[发明专利]基于改进GDBT算法的用户评级方法及系统

说明书

本发明公开了基于改进GDBT算法的用户评级方法及系统，属于用户评价技术领域，要解决的技术问题为如何基于GDBT算法针对性的实现银行零售业内客户评级。包括如下步骤：获取用户基本信息，获取用户行为信息，基于用户行为信息建立用户的专家评分尺度；通过Topsis理想方法对样本进行标签建设，通过PCA模型对样本进行标签建设，并基于线性可信度累加融合第一评分值和第二评分值，得到样本得分标签；基于用户行为信息以及样本得分标签，通过改进的GDBT算法构建用户评级模型；通过用户评级模型预测输出用户得分，并对用户得分进行归一化处理；配置用户评级策略，通过用户评级策略确定用户等级以及不同等级的资源推荐策略。

技术领域

本发明涉及用户评价技术领域，具体地说是基于改进GDBT算法的用户评级方法及系统。

背景技术

银行在开展零售业现存的对各类资源使用存在冗余、服务分配不均衡的问题，以及银行对提升资源利用效率的把控主要资源及其合理分配要求。同时进一步提升自身运营能力，针对存量用户的维系留存及增量用户的准入把控。为了减低成本，精细化银行零售系统内管理开销，针对客户合理有效的分配资源，精准定位客户，针对银行零售客户构建内部评级体系。通过对现存用户评级分类，不仅能从本质上解决内部资源合理分配，且在信贷申请阶段形成用户准入体系，直观科学的对运营工作进行指导。

现有相似的技术方案多是成熟行业的定性规则，大致的评级指标体系构建思路是：针对行业内的无监督数据，首先按照一定规则提取数据集，通过聚类分析等其他方法，建立评级模型。另一种思路是针对行业内样本，根据无监督数据打分的方法进行样本标签建设，并将无监督学习得到的标签作为输入，继而使用GDBT算法针对性的进行建模。

如何基于GDBT算法针对性的实现银行零售业内客户评级，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供基于改进GDBT算法的用户评级方法及系统，来解决如何基于GDBT算法针对性的实现银行零售业内客户评级的技术问题。

第一方面，本发明的基于改进GDBT算法的用户评级方法，包括如下步骤：

获取用户基本信息，根据用户历史申请单位拉取用户对产品的申请行为，获取用户行为信息，基于用户行为信息建立用户的专家评分尺度，并基于用户基本信息和用户行为信息组成的用户信息构建用于用户评价的指标体系；

通过Topsis理想方法对样本进行标签建设，得到样本在Topsis理想解法下的评分值作为第一评分值，通过PCA模型对样本进行标签建设，得到样本的PCA算法下的评分值作为第二评分值，并基于线性可信度累加融合第一评分值和第二评分值，得到样本得分标签；

通过从构造一个变量多个决策树转变为构造一个多变量决策树的方式改进GDBT算法，基于所述用户信息以及样本得分标签，通过改进的GDBT算法构建用户评级模型，所述用户评级模型用于以用户信息为输入、推理输出用户得分；

通过所述用户评级模型预测输出用户得分，并对所述用户得分进行归一化处理；

配置用户评级策略，通过用户评级策略确定用户等级以及不同等级的资源推荐策略，基于用户得分，根据用户评级策略确定用户等级并进行资源推荐。

作为优选，所述用户基本信息包括用户名称、用户类型、使用产品类型以及用户年净利润；

所述用户申请行为包括单号order_id以及申请的信贷产品；

专家评分尺度包括使用资金目标程度得分、个人征信状况得分、偿还能力得分、消费能力得分、银行贡献得分以及调研配合得分。

作为优选，通过Topsis理想方法对样本进行标签建设，包括如下步骤：