[发明专利]一种信用评分方法及设备

权利要求书

1.一种信用评分方法，其特征在于，包括：

获取N个用户的N个数据样本；所述数据样本包括P个评价指标的数据，N、P为正整数；

根据所述N个数据样本构建由目标层、准则层和方案层组成的基于层次分析法AHP架构的评分指标体系；所述目标层为用户信用的评分，所述准则层包括影响用户信用评分的M个要素，所述M个要素中的一个要素与所述方案层包括的至少一个评价指标相对应，其中，不同要素所对应的评价指标不同，M为正整数；

通过分类算法计算每个要素所对应的至少一个评价指标中每一个评价指标的权重；

根据所述每一个评价指标的权重以及所述评分指标体系对用户信用进行评分。

2.如权利要求1所述的方法，其特征在于，在获取N个用户的N个数据样本之后，所述方法还包括：

根据数据的正态分布规律将所述N个数据样本中连续型的定性评价指标的数据进行分组；

将分组后得到的所有组的数据通过数值进行表示，其中，一个组的数据用相同的数值进行表示。

3.如权利要求1或2所述的方法，其特征在于，根据所述N个数据样本构建由目标层、准则层和方案层组成的基于层次分析法AHP架构的评分指标体系，包括：

计算所述N个评价指标中任意两个评价指标的相关度，若所述任意两个评价指标的相关度大于或者等于预设相关度阈值，则剔除所述任意两个评价指标中任意一个的数据；

提取重要度大于或者等于预设重要度阈值的评价指标的数据，得到Q个评价指标的数据，Q为正整数且Q≤N；其中，一个评价指标的重要度用于表征所述一个评价指标对用户信用评分的影响程度；

根据所述评价指标自身的特征属性，将所述Q个评价指标的数据划分到所述M个要素中的其中一个要素中，以形成所述评分指标体系。

4.如权利要求2所述的方法，其特征在于，通过分类算法计算所有评价指标在对应的要素下的权重，包括：

将所述N个数据样本划分为正样本集合和负样本集合；所述正样本集合包括的数据样本的信用评分大于或者等于预设评分阈值，所述负样本集合包括的数据样本的信用评分小于所述预设评分阈值；

通过所述分类算法对所述N个数据样本进行多次分类，并计算每一次分类结果与划分的正样本集合和负样本集合的结果的误差值；其中，每一次分类所采用的评价指标的权重不同；

将所述误差值中最小误差值所采用的评价指标的权重确定为所述每一个评价指标的权重。

5.如权利要求1所述的方法，其特征在于，根据所述每一个评价指标的权重以及所述评分指标体系对用户信用进行评分，包括：

计算所述用户的数据样本包括的每个评价指标的数据对于所述用户的信用的得分；

根据所述每一个评价指标的权重以及所述得分计算所述M个要素的评分值；

根据所述M个要素的评分值对所述用户信用进行评分。

6.如权利要求5所述的方法，其特征在于，计算所述用户的数据样本包括每个评价指标的数据对于所述用户的信用的得分，包括：

利用公式计算所述用户的数据样本包括的正向评价指标的得分，以及利用公式计算所述用户的数据样本包括的负向评价指标的得分；所述正向评价指标的数值与用户信用评分成正比关系，所述负向评价指标的数值与用户信用评分成反比关系；

其中，x'_j为所述用户的数据样本包括的第j个评价指标的得分，x_j为所述用户的数据样本包括的第j个评价指标的数据，min{x_1j,...x_nj}为所述N个数据样本的第j个评价指标的数据中的最小值，max{x_1j,...x_nj}为所述N个数据样本的第j个评价指标的数据中的最大值。