[发明专利]贷前信用评估方法及装置

说明书

本发明公开了一种贷前信用评估方法及装置，该方法包括：获取多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息；对多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息进行异常数据清洗；根据进行异常数据清洗后的多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息，构建训练样本集；根据训练样本集对贷前信用评估模型进行训练，得到训练好的贷前信用评估模型；利用训练好的贷前信用评估模型进行贷前信用评估。本发明可以实现对多个银行机构的数据联合，提高贷前信用评估模型性能，避免泄露用户的隐私数据，便于监管，降低数据违规风险。

技术领域

本发明涉及计算机技术领域，尤其涉及一种贷前信用评估方法及装置。

背景技术

随着机器学习、人工智能领域的发展，将机器学习运用在商业银行贷款信用评估领域是目前的一个探索方向。但是，机器学习需要大量的数据作为学习基础，每家商业银行的数据是有限的，仅依靠商业银行自身数据，很难训练得到优质的机器模型。若将其他银行机构的数据联合起来进行训练，则会泄露各个银行机构用户数据的隐私。

具体地，现有技术在利用机器学习算法进行贷款信用评估时，一般是将多个机构数据进行集中，使用机器学习算法模型进行贷款信用评估，这样的方法会泄露用户的隐私数据，监管困难，增加数据违规风险。

发明内容

本发明实施例提供一种贷前信用评估方法，用以实现对多个银行机构的数据联合，提高贷前信用评估模型性能，避免泄露用户的隐私数据，便于监管，降低数据违规风险，该方法包括：

获取多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息；

对多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息进行异常数据清洗；

根据进行异常数据清洗后的多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息，构建训练样本集，所述训练样本集包括正样本信息和负样本信息，其中，贷款白名单用户信息为正样本信息，贷款黑名单用户信息为负样本信息；

根据所述训练样本集对贷前信用评估模型进行训练，得到训练好的贷前信用评估模型；

利用训练好的贷前信用评估模型进行贷前信用评估。

可选的，对多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息进行异常数据清洗之后，所述方法还包括：

对异常数据清洗后的多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息进行量化处理，以获取用户的特征向量。

可选的，所述方法还包括：

对训练好的模型进行更新聚合处理，以获取聚合模型参数。

可选的，对训练好的模型进行更新聚合处理之后，所述方法还包括：

检测贷前信用评估模型是否收敛，若未收敛，则将聚合模型参数返回多个银行机构继续迭代训练。

本发明实施例还提供一种贷前信用评估装置，用以实现对多个银行机构的数据联合，提高贷前信用评估模型性能，避免泄露用户的隐私数据，便于监管，降低数据违规风险，该装置包括：

信息获取模块，用于获取多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息；

数据清洗模块，用于对多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息进行异常数据清洗；

训练样本集构建模块，用于根据进行异常数据清洗后的多个银行机构的客户账户信息、贷款黑名单用户信息和贷款白名单用户信息，构建训练样本集，所述训练样本集包括正样本信息和负样本信息，其中，贷款白名单用户信息为正样本信息，贷款黑名单用户信息为负样本信息；