[发明专利]一种互联网征信评估方法和系统

权利要求书

1.一种互联网征信评估方法，其特征在于，包括：

获取多个用户数据，所述用户数据包括用户的属性数据、行为数据和信用记录；

从所述用户数据中选择训练样本，得到训练数据集；

按照预设策略为所述训练数据集中的各个训练样本设置权重，得到带权重的训练数据集；

采用带权重的训练数据集对预设评估模型进行训练，得到训练后评估模型；

基于所述训练后评估模型对用户的互联网征信进行评估。

2.根据权利要求1所述的方法，其特征在于，所述从所述用户数据中选择训练样本，得到训练数据集，包括：

根据所述用户数据分析用户收益；

根据用户收益从所述用户数据中选择训练样本，使得所选择的训练样本的用户收益的分布与所述用户数据的用户收益的分布一致，得到训练数据集。

3.根据权利要求2所述的方法，其特征在于，所述根据所述用户数据分析用户收益，包括：

根据所述用户数据确定用户的贷款利息收益；

根据所述用户数据确定用户的逾期罚息收益；

计算所述贷款利息收益和逾期罚息收益的和，得到用户收益。

4.根据权利要求3所述的方法，其特征在于，所述根据所述用户数据确定用户的逾期罚息收益，包括：

根据所述用户数据确定用户的本金、逾期罚款利率以及逾期时间；

若所述逾期时间未超过预设阈值，则将所述逾期时间、逾期罚款利率、以及本金的乘积，作为逾期罚息收益；

若所述逾期时间超过预设阈值，则计算所述逾期时间与预设阈值的差，将所述差、所述贷款利息收益和逾期罚息收益的逾期罚款利率、以及本金的乘积的相反数，作为逾期罚息收益。

5.根据权利要求2所述的方法，其特征在于，所述按照预设策略为所述训练数据集中的各个训练样本设置权重，得到带权重的训练数据集，包括：

根据用户收益的大小为所述训练数据集中的各个训练样本设置权重，得到带权重的训练数据集；或者，

根据用户收益的大小、以及用户的信用记录为所述训练数据集中的各个训练样本设置权重，得到带权重的训练数据集。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述采用带权重的训练数据集对预设评估模型进行训练，得到训练后评估模型之前，还包括：

设置第一损失函数和第二损失函数，所述第一损失函数为用于预测用户违约情况的损失函数，所述第二损失函数为用于预测用户收益情况的损失函数；

根据所述第一损失函数和第二损失函数建立评估模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述用于预测用户违约情况的损失函数、以及用于预测用户收益情况的损失函数建立评估模型之前，还包括：

设置平衡系数，所述平衡系数用于控制第一损失函数和第二损失函数的比重关系；

所述根据所述第一损失函数和第二损失函数建立评估模型，包括：根据所述第一损失函数、第二损失函数、以及平衡系数建立评估模型。

8.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述训练后评估模型对用户的互联网征信进行评估，包括：

接收互联网征信评估请求，所述互联网征信评估请求指示需要进行评估的目标用户；

获取所述目标用户的用户数据；

根据所述目标用户的用户数据，通过所述训练后评估模型对目标用户的互联网征信进行评估。

9.根据权利要求8所述的方法，其特征在于，所述根据所述目标用户的用户数据，通过所述训练后评估模型对目标用户的互联网征信进行评估，包括：

利用所述训练后评估模型对所述目标用户的用户数据进行计算，得到评估概率值；

按照预设算法将所述评估概率值转换为预设格式的分值，得到目标用户的互联网征信评分。