[发明专利]装修行业征信数据的分析方法

权利要求书

1.一种装修行业征信数据的分析方法，其特征在于，所述装修行业征信数据的分析方法包括：

接收征信数据分析请求，获取所述分析请求指向的待分析的征信数据；

对所述征信数据进行分类，并对分类后的征信数据进行数据处理，得到对应的征信参数；

选取匹配的预设数据分析模型，并将得到的所述征信参数代入所述预设数据分析模型，利用所述预设数据分析模型，计算得到所述征信数据对应的信用等级。

2.如权利要求1所述的装修行业征信数据的分析方法，其特征在于，所述征信数据分析请求中携带有目标分析对象的对象标识；

其中，所述对象标识包括：集体标识和个人标识，且每一个集体标识唯一对应一个企业单位，每一个个人标识唯一对应一个自然人用户。

3.如权利要求1或2所述的装修行业征信数据的分析方法，其特征在于，所述对所述征信数据进行分类，并对分类后的征信数据进行数据处理，得到对应的征信参数，包括：

识别所述征信数据分析请求中所携带的对象标识的种类和数量；

根据识别结果，以所述对象标识为单位，将所述征信数据按照所述对象标识进行分类，且每一个对象标识对应一种数据分类；

将每个对象标识对应的征信数据进行归一化的融合处理，得到各对象标识分别对应的征信参数。

4.如权利要求3所述的装修行业征信数据的分析方法，其特征在于，对所述征信数据进行分类时，按照征信数据分类模型执行；其中，所述征信数据分类模型包括：

其中，x_ei为第ei条征信信息，ei为征信数据的属性个数变量，初始值为1，以1为单位递增，最大值为n，n为征信数据的属性个数总量；f_nb为由naive bayesian(nb)算法训练出来的假设，f_nb(x)取值为贝叶斯分类器对于给定x的因素下，最可能出现的情况o，o为样本类；y为所有样本类集合，y是o的取值集合，u_o,ei为第o类样本在第ei个属性上取值的均值，为第o类样本在第ei个属性上取值的方差，argmax_o∈y(q)表示寻找使q的取值最大的o。

5.如权利要求3所述的装修行业征信数据的分析方法，其特征在于，所述将每个对象标识对应的征信数据进行归一化的融合处理，得到各对象标识分别对应的征信参数，包括：

若所述对象标识对应的征信数据只有一条，则将该条征信数据进行归一化处理，得到该对象标识对应的征信参数；

若所述对象标识对应的征信数据有多条，则将多条征信数据按照各自所分别对应的权重值，对所述多条征信数据进行融合处理，得到所述对象标识对应的征信参数；

其中，对多条征信数据进行融合处理时，按照多条征信数据融合处理函数执行；所述融合处理函数包括：

所述融合处理函数中，y为多条征信数据融合后的征信数据，x_e为第e条原始征信数据，e为征信数据的条数变量，初始值为1，以1为单位递增最大值为m，m为所述多条征信数据的总量。

6.如权利要求1或2所述的装修行业征信数据的分析方法，其特征在于，所述选取匹配的预设数据分析模型，并将得到的所述征信参数代入所述预设数据分析模型，利用所述预设数据分析模型，计算得到所述征信数据对应的信用等级；包括：

根据所述征信数据分析请求中携带的对象标识，确定所述对象标识的类型是集体标识还是个人标识；

根据对象标识的类型，选取与所述对象标识的类型相匹配的预设神经网络模型和对应的预设时长内与所述对象标识相关联的历史数据；

利用预设时长内的所述历史数据，对所述预设神经网络模型进行训练，得到对应的数据分析模型；

将所述征信参数代入所述数据分析模型，计算得到所述征信数据对应的信用等级；

其中，所述征信参数包括：历史违约概率、每次违约的违约期限以及违约金额、年收入额、大额借贷的次数以及每次的金额、逾期还款的次数以及每次逾期还款的金额；

所述集体标识对应的征信参数还包括：用户满意度。