一种用户信用评分优化方法和装置与流程

本发明涉及互联网技术领域，尤其涉及一种用户信用评分优化方法和装置。

背景技术：

近年来，随着互联网技术的飞速发展，人们越来越多的通过互联网进行各种数据业务，而用户的信用评估也成为了一个互联网技术领域的焦点问题。

现有技术中对用户的信用评估方式通常是通过收集用户的个人信息，然后通过统计模型或机器学习的一些预测算法，对用户违约风险进行预测，例如常用的FICO信用评分系统以及Zestfinace信用评价系统。现有的信用评分机制仅使用用户自身维度的信息，如果对用户个人的信息采集有所缺失或者错误，对其将很难进行准确的信用评价。

技术实现要素：

有鉴于此，本发明实施例提供一种用户信用评分优化方法和装置，可有效提高用户信用评分的准确性。

为了解决上述技术问题，本发明实施例提供了一种用户信用评分优化方法，所述方法包括：

获取多个社交用户集合中各个用户的初始的信用评分；

根据各个社交用户集合中的各个用户的初始的信用评分，获取各个社交用户集合的初始的信用评分；

根据两两社交用户集合中的用户之间的社交关系，确定两两社交用户集合之间的社交关系；

根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对所述目标社交用户集合的信用评分进行优化调整；

根据经过所述优化调整的目标社交用户集合的信用评分，对所述目标社交用户集合中的各个用户的信用评分进行修正。

相应地，本发明实施例还提供了一种用户信用评分优化装置，所述装置包括：

用户评分获取模块，用于获取多个社交用户集合中各个用户的初始的信用评分；

集合评分获取模块，用于根据各个社交用户集合中的各个用户的初始的信用评分，获取各个社交用户集合的初始的信用评分；

集合关系获取模块，用于根据两两社交用户集合中的用户之间的社交关系，确定两两社交用户集合之间的社交关系；

集合评分优化模块，用于根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对所述目标社交用户集合的信用评分进行优化调整；

用户评分修正模块，用于根据经过所述优化调整的目标社交用户集合的信用评分，对所述目标社交用户集合中的各个用户的信用评分进行修正。

本实施例中的用户信用评分优化装置通过计算用户所属的社交用户集合的信用评分并进行优化调整后，根据优化调整得到的社交用户集合的信用评分对社交用户集合内的用户的信用评分进行修正，从而实现了结合社交用户集合这一层面的信息对用户的信用评分进行优化，不再只限于依据用户的个人信息计算用户的信用评分，可有效提高用户信用评分的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中的一种用户信用评分优化方法的流程示意图；

图2是本发明实施例中的用户社交关系分层处理示意图；

图3是本发明实施例中对社交用户集合的信用评分进行优化迭代的流程示意图；

图4是本发明另一实施例中的用户信用评分优化方法的流程示意图；

图5是本发明实施例中对目标社交用户集合中的用户的信用评分进行优化迭代的流程示意图；

图6是本发明实施例中的一种用户信用评分优化装置的结构示意图；

图7是本发明实施例中的集合评分优化模块的结构示意图；

图8是本发明实施例中的用户评分优化模块的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例中的用户信用评分优化方法和装置，可以实现在如个人电脑、笔记本电脑、智能手机、平板电脑、电子阅读器等计算机系统中，下文均以用户信用评分优化装置作为本发明实施例的执行主体进行介绍。

图1是本发明实施例中的一种用户信用评分优化方法的流程示意图，如图所示本实施例中的用户信用评分优化方法可以包括以下流程：

S101，获取多个社交用户集合中各个用户的初始的信用评分。

具体的，可以通过向用户信用评分优化装置数据导入所述多个社交用户集合中各个用户的初始的信用评分；用户信用评分优化装置也可以通过获取各个用户的个人信息，根据各个用户的个人信息以及特定的预测模型对用户进行信用评分从而得到所述多个社交用户集合中各个用户的初始的信用评分；用户信用评分优化装置还可以是根据实施本发明获得经过优化后的用户的信用评分作为多个社交用户集合中各个用户的初始的信用评分，例如在当前信用评分优化时，可以将上一次优化时得到的各个用户的信用评分作为本次优化时使用的初始的信用评分，所述对用户的信用评分的优化可以被管理员手动触发，也可以根据更新周期触发或根据新加入用户或社交用户集合的事件触发。

在可选实施例中，若缺失某个用户的初始的信用评分，可以采用该用户的社交好友、同事或者亲人关系的用户的信用评分的平均分或加权平均分作为该用户初始的信用评分，加权值可以根据用户之间的关系类型亲疏确定或根据用户之间发生的社交事件的频率确定。

