[發(fā)明專利]預(yù)測群體信用的方法和裝置有效
| 申請?zhí)枺?/td> | 201610414335.7 | 申請日: | 2016-06-13 |
| 公開(公告)號: | CN105894372B | 公開(公告)日: | 2018-03-16 |
| 發(fā)明(設(shè)計)人: | 陳謙;陳培炫;劉志斌;陳玲;李霖;段培 | 申請(專利權(quán))人: | 騰訊科技(深圳)有限公司 |
| 主分類號: | G06F17/30 | 分類號: | G06F17/30 |
| 代理公司: | 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司44224 | 代理人: | 何平,鄧云鵬 |
| 地址: | 518000 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 預(yù)測 群體 信用 方法 裝置 | ||
1.一種預(yù)測群體信用的方法,包括:
獲取所選數(shù)據(jù),將所述所選數(shù)據(jù)分為第一類群體數(shù)據(jù)和第二類群體數(shù)據(jù),所述第一類群體數(shù)據(jù)中包含已知違約情況的個體,所述第二類群體數(shù)據(jù)中包含未知違約情況的個體;
根據(jù)所選數(shù)據(jù)的業(yè)務(wù)需求選擇對應(yīng)的預(yù)定義群體違約概率模型;
根據(jù)選擇的預(yù)定義群體違約概率模型求取所述第一類群體數(shù)據(jù)的群體違約概率,根據(jù)所述第一類群體數(shù)據(jù)的群體違約概率計算所述預(yù)定義群體違約概率模型對應(yīng)的群體違約的第一變量;
獲取所述第一類群體數(shù)據(jù)的群體特征變量;
根據(jù)所述第一變量和所述第一類群體數(shù)據(jù)的群體特征變量進(jìn)行訓(xùn)練得到群體違約預(yù)測模型;
根據(jù)所述群體違約預(yù)測模型對所述第二類群體數(shù)據(jù)進(jìn)行群體違約預(yù)測得到所述第二類群體數(shù)據(jù)的群體違約概率;
將所述第二類群體數(shù)據(jù)的群體違約概率轉(zhuǎn)化為對應(yīng)的群體信用分值。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述方法還包括:
根據(jù)預(yù)定義群體違約概率模型配置相應(yīng)的閾值,并根據(jù)各個預(yù)定義群體違約概率模型及相應(yīng)的閾值構(gòu)建對應(yīng)的群體違約的第一變量模型,若所述群體違約概率大于或等于所述閾值,則所述群體為違約群體;
預(yù)定義群體違約概率模型包括第一預(yù)定義群體違約概率模型、第二預(yù)定義群體違約概率模型、第三預(yù)定義群體違約概率模型、第四預(yù)定義群體違約概率模型、第五預(yù)定義群體違約概率模型中一種或多種;
獲取群體中出現(xiàn)違約行為的個體數(shù)與群體中個體總數(shù)的第一比值,將所述第一比值作為第一預(yù)定義群體違約概率模型;
獲取群體規(guī)模的影響因子,根據(jù)所述群體規(guī)模的影響因子與第一預(yù)定義群體違約概率模型得到第二預(yù)定義群體違約概率模型;
獲取第一違約函數(shù)和群體中個體的正向?qū)傩缘膶傩灾担@取各個個體的正向?qū)傩缘膶傩灾蹬c第一違約函數(shù)的乘積的和與群體中個體的正向?qū)傩缘膶傩灾档暮颓蟊戎档玫降牡诙戎担賹⑺龅诙戎蹬c所述群體中個體的總數(shù)求比值得到第三比值,將所述第三比值作為第三預(yù)定義群體違約概率模型,或者,獲取第一違約函數(shù)和群體中個體的負(fù)向?qū)傩缘膶傩灾担@取各個個體的負(fù)向?qū)傩缘膶傩灾档牡箶?shù)與第一違約函數(shù)的乘積的和與群體中個體的負(fù)向?qū)傩缘膶傩灾档牡箶?shù)的和求比值得到的第二比值,再將第二比值與所述群體中個體的總數(shù)求比值得到第三比值,將所述第三比值作為第三預(yù)定義群體違約概率模型,其中,第一違約函數(shù)中若個體違約,則第一違約函數(shù)的值為1,若個體未違約,則第一違約函數(shù)的值為0;
將所述第二預(yù)定義群體違約概率模型與第三預(yù)定義群體違約概率模型相乘得到第四預(yù)定義群體違約概率模型;
