特征向量输入GBDT模型中，GBDT模型通过筛选特征和组合特征的方法，得到离散特征向量，并将离散特征向量输入逻辑回归模型，逻辑回归模型根据离散特征向量与内容素材的映射关系预测用户对内容素材的点击率，并筛选点击率排名前n的内容素材输出。

6.一种用于权利要求1至5任一项所述方法的基于机器学习的人工信贷审核信息推荐系统，其特征在于，包括：

线上特征获取模块：用于实时获取待预测的用户信息；

离线特征收集模块：用于收集审核人员的行为数据、环境数据以及被审核对象特征集合；

特征处理模块：用于对线上特征获取模块和离线特征收集模块获取到的信息进行特征处理，生成标准化特征向量并打上标签；

推荐模块：用于根据输入的标准化特征向量输出点击率排名前n的素材内容。