信用评估方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113988986A(43)申请公布日2022.01.28(21)申请号202111290106.6(22)申请日2021.11.02(71)申请人京东城市（北京）数字科技有限公司地址100086北京市海淀区知春路76号(写字楼)1号楼9层1-7-5号(72)发明人刘洋盛琨张钧波郑宇(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人单冠飞(51)Int.Cl.G06Q30/06(2012.01)G06Q40/02(2012.01)G06N20/00(2019.01)权利要求书2页说明书12页附图6页(54)发明名称信用评估方法、装置、电子设备及存储介质(57)摘要本公开提出一种信用评估方法、装置、电子设备及存储介质。应用于信用评估平台，具体方案为：获取信用评估请求，信用评估请求包括：用户标识和角色类型，如果信用评估平台中不存在与用户标识对应的初始信用信息，则确定与角色类型对应的信用评估模型，信用评估模型，是预先采用联邦机器学习方法训练得到的，将用户标识输入至信用评估模型之中，以得到信用评估模型输出的目标信用信息。通过本公开，能够在有效地保证用户数据隐私安全的前提下，有效结合多方数据对用户的信用进行评估，从而能够有效地提升信用评估的准确率和效率。CN113988986ACN113988986A权利要求书1/2页1.一种信用评估方法，其特征在于，应用于信用评估平台，所述方法包括：获取信用评估请求，所述信用评估请求包括：用户标识和角色类型；如果所述信用评估平台中不存在与所述用户标识对应的初始信用信息，则确定与所述角色类型对应的信用评估模型，所述信用评估模型，是预先采用联邦机器学习方法训练得到的；将所述用户标识输入至所述信用评估模型之中，以得到所述信用评估模型输出的目标信用信息。2.如权利要求1所述的方法，其特征在于，在所述获取信用评估请求之后，还包括：如果所述信用评估平台中存在与所述用户标识对应的初始信用信息，则将所述初始信用信息作为所述目标信用信息。3.如权利要求1所述的方法，其特征在于，所述信用评估平台已接入多个数据源，在所述获取信用评估请求之前，还包括：预先构建初始的联邦机器学习模型；采用联邦机器学习方法，结合与多个信用评估子模型分别对应的多个损失代价值训练所述初始的联邦机器学习模型，直至所述联邦机器学习模型收敛，将训练得到的联邦机器学习模型作为所述信用评估模型；在所述信用评估平台部署与所述角色类型对应的信用评估模型；其中，所述多个信用评估子模型，是在与所述角色类型对应的部分数据源本地分别训练得到的，所述部分数据源属于所述多个数据源。4.如权利要求1所述的方法，其特征在于，所述角色类型包括：承租类型，所述将所述用户标识输入至所述信用评估模型之中，以得到所述信用评估模型输出的目标信用信息，包括：将所述用户标识输入至与所述承租类型对应的第一信用评估模型之中，以得到所述第一信用评估模型输出的承租类型的目标信用信息。5.如权利要求4所述的方法，其特征在于，所述信用评估请求还包括：承租需求信息，所述角色类型还包括：出租类型，所述方法还包括：根据所述承租需求信息和所述承租类型的目标信用信息生成承租任务请求；将所述承租任务请求提供至所述角色类型是所述出租类型的待评估用户；响应于所述待评估用户对所述承租任务请求的确认，根据所述待评估用户的用户标识，获取所述出租类型的目标信用信息。6.如权利要求5所述的方法，其特征在于，所述获取所述出租类型的目标信用信息，包括：将所述待评估用户的用户标识输入至与所述出租类型对应的第二信用评估模型之中，以得到所述第二信用评估模型输出的所述出租类型的目标信用信息。7.一种信用评估装置，其特征在于，应用于信用评估平台，所述装置包括：获取模块，用于获取信用评估请求，所述信用评估请求包括：用户标识和角色类型；确定模块，用于在所述信用评估平台中不存在与所述用户标识对应的初始信用信息时，确定与所述角色类型对应的信用评估模型，所述信用评估模型，是预先采用联邦机器学习方法训练得到的；2CN113988986A权利要求书2/2页评估模块，用于将所述用户标识输入至所述信用评估模型之中，以得到所述信用评估模型输出的目标信用信息。8.如权利要求7所述的装置，其特征在于，所述评估模块，具体用于：如果所述信用评估平台中存在与所述用户标识对应的初始信用信息，则将所述初始信用信息作为所述目标信用信息。9.如权利要求7所述的装置，其特征在于，所述信用评估平台已接入多个数据源，还包括：构建模块，用于在所述获取信用评估请求之前，预先构建初始的联邦机器学习模型，并采用联邦机器学习方法，结合与多个信用评估子模型分别对应的多个损失代价值训练所述初始的联邦