[发明专利]授信额度获取方法、装置及计算机设备

权利要求书

1.一种授信额度获取方法，其特征在于，所述方法包括：

获取针对第一客户的贷款申请信息，所述贷款申请信息包含所述第一客户的第一客户信息；

依据所述第一客户信息，读取所述第一客户所在行业对应的目标职业授信影响因子，以及所述第一客户居住地对应的目标居住地授信影响因子；其中，所述目标职业授信影响因子是基于针对所述第一客户所在行业的舆情数据，以及本金融机构所具有的行业数据确定的；所述目标居住地授信影响因子是基于所述第一客户居住地的房价数据确定的；

将所述第一客户信息输入授信额度预测模型，得到所述第一客户的预测授信额度；

利用所述目标职业授信影响因子和所述目标居住地授信影响因子，对所述第一客户的预测授信额度进行调整，得到所述第一客户的目标授信额度。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

按照预设更新周期，从特定应用平台爬取不同行业的多条舆情数据，并获取本金融机构所具有的多条行业数据；

对同一更新周期获取的所述多条舆情数据和所述多条行业数据分别进行语义分析，利用语义分析结果，确定所述多条舆情数据和所述多条行业数据各自关联的至少一个行业标识；

对同一更新周期获取的所述多条舆情数据和所述多条行业数据分别进行预处理，将得到满足数据格式要求的舆情数据和行业数据，与所确定的所述至少一个行业标识关联存储至本金融机构的数据库；

按照所述预设更新周期，从房源应用平台获取不同城市以及每个城市包含的不同小区的房价数据，将所述房价数据与位置标识关联存储至所述数据库；不同城市对应的位置标识不同；

其中，所述对同一更新周期获取的所述多条舆情数据和所述多条行业数据分别进行预处理，包括：

利用分词工具和/或知识词典，对同一更新周期获取的每一条所述舆情数据和每一条所述行业数据进行离散化处理；所述知识词典包含不同字词各自所具有的近义词和反义词。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

读取当前更新周期内，所述数据库记录的不同所述行业标识各自关联的多条所述舆情数据和多条所述行业数据；

对于同一所述行业标识关联的多条所述舆情数据和多条所述行业数据分别进行舆情判断，得到相应的舆情判断结果；

利用行业数据得到的多个所述舆情判断结果，分别对相应的所述行业标识对应的参考职业授信影响因子进行调整，得到相应行业的目标职业授信影响因子；

将所述目标职业授信影响因子与所述行业标识关联存储至所述数据库。

4.根据权利要求3所述的方法，其特征在于，所述舆情判断结果包括：相应的一条所述舆情数据或所述行业数据的数据源权重，以及所述舆情数据或所述行业数据包含的针对相应行业的正向词汇及负向词汇；

利用得到的多个所述舆情判断结果，分别对相应的所述行业标识对应的参考职业授信影响因子进行调整，得到相应行业的目标职业授信影响因子，包括：

将属于同一条所述舆情数据或所述行业数据的所述正向词汇的第一数量，与所述负向词汇的第二数量进行比较，并将该条舆情数据或行业数据的数据源权重与预设权重阈值进行比较；

若所述第一数量与所述第二数量的差值大于第一数量阈值，且所述数据源权重大于所述预设权重阈值，增大相应的所述行业标识对应的参考职业授信影响因子；

若所述第二数量与所述第一数量的差值大于所述第一数量阈值，且所述数据源权重大于所述预设权重阈值，减小相应的所述行业标识对应的参考职业授信影响因子；

确定依据所述行业标识关联的所有所述舆情判断结果，完成对相应行业的所述参考职业授信影响因子的调整，检测最终调整后的参考职业授信影响因子的绝对值是否大于第一调整阈值；

若大于所述第一调整阈值，利用所述最终调整后的参考职业授信影响因子，调整相应的所述行业标识对应的预设职业授信影响因子，得到相应行业的目标职业授信影响因子；

若小于或等于所述第一调整阈值，将相应的所述行业标识对应的预设职业授信影响因子，确定为相应行业的目标职业授信影响因子。