[发明专利]失信客户识别方法、装置、设备及存储介质

说明书

本发明公开了一种失信客户识别方法、装置、设备及存储介质。该方法包括：在获取到识别指令时，从数据库中获取若干条待识别数据；从该数据中按照预设模板选择各待识别数据对应的字段信息；根据字段信息生成特征信息；将特征信息输入至预先训练好的目标融合模型中，得到输出的坏客户浓度挖掘结果，根据该结果确定对应的失信客户，其中，目标融合模型由预设决策树模型、预设普里姆算法模型、预设逻辑回归模型以及预设梯度提升模型叠加融合而成。通过上述方式，基于决策树模型、普里姆算法模型、逻辑回归模型以及梯度提升模型叠加融合后的模型挖掘坏客户浓度，解决了使用单模型挖掘坏客户时识别出的坏客户浓度较低，识别精度不高的问题。

技术领域

本发明涉及风控管理技术领域，尤其涉及一种失信客户识别方法、装置、设备及存储介质。

背景技术

传统的风控技术，多由各机构的风控团队以人工的方式进行经验控制。但随着互联网大数据等技术不断发展，传统的风控方式已逐渐不能支撑机构的业务扩展；而大数据中对多维度、大量数据的智能处理，批量标准化的执行流程，更能贴合信息时代风控业务的发展要求。在小微企业客户信贷申请过程中，为了保证信贷申请的小微企业客户都是好客户(即借款申请后能还款的客户)，迫切需要金融平台能设计一套可以识别出全部失信客户(又称坏客户，即借款申请后不还款的客户)的模型。一般采用单模型进行信息挖掘，但是这种方式识别出的坏客户浓度较低，即识别精度不高。坏客户浓度是指在面对大量数据时，识别出的坏客户数与坏客户总数的占比。上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种失信客户识别方法、装置、设备及存储介质，旨在解决当前采用单模型挖掘坏客户时，识别出的坏客户浓度较低，识别精度不高的技术问题。

为实现上述目的，本发明提供了一种失信客户识别方法，所述方法包括以下步骤：

在获取到失信客户识别指令时，从数据库中获取若干条待识别数据；

从所述若干条待识别数据中按照预设字段选择模板选择各条待识别数据对应的字段信息；

根据所述字段信息生成特征信息；

将所述特征信息输入至预先训练好的目标融合模型中，得到所述目标融合模型输出的坏客户浓度挖掘结果，根据所述坏客户浓度挖掘结果确定对应的失信客户，其中，所述目标融合模型由预设决策树模型、预设普里姆算法模型、预设逻辑回归模型以及预设梯度提升模型叠加融合而成。

可选地，所述在获取到失信客户识别指令时，从数据库中获取若干条待识别数据之前，所述方法还包括：

从数据集中获取若干客户分别对应的全部字段信息；

对所述全部字段信息做哑变量转换处理，得到全部特征信息；

根据所述全部特征信息确定各字段项分别对应的预测能力信息值；

根据所述预测能力信息值对各字段项进行筛选，得到剩余字段项；

根据所述剩余字段项生成预设字段选择模板。

可选地，所述根据所述预测能力信息值对各字段项进行筛选，得到剩余字段项，包括：

将各字段项对应的所述预测能力信息值分别与预设数值范围进行比对，得到比对结果；

根据所述比对结果对各字段项进行筛选，得到剩余字段项。

可选地，所述对所述全部字段信息做哑变量转换处理，得到全部特征信息之后，所述方法还包括：

将各字段信息以及对应的特征信息写入预设特征转换映射表；

所述根据所述字段信息生成特征信息，包括：