[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

说明书

本发明公开了一种基于机器学习的人工信贷审核信息推荐方法及系统，属于信贷审核技术领域。本发明包括：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；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；3、特征处理：将特征处理成标准化特征向量；4、模型训练：将标准化特征向量输入由GBDT模型和LR逻辑回归模型构成的组合模型中进行训练，获得特征向量与内容素材的映射关系；5、模型预测：将待预测的用户信息经过特征处理后，输入训练好的模型中，输出预测点击率排名前n的内容素材。本发明通过学习审批人员使用素材的行为形成智能推荐，能够从海量素材内容中筛选出审批人员偏好的内容，提高审批效率。

技术领域

本发明属于信贷审核技术领域，具体涉及一种基于机器学习的人工信贷审核信息推荐方法及系统。

背景技术

目前金融科技将客户申请贷款的流程线上化，一些可以标准化的环节例如准入条件筛选，基于客户质量差异化分流都已经实现了自动决策，但对于一些不确定性高的部分需要人工审批人员的参与，基于行业经验，市场偏好，主观判断客户申请的资金用途合理性，还款来源可靠性等，由于小微企业的行业跨度大，数据标准化程度低，对审核人员的经验依赖性尤为重要。信审人员在评估企业时需要参考多维度的信息，例如申请人的个人信用历史、社交行为、企业个人资产负债、名下企业财务报表、企业关联网络信息、社会舆情信息、企业所属行业市场景气度、市场所属周期等，大量的信息需要被检索查阅，有时候会甚至需要反复对比，一个信息点的疑问触发下一个信息点的搜索。目前市面上的做法是通过去审批系统将搜集到的信息录入数据库，提供查询界面，同时也支持定制化的报表系统开发，展示信审人员所需要的信息，但是没有智能推荐功能。

查询界面查询数据缺乏交互性，通常仅返回单点的信息，无法多点信息组合对比，难做到辅助决策的目的，往往需要人员手动的去组合单点信息，耗时长效率低。定制化报表只能满足固定的信息展示，新增信息开发周期长与快速变化的业务需求不匹配。

发明内容

针对现有技术中存在的问题，本发明提供一种基于机器学习的人工信贷审核信息推荐方法及系统，其目的在于：提高审批过程中的信息检索效率和审批人员体验，从而提高审核效率。

本发明采用的技术方案如下：

一种基于机器学习的人工信贷审核信息推荐方法，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。

采用该技术方案后，在对用户进行信贷审核时，将客户信息和关联企业信息标准化处理，制作成表格或者图形素材，系统可以将这些素材推荐给审批人员，并通过学习审批人员使用素材的行为，例如停留时间，点击率，查看素材的顺序，订阅信息等形成智能推荐，从海量素材内容中筛选出审批人员查看次数最多的内容，大大提高审批效率。而且本发明训练模型采用GBDT+LR的组合模型(梯度提升决策树+逻辑回归)，组合模型的好处在于获得了特征组合的优势，同时控制了模型的复杂程度，降低了对运算性能的要求。

优选的，步骤1中，所述内容素材包括:申请人相关系信息、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。