[发明专利]样本评估方法、装置、存储介质及电子装置

权利要求书

1.一种样本评估方法，其特征在于，包括：

确定训练样本的第一任务标签和第二任务标签，其中，所述第一任务标签用于预测通过概率，所述第二任务标签用于预测守约概率；

对所述训练样本进行特征筛选，得到第一特征和第二特征；

通过所述第一任务标签、所述第二任务标签、所述第一特征和所述第二特征训练初始多任务模型，得到目标多任务模型；

通过所述目标多任务模型对目标样本进行评估。

2.根据权利要求1所述的方法，其特征在于，所述对所述训练样本进行特征筛选，得到第一特征和第二特征包括：

根据第一算法，通过第一模型对所述训练样本进行特征筛选，得到所述第一特征，其中，所述第一算法用于选择出贡献度高的特征，所述第一特征包括有贷后表现的样本和被拒绝的样本；

根据所述第一算法，通过第二模型对所述训练样本进行特征筛选，得到所述第二特征，其中，所述第二特征包括有贷后表现的样本。

3.根据权利要求2所述的方法，其特征在于，还包括：

根据第一损失函数和第二损失函数优化所述初始多任务模型，得到所述目标多任务模型，其中，所述第一损失函数为所述第一模型的损失函数，所述第二损失函数为所述第二模型的损失函数。

4.根据权利要求3所述的方法，其特征在于，所述根据第一损失函数和第二损失函数优化所述初始多任务模型，得到所述目标多任务模型包括：

将所述第一损失函数的方差和所述第二损失函数的方差作为权重的不确定性加权，得到目标损失函数；

采用所述目标损失函数优化所述初始多任务模型，得到所述目标多任务模型。

5.根据权利要求1-3中任一项所述的方法，其特征在于，所述目标多任务模型为渐进式分层提取PLE模型。

6.根据权利要求1-3中任一项所述的方法，其特征在于，所述通过所述目标多任务模型对目标样本进行评估包括：

将所述目标样本输入到所述目标多任务模型，得到第一概率和第二概率，其中，所述第一概率为所述目标样本的通过概率，所述第二概率为所述目标样本的守约概率；

根据所述第一概率和所述第二概率对所述目标样本进行评估。

7.根据权利要求6所述的方法，其特征在于，响应于获取到所述训练样本的资质信息，还包括：

将所述目标样本输入到所述目标多任务模型，得到第三概率，其中，所述第三概率为所述目标样本的资质通过概率；

根据所述第一概率、所述第二概率和所述第三概率对所述目标样本进行评估。

8.一种样本评估装置，其特征在于，包括：

确定模块，所述确定模块用于确定训练样本的第一任务标签和第二任务标签，其中，所述第一任务标签用于预测通过概率，所述第二任务标签用于预测守约概率；

筛选模块，所述筛选模块用于对所述训练样本进行特征筛选，得到第一特征和第二特征；

训练模块，所述训练模块用于通过所述第一任务标签、所述第二任务标签、所述第一特征和所述第二特征训练初始多任务模型，得到目标多任务模型；

评估模块，所述评估模块用于通过所述目标多任务模型对目标样本进行评估。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为在计算机或处理器上运行时，执行上述权利要求1至7任一项中所述的样本评估方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述权利要求1至7任一项中所述的样本评估方法。