[发明专利]用户分类方法、装置、计算机设备和存储介质

说明书

本申请涉及一种用户分类方法、装置、计算机设备和存储介质。该用户分类方法包括：获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。能够准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务。

技术领域

本申请涉及信息技术领域，特别是涉及一种用户分类方法、装置、计算机设备和存储介质。

背景技术

近年来，国内外经济环境错综复杂，市场化改革日益深化，同业竞争日趋激烈，给催收工作的开展带来了巨大的挑战。尤其在信用卡、信贷领域，由于发卡体量大、用户数量多、用户构成复杂，导致催收工作的难度越来越高，而催收工作的一个核心过程就是催收任务的分配。

目前业界的分配分案一般是采取平均分配或者基于比例进行分配，这样的分配方式过于粗放，存在催收任务的难易与催收人员的业务能力无法相匹配的问题，例如，将较难的催收任务分配给业务能力较差的催收人员，从而导致催收任务难以完成。因此，如何准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务成为了当前的研究热点。

发明内容

基于此，有必要针对上述技术问题，提供一种用户分类方法、装置、计算机设备和存储介质。能够准确的识别催收任务的难易程度，以便为催收人员分配更合适的催收任务。

一种用户分类方法，所述方法包括：获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。

将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线(receiver operatingcharacteristic curve，ROC曲线)获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。

一种用户分类装置，该装置包括：

获取模块，用于获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。

分类模块，用于将所述获取模块获取的所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。

将所述待分类用户的画像信息输入至分类模型中，得到所述待分类用户的用户类别，所述分类模型是根据逻辑回归模型以及接受者操作特征曲线ROC曲线获得的，所述用户类别包括第一类用户和第二类用户，所述ROC曲线用于表征所述分类模型的预测精度，所述第一类用户为催收难度大于预设阈值的用户，所述第二类用户为催收难度小于预设阈值的用户。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取待分类用户的画像信息，所述画像信息包括用户属性信息以及用户交易信息。