[发明专利]基于域分解机的模型构建方法、装置、系统及存储介质

说明书

本申请涉及金融科技技术领域，公开了一种基于域分解机的模型构建方法、装置、系统及存储介质，该方法的步骤包括：获取用户信息，通过独热编码将用户信息中的分类特征转化为对应的二进制特征，基于二进制特征确定对应的各个特征域；将用户信息中的数值特征进行归一化处理，并基于归一化处理后的数值特征和各个特征域构建对应的域分解机模型；训练域分解机模型，并基于训练后的域分解机模型构建对应的信用评分卡模型。本申请通过域分解机构建信用评分卡模型，考虑了数据特征之间的交叉，根据嵌套变量交互进行构建模型，提高了信用评分卡模型中数据特征之间交互性，以及提高了信用评分卡模型的准确性。

技术领域

本申请涉及金融科技(Fintech)数据处理技术领域，尤其涉及一种基于域分解机的模型构建方法、装置、系统及存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对基于域分解机的模型构建技术提出了更高的要求。

目前，在信用评分卡模型构建的过程中，最常用的方法是逻辑回归方法。逻辑回归方法就是自变量通过证据权重转换，将逻辑回归的结果直接转换为标准评分卡格式。但是，在逻辑回归方法构建的线性模型中，若考虑特征与特征之间的相互作用，则需要通过人工方式对特征进行特征交叉组合，由于特征交叉组合复杂度高且依赖于业务专家经验，因此，逻辑回归方法构建的线性模型中特征交互复杂度高，以及模型的准确性低。

发明内容

本申请的主要目的在于提供一种基于域分解机的模型构建方法、装置、系统及存储介质，旨在提高模型中特征之间的交互性，以及模型的准确性。

为实现上述目的，本申请提供一种基于域分解机的模型构建方法，所述基于域分解机的模型构建方法包括步骤：

获取用户信息，通过独热编码将所述用户信息中的分类特征转化为对应的二进制特征，基于所述二进制特征确定对应的各个特征域；

将所述用户信息中的数值特征进行归一化处理，并基于归一化处理后的数值特征和各个特征域构建对应的域分解机模型；

训练所述域分解机模型，并基于训练后的域分解机模型构建对应的信用评分卡模型。

可选地，通过独热编码将所述用户信息中的分类特征转化为对应的二进制特征的步骤包括：

通过独热编码并根据预设分类变量，将所述用户信息中的分类特征转化为对应的二进制特征。

可选地，基于所述二进制特征确定对应的各个特征域的步骤包括：

根据各个用户信息的数据特征将各个二进制特征进行分类，将由相同数据特征转化得到的二进制特征归类至相同的特征域，得到对应的各个特征域。

可选地，基于归一化处理后的数值特征和各个特征域构建对应的域分解机模型的步骤包括：

基于归一化处理后的数值特征和各个特征域构建模型对应的线性部分和非线性部分；

基于所述线性部分和所述非线性部分构建所述域分解机模型。

可选地，训练所述域分解机模型，并基于训练后的域分解机模型构建对应的信用评分卡模型的步骤包括：

确定样本数据，根据所述样本数据和预设损失函数求解所述域分解机模型，得到所述域分解机模型对应的参数解；

基于所述参数解对所述线性部分和所述非线性部分进行构建，并基于训练后的线性部分和非线性部分构建对应的信用评分卡模型。

可选地，训练所述域分解机模型，并基于训练后的域分解机模型构建对应的信用评分卡模型的步骤之后，还包括：