-
公开(公告)号：CN115082182A
公开(公告)日：2022-09-20
申请号：CN202210623436.0
申请日：2022-06-02
Applicant: 度小满科技(北京)有限公司
Abstract: 本发明公开了一种样本预测方法、装置、存储介质及电子装置。其中，该方法包括：获取目标样本，其中，目标样本为信贷申请用户的样本；获取目标多任务网络模型；将目标样本输入到目标多任务网络模型，得到目标样本的第一目标概率和第二目标概率，其中，第一目标概率为逾期概率，第二目标概率为被拒绝概率。本发明解决了相关技术中拒绝推断的方法中需要引入人为主观判定，导致信用风险评估不准确，以及会发生过拟合风险的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113902244A
公开(公告)日：2022-01-07
申请号：CN202111010554.6
申请日：2021-08-31
Applicant: 度小满科技(北京)有限公司
Abstract: 本发明的目的是提供一种用于评估第三方数据增益的方法和装置。所述方法包括以下步骤：获取初始的第一信用分和通过引入第三方数据重新建模后得到的第二信用分；基于第一信用分和第二信用分，得到原始的迁移概率，其中，所述迁移概率表示初始信用分为第一信用分的申请用户的新信用分为第二信用分的概率；使用核密度估计方法来对所述迁移概率函数进行平滑处理，得到迁移概率函数，以基于迁移概率函数评估第三方数据带来的增益。本申请实施例具有以下优点：在需要评估第三方数据对信贷风控模型带来的增益时，基于引入第三方数据后得到的迁移概率来计算所述增益，从而能够评估第三方数据在不同初始信用分样本综上的增益的差异。
-
公开(公告)号：CN112308453B
公开(公告)日：2023-04-28
申请号：CN202011301542.4
申请日：2020-11-19
Applicant: 度小满科技(北京)有限公司
IPC: G06Q10/0635 , G06F40/279 , G06F40/242 , G06F18/214
Abstract: 本发明公开了一种风险识别模型训练方法、用户风险识别方法及相关装置，该训练方法包括：对初始样本中的搜索日志进行去重处理，利用关键词典对各个单词进行排序，关键词字典是依据单词的重要程度设定的；将排序结果按照预设长度截取为至少一个输入文本；将至少一个输入文本作为训练样本，对风险识别模型进行训练，得到目标风险识别模型。上述方法，训练样本是对搜索日志经过去重，将得到各个单词依据关键词字典进行排序，并截取为预设长度得到的，相较于接拼接方式缩短了训练样本的长度，提高了训练效率，即便进行了截取，由于训练样本是基于关键词字典进行排序的，也会保留了重要程度较高的分词，同时也保证了训练的准确率。
-
公开(公告)号：CN113918878A
公开(公告)日：2022-01-11
申请号：CN202111010553.1
申请日：2021-08-31
Applicant: 度小满科技(北京)有限公司
Abstract: 本发明的目的是提供一种用于对模型输出分进行校准的方法和装置。所述方法包括以下步骤：使用评分模型对样本集进行评分，得到各个样本对应的模型输出分和逾期标签；根据所述各个样本对应的模型输出分和逾期标签，得到用于拟合变换函数的多个数据点；基于所述多个数据点进行拟合，得到相应的变换函数；基于所述变换函数，对模型输出分进行校准。本申请实施例具有以下优点：通过使用非线性的自定义函数作为变换函数，提升了校准函数的拟合能力；通过将模型输出分数的优势比的对数值作为变换函数的入参，相较于现有的普拉特缩放校准方案，提升了校准效果。
-
公开(公告)号：CN118133119A
公开(公告)日：2024-06-04
申请号：CN202410256042.5
申请日：2024-03-06
Applicant: 度小满科技(北京)有限公司
IPC: G06F18/241 , G06F18/214 , G06Q40/03 , G06Q40/04
Abstract: 本公开提供一种样本增强方法和装置，涉及模型训练技术领域。该方法的具体实施方式包括：获取多个初始流水样本；其中，所述初始流水样本包括样本时间长度和样本交易额；对所述样本时间长度大于等于时间长度阈值的初始流水样本进行截取增强和跳跃增强处理，得到截取增强样本和跳跃增强样本；组合所述初始流水样本、所述截取增强样本和所述跳跃增强样本，得到整合样本；根据所述样本交易额，对所述整合样本进行下采样处理，得到目标增强样本。该实施方式能够利用截取增强和跳跃增强的方式增强训练样本的表达性，提升模型的鲁棒性和泛化能力，从而提升经营状况评估的准确性，降低金融机构的风控风险。
-
公开(公告)号：CN118037418A
公开(公告)日：2024-05-14
申请号：CN202311708101.X
申请日：2023-12-12
Applicant: 度小满科技(北京)有限公司
IPC: G06Q40/03 , G06F18/214 , G06N3/08 , G06N3/04
Abstract: 本申请实施例提供了一种信用风险预测方法、装置及电子设备，其中，该方法通过获取新用户的类别型特征以及数值型特征，并将该新用户的类别型特征以及数值型特征输入至预设信用风险预测模型中，借助该预设信用风险预测模型的特征向量拼接模块对类别型特征以及数值型特征进行拼接，得到该新用户的综合特征向量。再借助该预设风险模型的归一化处理模块，基于该新用户的综合特征向量输出新用户在不同信贷周期下的逾期概率。相较于现有技术，本申请实施例借助新用户的多维度的用户特征进行特征向量处理，然后输出该新用户在不同信贷周期下的逾期概率的技术方案，得到的信用风险预测结果更为精准，更具参考性。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
