[发明专利]用户筛选方法、装置及电子设备

说明书

本申请提供一种用户筛选方法、装置及电子设备，通过只保留判断能力强的第一预设规则，将部分规则后置，保留更多的初始建模样本，提升模型效果，并针对模型对样本的预测值，将样本划分为高、中、低三种用户集合，针对不同分层的样本区别设置规则引擎，提高了决策引擎整体的可靠性。

技术领域

本申请涉及风控大数据处理领域，具体而言，涉及一种用户筛选方法、装置及电子设备。

背景技术

风控决策引擎是金融机构对申请客户进行信用评估、授信定价的一整套决策流。现有风控决策引擎中，规则引擎使用的目的是提升决策引擎的整体效果，而现有的规则引擎中部分规则的使用会导致拒绝过多的负样本导致模型引擎的建模样本减少，整体决策引擎的效果提升有限，并且建模样本中客观存在正负样本，对所有样本采取同样的规则引擎存在一定的不合理性。

发明内容

为了克服现有技术中的上述不足，本申请的目的在于提供一种用户筛选方法，所述方法包括：

获取第一待处理用户集合，所述第一待处理用户集合包括多个待处理用户，每个所述待处理用户包括用户信息；

根据第一预设规则及各所述待处理用户的用户信息，对所述第一待处理用户集合进行筛选，获得第二待处理用户集合；

使用训练好的第一预测模型对所述第二待处理用户集合进行处理，获得所述各第二待处理用户集合中各待处理用户的用户分值，其中，所述用户分值越高，表征该待处理用户被预测为正样本的概率越低；所述正样本为被预测为会产生借贷逾期的用户；

获取预设的第一分数阈值和第二分数阈值，所述第一分数阈值小于所述第二分数阈值；

根据所述第一分数阈值、所述第二分数阈值及所述第一预测模型得出的用户分值，将所述第二待处理用户集合划分为低分待处理用户集合、中分待处理用户集合及高分待处理用户集合；

分别使用训练好的第二预测模型和第三预测模型，对所述高分待处理用户集合和所述中分待处理用户集合进行处理，获得所述高分待处理用户集合和所述中分待处理用户集合的用户分值；

根据所述第二预测模型和所述第三预测模型对应的筛选分数阈值，从所述高分待处理用户集合和所述中分待处理用户集合中筛选出用户分值满足条件的待处理用户样本作为准入用户。

在一种可能的实现方式中，获取第一训练样本集合，所述第一训练样本集合包括多个训练样本，每个所述训练样本包括用户数据及用户还款逾期标签；

根据所述第一预设规则对所述第一训练样本集合进行筛选，获得第二训练样本集合；

将所述第二训练样本集合中具有逾期记录的用户样本作为正样本标签，将没有逾期记录的用户样本作为负样本标签，对第一预测模型进行训练；

通过训练后的第一预测模型对所述第二训练样本集合进行处理，获得所述各第二训练样本集合中各训练样本的第一用户分值，其中，所述第一用户分值越高，表征该训练样本被预测为正样本的概率越低；

获取预设的第一分数阈值和第二分数阈值，所述第一分数阈值小于所述第二分数阈值；

根据所述第一分数阈值、所述第二分数阈值及所述第一用户分值，将所述第二训练样本集合划分为低分样本用户集合、中分样本用户集合及高分样本用户集合；

针对所述高分样本用户集合，将具有逾期记录的用户样本作为正样本标签，将没有逾期记录的用户样本作为负样本标签，对第二预测模型进行训练；

通过训练后的第二预测模型对所述高分样本用户集合进行处理，获得所述各高分样本用户集合中各训练样本的第二用户分值，其中，所述第二用户分值越高，表征该训练样本被预测为正样本的概率越低；