[发明专利]授信额度确定方法和装置

说明书

本申请公开了一种授信额度确定方法和装置，属于数据处理技术领域。所述授信额度确定方法包括：将多个初始用户特征分别输入至多个初始候选模型，分别获取各初始候选模型输出的第一授信额度，并基于各第一授信额度分别确定各第一授信额度对应的第一特征序列；将多个第一特征序列中重要程度靠前的目标数量的初始用户特征确定为最小用户特征集合，且最小用户特征集合中的每一个初始用户特征存在于至少两个第一特征序列中；基于最小用户特征集合训练多个初始候选模型，将效果最好的训练后的初始候选模型确定为目标模型；将目标用户特征输入至目标模型，获取目标模型输出的与目标用户特征对应的目标授信额度。

技术领域

本申请属于数据处理技术领域，尤其涉及一种授信额度确定方法和装置。

背景技术

在银行向用户授信的过程中，需要确定用户的授信额度以向用户进行借贷。常用的授信额度确定方法需要基于大量的个人数据和外部数据计算，耗时长且用户体验差；并且需要利用其他无关人员的隐私数据，存在法律风险；且在数据稀缺的情况下，无法正常计算授信额度。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种授信额度确定方法和装置，可以使得在后续应用过程中，只需输入少量非隐私性特征，即可得到较准确的授信额度，减小了计算量，耗时短且用户体验较好，在数据稀缺的情况下也能有效计算授信额度，同时能够避免问题的隐私性导致的法律风险。

第一方面，本申请提供了一种授信额度确定方法，该方法包括：

将多个初始用户特征分别输入至多个初始候选模型，分别获取各所述初始候选模型输出的第一授信额度，并基于各所述第一授信额度分别确定各所述第一授信额度对应的第一特征序列；所述第一特征序列包括基于重要程度顺次排列的所述多个初始用户特征；所述初始候选模型是基于样本用户特征以及与所述样本用户特征对应的样本第一授信额度训练得到的；

将多个所述第一特征序列中所述重要程度靠前的目标数量的初始用户特征确定为最小用户特征集合，且所述最小用户特征集合中的每一个初始用户特征存在于至少两个第一特征序列中；

基于所述最小用户特征集合训练所述多个初始候选模型，将效果最好的训练后的初始候选模型确定为目标模型；

将目标用户特征输入至所述目标模型，获取所述目标模型输出的与所述目标用户特征对应的目标授信额度。

根据本申请实施例提供的授信额度确定方法，基于初始用户特征和初始候选模型，确定最小用户特征集合，然后基于最小特征集合二次训练多个初始候选模型，能够基于少量且较重要的用户数据进行训练，减少了训练过程中的计算量，进而提高了计算效率；然后选择输出结果最准确的候选模型作为目标模型，能够获取目标模型输出的更精确的授信额度，提高了输出的授信额度的精准度；基于该目标模型，可以使得在后续应用过程中，只需输入少量非隐私性特征，即可得到较准确的授信额度，减小了计算量，在数据稀缺的情况下也能有效计算授信额度，同时能够避免问题的隐私性导致的法律风险；且本申请不依赖于预设公式，在外部条件变化或者宏观经济变化导致计算方法需要调整时，可以灵活适应任何已知计算方法。

本申请一个实施例的授信额度确定方法，所述将多个所述第一特征序列中所述重要程度靠前的目标数量的初始用户特征确定为最小用户特征集合，包括：

基于所述初始用户特征的所述重要程度，分别对各所述第一特征序列中的所述初始用户特征进行降序排列，获取各所述第一特征序列中所述重要程度靠前的第一数量的第二特征序列；

对至少两个所述第二特征序列进行取交集处理，提取所述至少两个第二特征序列中相同的初始用户特征，获取所述最小用户特征集合。

本申请一个实施例的授信额度确定方法，所述基于所述最小用户特征集合训练所述多个初始候选模型，将效果最好的训练后的初始候选模型确定为目标模型，包括：