本申請公開了一種對象能力的預測方法和裝置、存儲介質及電子裝置，涉及大數據領域，該對象能力的預測方法包括：獲取目標對象的目標特征數據，其中，目標特征數據是目標對象在一組預設特征維度上的數據；將目標特征數據輸入到目標預測模型，得到目標預測模型輸出的目標資源總量，其中，目標資源總量為基于目標特征數據所預測的、在不發生逾期的情況下目標對象可償還的交換資源的最大資源量；根據目標資源總量和目標對象的當前資源量，確定目標對象的可償還資源量，其中，當前資源量為目標對象當前待償還的交換資源的資源量，解決了相關技術中基于規則模型的評估方式存在由于易受到人為因素的影響導致的能力評估的合理性差的問題。題。題。
【技術實現步驟摘要】
對象能力的預測方法和裝置、存儲介質及電子裝置
[0001]本申請涉及互聯網領域，具體而言，涉及一種對象能力的預測方法和裝置、存儲介質及電子裝置。
技術介紹
[0002]目前，在大數據風控領域，在確定對用戶執行特定行為時，可以對用戶的特定能力進行評估，從而確定是否對該用戶執行該特定行為，例如，用戶的還款能力是決定貸款申請是否通過的重要評估指標。目前，通過采用以下方式對用戶進行能力評估：用專家經驗設定規則模型進行評估，例如，基于風控業務專家的經驗，人工設定一套規則，以預測用戶的還款能力，規則模型輸出的是用戶的還款能力系數。
[0003]然而，基于規則模型的評估方法，雖然直觀易理解，更符合業務常識，但是，制定一套科學全面的規則是非常困難的，依賴于業務專家經驗和分析問題是否全面，而且需要耗費較長的時間?；诮涷炘O定的規則模型特征通常不夠豐富，導致能力評估的準確性較低。
[0004]并且，由于規則模型評估的是用戶的還款能力系數，是否對用戶執行特定操作是基于輸出的還款能力系數與設置的系數閾值的關系判定的。如果系數閾值設置的不合理，則會導致能力評估的合理性較差。
[0005]由此可見，相關技術中基于規則模型的評估方式，存在由于易受到人為因素的影響導致的能力評估的合理性差的問題。
技術實現思路
[0006]本申請實施例提供了一種對象能力的預測方法和裝置、存儲介質及電子裝置，以至少解決相關技術中基于規則模型的評估方式存在由于易受到人為因素的影響導致的能力評估的合理性差的問題。
[0007]根據本申請實施例的一個方面，提供了一種對象能力的預測方法，包括：獲取目標對象的目標特征數據，其中，所述目標特征數據是所述目標對象在一組預設特征維度上的數據；將所述目標特征數據輸入到目標預測模型，得到所述目標預測模型輸出的目標資源總量，其中，所述目標資源總量為基于所述目標特征數據所預測的、在不發生逾期的情況下所述目標對象可償還的交換資源的最大資源量；根據所述目標資源總量和所述目標對象的當前資源量，確定所述目標對象的可償還資源量，其中，所述當前資源量為所述目標對象當前待償還的交換資源的資源量。
[0008]在一個示例性實施例中，所述獲取目標對象的目標特征數據，包括：獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包含訓練對象的第一特征數據和所述訓練對象的標注信息，所述訓練對象的第一特征數據包含所述訓練對象在所述一組預設特征維度上的特征數據，所述訓練對象的標注信息用于指示所述訓練對象在發生逾期時待償還的交換資源的總資源量；使用所述訓練對象的第一特征數據和所述訓練對象的標注信息對初始預測模型進行模型訓練，得到所述目標預測模型。
[0009]在一個示例性實施例中，在所述獲取訓練樣本集之前，所述方法還包括：從一組候選對象中篩選出滿足目標篩選條件的對象，得到所述訓練對象，其中，所述目標篩選條件包括以下至少之一：在預設時間段內，發生逾期的次數達到預設次數閾值，發生逾期的可交換資源量達到預設資源量閾值，交換資源的獲取方式為預設獲取方式。
[0010]在一個示例性實施例中，所述初始預測模型為梯度提升回歸模型；在所述獲取訓練樣本集之前，所述方法還包括：獲取所述訓練對象的第二特征數據和所述訓練對象的標注信息，其中，所述訓練對象的第二特征數據包含所述訓練對象在一組候選特征維度上的特征數據；通過使用所述訓練對象的第二特征數據和所述訓練對象的標注信息進行回歸模型構建，評估所述一組候選特征中的每個候選特征的重要性，得到所述每個候選特征的重要性評估結果；根據所述每個候選特征的重要性評估結果，從所述一組候選特征中篩選出所述一組預設特征。
[0011]在一個示例性實施例中，所述根據所述每個候選特征的重要性評估結果，從所述一組候選特征中篩選出所述一組預設特征，包括：根據所述每個候選特征的重要性評估結果，從所述一組候選特征中篩選出一組預設特征；分別對所述一組預設特征中的每個預設特征執行以下步驟，得到更新后的所述一組預設特征，其中，在執行以下步驟時，所述每個預設特征為當前預設特征；對當前預設特征進行分箱化處理，得到多個分箱，其中，所述多個分箱中的每個分箱包含所述當前預設特征的一段特征值；分別構建與所述每個分箱對應的參考數據，其中，與所述每個分箱對應的參考數據包含所述每個預設特征的特征值，與所述每個分箱對應的參考數據中，所述當前預設特征的特征值位于所述每個分箱包含的一段特征值以內，除了所述當前預設特征以外的其他預設特征的特征值均相同；將與所述每個分箱對應的參考數據輸入到目標回歸模型，得到與所述每個分箱對應的預測結果，其中，所述目標回歸模型是使用所述訓練對象的第二特征數據和所述訓練對象的標注信息進行回歸模型構建所得到的模型，與所述每個分箱對應的預測結果用于指示根據與所述每個分箱對應的參考數據預測的、在發生逾期時待償還的交換資源的總資源量；在與所述每個分箱對應的預測結果所指示的總資源量的大小順序不是預設順序的情況下，將所述當前預設特征從所述一組預設特征中移除。
