[发明专利]用户还款模型生成方法、装置及电子设备

说明书

本公开涉及一种用户还款模型生成方法、装置、电子设备及计算机可读介质。该方法包括：对多个用户金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集，用户金融数据包括：用户借款数据、用户特征数据、用户基础数据；通过所述训练数据集对机器学习模型进行训练，生成初始用户还款模型；通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行交叉验证，生成验证结果；以及在所述验证结果满足预设策略时，生成用户还款模型。本公开的一种用户还款模型生成方法、装置、电子设备及计算机可读介质，能够建立准确高效的用户还款模型，还可以基于用户还款模型对用户的行为进行评估，减少金融服务企业的人力资源浪费。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种用户还款模型生成方法、装置、电子设备及计算机可读介质。

背景技术

对于提供金融类服务的公司，其面临的最大的风险为用户因各种原因未能及时、足额偿还债务或银行贷款而违约。在现有技术中，在用户由金融类服务公司进行借款后，金融公司会对用户的还款情况进行跟踪，在用户超期还款第一时间阈值之内(用户处于M2阶段)，通过评估用户的还款情况，启动各种策略，督促用户进行还款。

目前欠款的用户在M2期间还款率约为12％-14％，大部分用户会将欠款逾期到更高账龄。目前对于处于M2时间的用户会进行人工贷后管理，比如人工电话的方式对欠款进行催收，贷后管理工作一直会持续至用户欠款时间达到第二时间阈值(用户处于M3阶段)时，如果该用户仍旧没有还款，再将此用户进行委外处理，通过第三方公司进行还款的贷后管理工作。

由于用户欠款主要是需要通过人工进行贷后管理，对于管理人员而言，需要花费大量的时间进行沟通协调工作，一旦沟通协调减少就会影响欠款的回收，而进行大量的沟通协调工作的话目前的用户欠款贷后管理方式就需要占用大量的人力资源进行处理，给金融服务类公司增加了大量的运营成本。如何在不影响欠款回收的前提下，尽量节约人力和其他资源成本是目前亟待解决的问题。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种用户还款模型生成方法、装置、电子设备及计算机可读介质，能够建立准确高效的用户还款模型，还可以基于用户还款模型对用户的行为进行评估，减少金融服务企业的人力资源浪费。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种用户还款模型生成方法，该方法包括：对多个用户金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集，用户金融数据包括：用户借款数据、用户特征数据、用户基础数据；通过所述训练数据集对机器学习模型进行训练，生成初始用户还款模型；通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行交叉验证，生成验证结果；以及在所述验证结果满足预设策略时，生成用户还款模型。

可选地，对多个用户金融数据进行预处理，包括：获取多个用户的用户数据；以及将所述用户数据进行筛选处理和特征处理生成所述用户金融数据。

可选地，通过所述训练数据集对机器学习模型进行训练，生成初始用户还款模型，包括：通过所述训练数据集对极端梯度提升模型进行训练，生成训练参数；以及在所述训练参数满足预设条件时生成初始用户还款模型。

可选地，通过所述训练数据集对极端梯度提升模型进行训练，生成训练参数，包括：将所述训练数据集输入所述极端梯度提升模型中，生成初始训练参数；基于网络搜索调参方式对所述初始训练参数进行参数调节；以及基于所述参数调节的最优解生成所述训练参数。

可选地，基于所述参数调节的最优解生成所述训练参数，包括：基于所述参数调节的最优解重新对所述极端梯度提升模型进行拟合，生成所述训练参数。