[发明专利]参数生成方法、装置、计算机设备及存储介质

权利要求书

1.一种参数生成方法，其特征在于，所述方法包括：

获取预测用户的用户特征；所述用户特征包括属性字段、位置字段以及账号字段中的至少一种；

将所述预测用户的用户特征输入评价参数预测模型，获得所述评价参数预测模型输出的评价参数预测结果；所述评价参数预测模型是通过对N个基模型依次进行训练得到的，且所述N个基模型中的第i个基模型是通过样本用户的用户特征、所述样本用户在连续i个周期内的行为数据对应的评价标签、以及所述基模型中的前i-1个基模型训练获得的；N和i为整数，N≥2，N≥i≥2；

根据所述评价参数预测结果生成所述预测用户的评价参数。

2.根据权利要求1所述的方法，其特征在于，所述基模型是基于树的机器学习模型；所述评价参数预测模型包括所述N个基模型；

所述将所述用户特征输入评价参数预测模型，获得所述评价参数预测模型输出的评价参数预测结果，包括：

将所述预测用户的用户特征分别输入所述N个基模型，获得所述N个基模型分别对所述预测用户的用户特征的输出结果；所述N个基模型分别对所述预测用户的用户特征的输出结果是所述N个基模型分别输出的概率值，所述概率值用于表示所述预测用户存在信用风险的概率；

将所述N个基模型分别输出的概率值的和获取为所述评价参数预测结果。

3.根据权利要求2所述的方法，其特征在于，所述获取预测用户的用户特征之前，还包括：

在对所述第i个基模型进行训练时，获取已经训练完成的所述前i-1个基模型分别对所述样本用户的用户特征进行处理输出的第一概率值；

获取所述样本用户在所述连续i个周期中的行为数据对应的，所述样本用户在所述连续i个周期中存在指定行为的第二概率值；

将所述第一概率值减去所述第二概率值得到所述样本用户在连续i个周期内的评价参数标注结果；

根据所述样本用户的用户特征，以及所述样本用户在连续i个周期内的评价参数标注结果训练所述第i个基模型。

4.根据权利要求1所述的方法，其特征在于，所述基模型是逻辑回归模型；所述第i个基模型中包含i个模型参数，且所述i个模型参数中的前i-1个模型参数是所述第i-1个基模型中的模型参数；所述评价参数预测模型包括所述N个基模型中的最后一个基模型；

所述将所述用户特征输入评价参数预测模型，获得所述评价参数预测模型输出的评价参数预测结果，包括：

将所述预测用户的用户特征输入所述N个基模型中的最后一个基模型，获得所述最后一个基模型对所述预测用户的用户特征的输出结果；

根据所述最后一个基模型对所述预测用户的用户特征的输出结果，获得所述评价参数预测结果。

5.根据权利要求4所述的方法，其特征在于，所述根据所述最后一个基模型对所述预测用户的用户特征的输出结果，获得所述评价参数预测结果，包括：

将所述最后一个基模型对所述预测用户的用户特征的输出结果中的对数几率，获取为所述评价参数预测结果。

6.根据权利要求4所述的方法，其特征在于，所述获取预测用户的用户特征之前，还包括：

在对所述第i个基模型进行训练时，获取已经训练完成的所述第i-1个基模型中的模型参数；

将所述第i-1个基模型中的模型参数作为所述第i个基模型中的前i-1个模型参数，根据所述样本用户的用户特征，以及所述样本用户在所述连续i个周期内的行为数据对应的评价标签对所述第i个基模型进行训练，以优化所述第i个基模型中的第i个模型参数。

7.根据权利要求1至6任一所述的方法，其特征在于，所述评价参数是信用风险参数，所述评价标签为信用标签。

8.根据权利要求7所述的方法，其特征在于，所述预测用户的信用风险参数，是所述预测用户的N周期信用评分A卡的分值。