[0012]在一個示例性實施例中，所述獲取訓練樣本集包括：獲取所述訓練對象在所述一組預設特征維度上的特征數據，得到所述訓練對象的特征數據；根據所述訓練對象的歷史資源記錄對所述訓練對象的交換資源進行回溯，得到所述訓練對象在發生逾期時的交換資源，其中，所述歷史資源記錄用于記錄所述訓練對象的交換資源的歷史狀態；根據所述訓練對象在發生逾期時的交換資源，確定所述訓練對象在發生逾期時待償還的交換資源的總資源量，得到所述訓練對象的標注信息。
[0013]在一個示例性實施例中，在所述根據所述目標資源總量和所述目標對象的當前資源量，確定所述目標對象的可償還資源量之后，所述方法還包括：在所述可償還資源量大于或者等于所述目標對象通過目標資源申請所申請的交換資源量的情況下，生成第一指示信息，其中，所述第一指示信息用于指示所述目標資源申請通過；在所述可償還資源量小于所述目標對象通過所述目標資源申請所申請的交換資源量的情況下，生成第二指示信息，其中，所述第二指示信息用于指示所述目標資源申請未通過。
[0014]根據本申請實施例的另一個方面，還提供了一種對象能力的預測裝置，包括：第一
獲取單元，用于獲取目標對象的目標特征數據，其中，所述目標特征數據是所述目標對象在一組預設特征維度上的數據；輸入單元，用于將所述目標特征數據輸入到目標預測模型，得到所述目標預測模型輸出的目標資源總量，其中，所述目標資源總量為基于所述目標特征數據所預測的、在不發生逾期的情況下所述目標對象可償還的交換資源的最大資源量；確定單元，用于根據所述目標資源總量和所述目標對象的當前資源量，確定所述目標對象的可償還資源量，其中，所述當前資源量為所述目標對象當前待償還的交換資源的資源量。
[0015]在一個示例性實施例中，所述裝置包括：第二獲取單元，用于在所述獲取目標對象的目標特征數據之前，獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包含訓練對象的第一特征數據和所述訓練對象的標注信息，所述訓練對象的第一特征數據包含所述訓本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種對象能力的預測方法，其特征在于，包括：獲取目標對象的目標特征數據，其中，所述目標特征數據是所述目標對象在一組預設特征維度上的數據；將所述目標特征數據輸入到目標預測模型，得到所述目標預測模型輸出的目標資源總量，其中，所述目標資源總量為基于所述目標特征數據所預測的、在不發生逾期的情況下所述目標對象可償還的交換資源的最大資源量；根據所述目標資源總量和所述目標對象的當前資源量，確定所述目標對象的可償還資源量，其中，所述當前資源量為所述目標對象當前待償還的交換資源的資源量。2.根據權利要求1所述的方法，其特征在于，在所述獲取目標對象的目標特征數據之前，所述方法還包括：獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包含訓練對象的第一特征數據和所述訓練對象的標注信息，所述訓練對象的第一特征數據包含所述訓練對象在所述一組預設特征維度上的特征數據，所述訓練對象的標注信息用于指示所述訓練對象在發生逾期時待償還的交換資源的總資源量；使用所述訓練對象的第一特征數據和所述訓練對象的標注信息對初始預測模型進行模型訓練，得到所述目標預測模型。3.根據權利要求2所述的方法，其特征在于，在所述獲取訓練樣本集之前，所述方法還包括：從一組候選對象中篩選出滿足目標篩選條件的對象，得到所述訓練對象，其中，所述目標篩選條件包括以下至少之一：在預設時間段內，發生逾期的次數達到預設次數閾值，發生逾期的可交換資源量達到預設資源量閾值，交換資源的獲取方式為預設獲取方式。4.根據權利要求2所述的方法，其特征在于，所述初始預測模型為梯度提升回歸模型；在所述獲取訓練樣本集之前，所述方法還包括：獲取所述訓練對象的第二特征數據和所述訓練對象的標注信息，其中，所述訓練對象的第二特征數據包含所述訓練對象在一組候選特征維度上的特征數據；通過使用所述訓練對象的第二特征數據和所述訓練對象的標注信息進行回歸模型構建，評估所述一組候選特征中的每個候選特征的重要性，得到所述每個候選特征的重要性評估結果；根據所述每個候選特征的重要性評估結果，從所述一組候選特征中篩選出所述一組預設特征。5.根據權利要求4所述的方法，其特征在于，所述根據所述每個候選特征的重要性評估結果，從所述一組候選特征中篩選出所述一組預設特征，包括：根據所述每個候選特征的重要性評估結果，從所述一組候選特征中篩選出一組預設特征；分別對所述一組預設特征中的每個預設特征執行以下步驟，得到更新后的所述一組預設特征，其中，在執行以下步驟時，所述每個預設特征為當前預設特征；對當前預設特征進行分箱化處理，得到多個分箱，其中，所述多個分箱中的每個分箱包含所述當前預設特征的一段特征值；分別構建與所述每個分箱對應的參考數據，其中，與所述每個分箱對應的參考數據包
含所述每個預設特征的特征值，...
【專利技術屬性】
技術研發人員：王帥，
申請(專利權)人：興業消費金融股份公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。