將第一預(yù)定義群體違約概率模型至第四預(yù)定義群體違約概率模型中個體違約概率均替換為個體違約發(fā)生的行為得到四種第五預(yù)定義違約概率,其中所述個體違約發(fā)生的行為可為違約數(shù)值或違約期數(shù)。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述獲取所述第一類群體數(shù)據(jù)的群體特征變量的步驟包括:
獲取所述第一類群體中個體信用分?jǐn)?shù)的特征變量;
根據(jù)所述個體信用分?jǐn)?shù)的特征變量構(gòu)造群體屬性特征變量;
根據(jù)所述群體屬性特征變量得到所述第一類群體數(shù)據(jù)的群體特征變量;
所述個體信用分?jǐn)?shù)的特征變量包括均值、標(biāo)準(zhǔn)差、峰度、偏度中一種或多種;所述群體屬性特征變量包括群體基礎(chǔ)屬性分布特征變量、群體社交行為分布特征變量、群體興趣分布特征變量、群體線上線下特征變量、群體地理位置特征變量和群體拓?fù)涮卣髯兞恐幸环N或多種。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,在所述獲取所選數(shù)據(jù)的步驟之后,所述方法還包括:
判斷所述所選數(shù)據(jù)中全部個體的違約情況是否已知,若是,則根據(jù)所選數(shù)據(jù)的業(yè)務(wù)需求選擇對應(yīng)的預(yù)定義群體違約概率模型,根據(jù)選取的預(yù)定義群體違約概率模型計算所述所選數(shù)據(jù)的群體違約概率,并將所述群體違約概率轉(zhuǎn)化為對應(yīng)的群體信用分值,若否,則將所述所選數(shù)據(jù)分為第一類群體數(shù)據(jù)和第二類群體數(shù)據(jù),所述第一類群體數(shù)據(jù)中包含已知違約情況的個體,所述第二類群體數(shù)據(jù)中包含未知違約情況的個體。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,根據(jù)所述第一變量和所述第一類群體數(shù)據(jù)的群體特征變量進(jìn)行訓(xùn)練得到群體違約預(yù)測模型的步驟包括:
根據(jù)所述第一變量和所述第一類群體數(shù)據(jù)的群體特征變量采用回歸算法進(jìn)行訓(xùn)練或使用深度學(xué)習(xí)算法進(jìn)行訓(xùn)練學(xué)習(xí)得到群體違約預(yù)測模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技(深圳)有限公司,未經(jīng)騰訊科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/201610414335.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法、程序以及記錄介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 分類預(yù)測方法及裝置、預(yù)測模型訓(xùn)練方法及裝置
- 幀內(nèi)預(yù)測的方法及裝置
- 圖像預(yù)測方法及裝置、電子設(shè)備和存儲介質(zhì)
- 文本預(yù)測方法、裝置以及電子設(shè)備
- 模型融合方法、預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)
- 一種用于識別企業(yè)信用度的系統(tǒng)
- 信用評估模型的更新方法及系統(tǒng)、信用評估方法及系統(tǒng)
- 一種企業(yè)信用度的評估系統(tǒng)
- 信用風(fēng)險的預(yù)警方法、裝置、設(shè)備及存儲介質(zhì)
- 信用項目中的履約處理方法以及裝置
- 基于信用組織的風(fēng)險處理方法以及裝置
- 信用數(shù)據(jù)處理方法、裝置、存儲介質(zhì)和計算機設(shè)備
- 一種基于信息共用的分布式企業(yè)信用評估方法
- 一種卷煙零售客戶信用系統(tǒng)、方法和存儲介質(zhì)
- 信用風(fēng)險的預(yù)測方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品





