[发明专利]业务数据处理模型训练方法、业务数据处理方法及装置

权利要求书

1.一种业务数据处理方法，其特征在于，至少包括如下步骤：

获取若干逾期还款样本在第一时间段内的用户信息样本及第二时间段内的逾期催回天数，并基于所述用户信息样本提取目标输入变量；其中，所述第一时间段早于所述第二时间段，且以逾期发生日为观测点；

根据所述逾期催回天数及预设的样本分类标准对所述用户进行分类，获得用户分类结果；

以所述目标输入变量作为输入、所述用户分类结果为输出，基于第一基础模型，训练获得所述业务数据处理模型；

获取待测用户的在第一时间段内的用户信息及第二时间段内的逾期金额；

将第一时间段内的用户信息及第二时间段内的逾期金额输入预先训练的业务数据处理模型，获得模型的中间输出，所述中间输出为相应用户逾期不还款的概率值；

基于所述概率值、所述逾期金额、以及所述概率值与所述逾期金额及用户风险等级之间的对应关系，判断所述待测用户的用户风险等级；其具体包括如下子步骤：基于所述概率值及预先设置的第一分类阈值，确定所述用户的第一风险等级；基于所述逾期金额及预先设置的第二分类阈值，确定所述用户的第二风险等级；基于所述第一风险等级及第二风险等级，判断所述待测用户的用户风险等级。

2.根据权利要求1所述的业务数据处理方法，其特征在于：所述训练获得所述业务数据处理模型还包括如下步骤：

以所述用户信息样本为输入、所述用户分类结果为输出，基于所述第一基础模型外的其他基础模型，训练获得若干其余业务数据处理模型；

采集若干样本外数据作为输入，以检验每一业务数据处理模型的效果，并将效果最优的模型作为最终的业务数据处理模型。

3.根据权利要求1或2所述的业务数据处理方法，其特征在于：所述基于所述用户信息样本提取目标输入变量，至少包括如下子步骤：

基于所述用户信息样本，提取输入变量，所述提取输入变量至少包括如下子步骤：

提取用户基本属性类输入变量；和/或；

提取用户行为信息类输入变量；和/或；

提取用户用信信息类输入变量；和/或

提取用户征信类输入变量；

其中：

所述用户基本属性类输入变量至少包括用户认证类型、用户资料完整度状态；

所述用户行为信息类输入变量至少包括：设定期限内的页面访问次数、设定期限内的产品购买金额；

所述用户用信信息类输入变量至少包括：消费贷已用信金额、历史逾期最大天数；

所述用户征信类输入变量至少包括：当前个人消费贷款笔数、历史贷款逾期单月最高逾期总额。

4.根据权利要求3所述的业务数据处理方法，其特征在于：所述提取输入变量后，还包括如下步骤：对所述输入变量进行特征工程，具体包括：对所述输入变量进行缺失值处理、数据分布、数据转换及输入变量筛选，获得目标输入变量；其中：

所述缺失值处理至少包括：删除缺失率超过第一预设占比的输入变量；根据所述输入变量的业务含义，进行缺失值填充；

所述数据分布至少包括：删除连续型输入变量中第二预设占比的分位值不超过第一预设值的输入变量；删除离散型输入变量中相同类型占比超过第三预设占比的输入变量；

所述数据转换至少包括：根据业务含义转换输入变量的数据类型；对于不能分箱的输入变量进行等深分箱；

所述输入变量筛选至少包括：选取IV值大于第二预设值的输入变量；计算输入变量贡献程度、筛选输入变量，获得目标输入变量。

5.一种基于权利要求1~4任一项所述方法的业务数据处理装置，其特征在于，所述业务数据处理装置至少包括：

第一获取模块：用于获取待测用户在第一时间段内的用户信息及第二时间段内的逾期金额；

预测模块：用于将所述用户信息输入预先训练的业务数据处理模型，获得模型的中间输出，所述中间输出为相应用户逾期不还款的概率值；

判断模块：用于基于所述概率值、所述逾期金额、以及所述概率值与所述逾期金额及用户风险等级之间的对应关系，判断所述待测用户的用户风险等级。