[发明专利]基于大数据的用户信用度评估方法、装置及存储介质

说明书

本发明涉及大数据技术领域，公开了一种基于大数据的用户信用度评估方法，该方法包括：基于Bootstrap采样方法从预先构建的用户画像中进行数据抽样，构建随机森林模型，并将所述随机森林模型与logistic回归模型进行组合，生成大数据环境下的N个单个信用评估模型；汇总所有上述单个信用评估模型，进行集成学习，生成一个集成信用评估模型；获取待评估信用度的用户的数据，将所述用户的数据带入所述集成信用评估模型，得到所述用户的信用度。本发明还提出一种基于大数据的用户信用度评估装置以及一种计算机可读存储介质。本发明可以实现对用户信用度的精准评估。

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于大数据的用户信用度评估方法、装置及计算机可读存储介质。

背景技术

近年来，随着互联网技术的飞速发展，人们越来越多的通过互联网进行各种数据业务，而用户的信用评估也成为了一个互联网技术领域的焦点问题。

现有技术中对用户的信用评估方式通常是通过收集用户的个人信息，然后通过信用评分模型或机器学习的一些预测算法，对用户违约风险进行预测。然而，利用现有的信用评价模型进行用户信用度评估的时候没有考虑到单个信用评分模型会产生较大的偶然误差，导致最终用户信用评分出现较大差错，因此，传统的方案的评估精度不高，无法应用在对用户信用评估程度精度要求很高的应用场景

发明内容

本发明提供一种基于大数据的用户信用度评估方法、装置及计算机可读存储介质，其主要目的在于提供一种提高用户的信用度评估精度的用户信用度评估方案。

为实现上述目的，本发明提供的一种基于大数据的用户信用度评估方法，包括：

基于Bootstrap采样方法从预先构建的用户画像中进行数据抽样，构建随机森林模型，并将所述随机森林模型与logistic回归模型进行组合，生成大数据环境下的单个信用评估模型，其中所述用户画像是通过预设类型的用户数据进行构建的，所述预设类型的用户数据来源于互联网，包括静态信息数据和动态信息数据，其中：

所述静态信息数据包括用户的基本属性和商业信息，所述基本属性包括性别、年龄、地域、职业、婚姻状况，以及所述商业信息包括用户每次的消费金额、消费周期、消费等级；

所述动态信息数据包括用户在互联网上的不断发生变化的操作行为，包括每次浏览的网页、搜索的商品、对商品的评价、对商家的信誉反馈、转发的商家信息；

重复执行上述的步骤N次，以得到N个所述单个信用评估模型，其中，N为大于1的正整数；

汇总所有上述单个信用评估模型，进行集成学习，生成一个集成信用评估模型；

信用度评估步骤：获取待评估信用度的用户的数据，将所述用户的数据带入所述集成信用评估模型，得到所述用户的信用度。

可选地，该方法还包括在构建所述用户画像时，对所述预设类型的用户数据进行处理，其中，所述处理包括对所述用户数据的归一化以及基于主成分分析的数据降维处理。

可选地，所述归一化处理采用z-score归一化方法，其公式如下：

x＝(x-μ)/σ，

其中，x为采集的原始预设类型的用户数据，μ为样本数据均值，σ为样本数据方差。

可选地，所述构建随机森林模型的方法包括：

(1)利用所述bootstrap采样方法产生训练集；

(2)根据所述训练集，利用ID3算法构建决策树，如下所示：

Gain(D)＝info_before(D)-info_after(D)