一种农户信贷信用评级模型特征值确定方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115907958A(43)申请公布日2023.04.04(21)申请号202211371980.7(22)申请日2022.11.03(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人黎彦宏肖宇彤(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师何方(51)Int.Cl.G06Q40/03(2023.01)G06F18/24(2023.01)权利要求书1页说明书7页附图2页(54)发明名称一种农户信贷信用评级模型特征值确定方法及装置(57)摘要本申请提供一种农户信贷信用评级模型特征值确定方法及装置，方法包括：获取用户的多个信贷风险数据，信贷风险数据至少反映用户的信贷情况，根据信贷风险数据确定决策树模型的损失函数，确定损失函数最小化时信贷风险数据的重要性排序，根据重要性排序确定农户信贷信用评级模型的特征值，也就是说，当损失函数最小化时能够确定多个信贷风险数据的重要性排序，重要性排序可以作为确定农户信贷信用评级模型的特征值的影响因素，因此可以利用重要性排序确定特征值，辅助提高农户信贷信用评级模型的分类准确性。CN115907958ACN115907958A权利要求书1/1页1.一种农户信贷信用评级模型特征值确定方法，其特征在于，所述方法包括：获取用户的多个信贷风险数据，所述信贷风险数据至少反映所述用户的信贷情况；根据所述信贷风险数据确定决策树模型的损失函数；确定所述损失函数最小化时所述信贷风险数据的重要性排序；根据所述重要性排序确定农户信贷信用评级模型的特征值。2.根据权利要求1所述的方法，其特征在于，所述确定所述损失函数最小化时所述信贷风险数据的重要性排序包括：调用库函数计算损失函数最小化时的数据集，所述数据集包括多个信贷风险数据；对所述数据集进行归一化，得到所述数据集内信贷风险数据的重要性排序。3.根据权利要求1所述的方法，其特征在于，所述重要性排序根据所述信贷风险数据在所述决策树模型中作为分裂特征频次的相对百分比确定。4.根据权利要求1所述的方法，其特征在于，所述根据所述重要性排序确定农户信贷信用评级模型的特征值包括：根据所述重要性排序以及农户信贷信用评级模型的应用场景确定所述农户信贷信用评级模型的特征值。5.根据权利要求1‑4任意一项所述的方法，其特征在于，所述多个信贷风险数据包括分类数据和连续数据，所述分类数据至少包括用户类型、经营主体类型、用户职业、用户文化程度和个人信贷对象，所述连续数据至少包括年收入、年支出、资产负债和经营项目情况。6.一种农户信贷信用评级模型特征值确定装置，其特征在于，所述装置包括：获取单元，用于获取用户的多个信贷风险数据，所述信贷风险数据至少反映所述用户的信贷情况；第一确定单元，用于根据所述信贷风险数据确定决策树模型的损失函数；第二确定单元，用于确定所述损失函数最小化时所述信贷风险数据的重要性排序；第三确定单元，用于根据所述重要性排序确定农户信贷信用评级模型的特征值。7.根据权利要求6所述的装置，其特征在于，所述第二确定单元，具体用于：调用库函数计算损失函数最小化时的数据集，所述数据集包括多个信贷风险数据；对所述数据集进行归一化，得到所述数据集内信贷风险数据的重要性排序。8.根据权利要求6所述的装置，其特征在于，所述重要性排序根据所述信贷风险数据在所述决策树模型中作为分裂特征频次的相对百分比确定。9.根据权利要求6所述的装置，其特征在于，所述第三确定单元，具体用于：根据所述重要性排序以及农户信贷信用评级模型的应用场景确定所述农户信贷信用评级模型的特征值。10.根据权利要求6‑9任意一项所述的装置，其特征在于，所述多个信贷风险数据包括分类数据和连续数据，所述分类数据至少包括用户类型、经营主体类型、用户职业、用户文化程度和个人信贷对象，所述连续数据至少包括年收入、年支出、资产负债和经营项目情况。2CN115907958A说明书1/7页一种农户信贷信用评级模型特征值确定方法及装置技术领域[0001]本发明涉及计算机领域，特别涉及一种批量交易的测试方法及装置。背景技术[0002]随着银行中，农户信贷业务的飞速发展，为了对已采集的征信数据以及用户信息等丰富的数据资源进行定量分析用户行为，有效评估用户违约风险，已经有各个机构提出了多种农户信贷信用评级模型。农户信贷信用评级模型应具备分类准确性的原则，输入农户信贷评级模型的特征值也会影响模型的分类准确性。[0003]因此，现在亟需一种农户信贷信用评级模型特征值确定方法及装置。发明内容[0004]有鉴于此，本申请的目的在于提供一种农户信贷信用评级模型特征值确定方法及装置，能够确定农户信贷信用评级模型特征值，利用特征值提高农户信贷信用评