[发明专利]一种用户信用自动评级方法、装置、电子设备及介质

说明书

本发明提供一种用户信用自动评级方法、装置、电子设备及介质，属于信贷技术领域，该方法包括获取用户的基本身份信息及授权信息；基于基本身份信息及授权信息，确定用户的信贷信息；其中，信贷信息包括基础信贷申请信息、行为表现信息和金融产品相关信息；提取信贷信息中的N个原始特征，对N个原始特征采用K‑S值最大的分箱算法进行处理，得到分箱结果特征；对分箱结果特征采用交叉特征衍生算法处理，得到衍生出的交叉特征；将衍生出的交叉特征、分箱结果特征和N个原始特征进行结合，剔除无效特征，得到重要特征；将重要特征输入预设的信用评分等级模型，得到用户的信用等级。本发明提高了用户信用评级的准确度及效率。

本申请是名为《信贷风险自动评估方法和装置》的专利申请的分案申请，原申请的申请日为2020年05月29日，申请号为202010474118.3。

技术领域

本发明涉及信贷技术领域，尤其涉及一种用户信用自动评级方法、装置、电子设备及介质。

背景技术

传统信贷审批严重依赖于人工审核，一方面银行等出借方要耗费大量的人力物力进行资料审查、电调走访等，成本极高，另一方面个人用户/法人用户等借贷方从提交信贷申请到获得审批结果往往要耗费数周，体验极差。现代审批的过程需要对用户的信用进行评估，而目前一般通过人工根据用户的基础属性数据、历史信贷行为数据、社交行为数据、消费行为数据、出行数据、运营商数据等等大致判断用户的信用，准确度不够，且效率极低。

因此，如何提高用户信用评估的准确度及效率，仍然是本领域技术人员亟待解决的问题。

发明内容

本发明实施例提供一种用户信用自动评级方法、装置、电子设备及介质，用以解决现有的信用评估方法的准确度和效率低的问题。

第一方面，本发明实施例提供一种用户信用自动评级，包括：

获取用户的基本身份信息及授权信息；

基于所述基本身份信息及所述授权信息，确定用户的信贷信息；所述信贷信息包括基础信贷申请信息、行为表现信息和金融产品相关信息；

提取所述信贷信息中的N个原始特征；其中，N为正整数；

采用K-S值最大的分箱算法对N个原始特征进行分箱处理，得到分箱结果特征；

采用交叉特征衍生算法对所述分箱结果特征进行交叉衍生处理，得到衍生出的交叉特征；

将所述交叉特征、所述分箱结果特征和N个原始特征结合，并剔除无效特征，得到重要特征；

将所述重要特征输入预设的信用评分等级模型，得到所述用户的信用等级。

优选地，该方法中，采用以下公式对N个原始特征进行分箱处理：

其中，{f₁,f₂,f₃,...,f_i,...,f_N}为N个原始特征的集合，f_i为N个原始特征中的第i个原始特征，0＜i≤N，为分箱结果特征的集合，为对应于原始特征f_i的分箱结果，F_{cut_bin}为K-S值最大的分箱算法。

优选地，该方法中，采用以下公式对所述分箱结果特征进行交叉衍生处理：

其中，为分箱结果特征的集合，为衍生出的交叉特征的集合，T为正整数，P_gen为交叉特征衍生算法。

优选地，该方法中，将所述交叉特征、所述分箱结果特征和N个原始特征进行结合，并剔除无效特征，得到重要特征，具体包括：