[发明专利]一种个人用户的信用评分方法、装置、终端及存储介质

权利要求书

1.一种个人用户的信用评分方法，其特征在于，包括步骤：

采集用户数据，所述用户数据包括运营商数据、电商数据、信用卡账单数据和社保公积金数据中的至少一种；

通过特征工程技术对所述用户数据进行处理，生成有效特征向量集；

通过LR和GBDT组合模型对所述有效特征向量集进行训练，确定特征的权重值；

基于所述权重值，确定信用评分值。

2.根据权利要求1所述的个人用户的信用评分方法，其特征在于，在所述通过LR和GBDT组合模型对所述有效特征向量集进行训练，确定特征的权重值之后还包括步骤：通过曲线函数对所述权重值进行有效性筛选，得到有效权重值，对应的，基于所述有效权重值，确定信用评分值。

3.根据权利要求2所述的个人用户的信用评分方法，其特征在于，所述通过曲线函数对所述权重值进行有效性筛选，得到有效权重值，具体为：所述曲线函数包括ROC曲线和KS曲线，通过所述ROC曲线判定在第一阈值区间范围内的所述权重值保留，通过所述KS曲线判定大于第二阈值的所述权重值保留，所述保留的权重值构成所述有效权重值。

4.根据权利要求2所述的个人用户的信用评分方法，其特征在于，所述基于所述有效权重值，确定信用评分值，具体为：对所述有效权重值加和得到信用评分值。

5.根据权利要求1-4任一项所述的个人用户的信用评分方法，其特征在于，所述通过特征工程技术对所述用户数据进行处理，生成有效特征向量集，具体为：对所述用户数据进行特征提取、特征预处理以及特征筛选确定有效特征向量集，所述特征预处理具体为缺失值处理、离散特征聚类和连续特征分bin中的至少一种。

6.根据权利要求1-4任一项所述的个人用户的信用评分方法，其特征在于，所述通过LR和GBDT组合模型对所述有效特征向量集进行训练，具体为：以预设时间内的用户数据作为样本集和测试集，对LR和GBDT组合模型进行训练和测试，确定LR和GBDT组合模型，以所述确定的LR和GBDT组合模型对所述有效特征向量集进行训练。

7.根据权利要求1-4任一项所述的个人用户的信用评分方法，其特征在于，还包括步骤：根据所述信用评分值对所述有效特征向量集进行调整，对所述LR和GBDT组合模型的参数进行调整，通过所述调整后的有效特征向量集和所述LR和GBDT组合模型重新确定信用评分值。

8.一种个人用户的信用评分装置，其特征在于，包括：

采集模块，用于采集用户数据，所述用户数据包括运营商数据、电商数据、信用卡账单数据和社保公积金数据中的至少一种；

向量集生成模块，用于通过特征工程技术对所述用户数据进行处理，生成有效特征向量集；

权重值确定模块，用于通过LR和GBDT组合模型对所述有效特征向量集进行训练，确定特征的权重值；

评分值确定模块，用于基于所述权重值，确定信用评分值。

9.一种终端，其特征在于，包括：一个或多个处理器、一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述终端执行如权利要求1-7任一项所述的个人用户的信用评分方法。

10.一种计算机存储介质，其特征在于，其上存储计算机指令，当所述计算机指令在终端上运行时，使得所述终端上执行如权利要求1-7任一项所述的个人用户的信用评分方法。