所述多个社交用户集合，可以是分别加入了不同的社交群组中的用户的集合，加入同一社交群组的用户即属于该社交群组对应的社交用户集合，也可以按照用户的兴趣、地理位置等用户特定属性划分得到所述多个社交用户集合。在较优实施例中，各个社交用户集合相互间不存在相同的用户，即一用户只能属于一个社交用户集合。

S102，根据各个社交用户集合中的各个用户的初始的信用评分，获取各个社交用户集合的初始的信用评分。

具体实现中，可以根据某个社交用户集合中的各个用户的初始的信用评分的平均分或加权平均分作为该社交用户集合的初始的信用评分。即

或

$S_i=\underset{j=1}{\overset{n_i}{\Σ}}{a}_j{s}_j/n_i.$

其中S_i为某个社交用户集合的初始的信用评分，s_j为该社交用户集合中的第j个用户的初始的信用评分，n_i为该社交用户集合中的用户数量，而a_j为该第j个用户对于该社交用户集合的信用评分的加权值。

各个用户的加权值可以根据用户在与该社交用户集合内部的用户之间的社交关系确定，例如某个用户在社交用户集合(共6人)内部存在4个社交好友，那么其加权值可为4/(6-1)＝0.8，依次类推，还可以根据某个用户在与社交用户集合内部的用户之间发生的社交事件的频率确定该用户对于该社交用户集合的信用评分的加权值，或结合上述两种方式共同确定某个用户对于其所在的社交用户集合的信用评分的加权值。

S103，根据两两社交用户集合中的用户之间的社交关系，确定两两社交用户集合之间的社交关系。

本发明实施例中的用户信用评分优化装置可以根据分别属于两个社交用户集合的用户之间的社交关系，确定这两个社交用户集合之间的社交关系，例如若属于第一社交用户集合的第一用户在第二社交用户集合中存在社交好友，则第一社交用户集合和第二社交用户集合之间存在社交关系。进而还可以对两个社交用户集合之间的社交关系的亲密程度进行量化，比如通过计算两个社交用户集合之间的用户相互为社交好友的数量(用户数或社交关系对的数量)量化两个社交用户集合之间的社交关系的亲密程度，该亲密程度可以是相互一致的，即量化的是两个社交用户集合之间双向的亲密程度，也可以是相互不一致的，即量化的是两个社交用户集合之间单向的亲密程度。如通过如图2所示的用户社交关系分层处理得到的社交用户集合(也可称为社团)A、B、C以及D，通过判断社交用户集合A中有多少用户在社交用户集合B中存在社交好友，将在社交用户集合B中有社交好友的用户的数量除以社交用户集合A的总用户数的结果，作为社交用户集合A与社交用户集合B的社交亲密度，反之，将在社交用户集合A中有社交好友的用户的数量除以社交用户集合B的总用户数的结果，作为社交用户集合B与社交用户集合A的社交亲密度。可选的还可以根据上述社交用户集合A与社交用户集合B的社交亲密度结合社交用户集合B与社交用户集合A的社交亲密度，计算社交用户集合A与社交用户集合B之间双向的亲密程度。后续还可以根据量化得到的两个社交用户集合之间的社交关系的亲密程度，确定两个社交用户集合之间的社交权重，即在计算目标社交用户集合的信用评分时与目标社交用户集合存在社交关系的另一社交用户集合的信用评分的加权值，因为若两个社交用户集合之间社交关系越亲密，则该两个社交用户集合的信用评分接近的可能性越高，换而言之即为目标社交用户集合的亲密的社交用户集合的信用评分越有可能反映目标社交用户集合的信用评分，因此在对目标社交用户集合的信用评分进行优化调整时应该将其亲密的社交用户集合的信用评分的影响度(参考权重)设得更高。

在图2所示的社交关系分层处理方式中，根据上层的原始社交关系中跨社团(社交用户集合)的用户社交关系处理得到中间一层社团间的社交关系，保留社团内的用户社交关系作为下层社团内的用户社交关系。

S104，根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对所述目标社交用户集合的信用评分进行优化调整。

根据步骤S103得到的两两社交用户集合之间的社交关系，可以认为两个存在社交关系的社交用户集合之间是存在相互影响的，或两个存在社交关系的社交用户集合的信用评分是相互可以作为参考的，因此用户信用评分优化装置可以根据所有与目标社交用户集合存在社交关系的其他社交用户集合的信用评分对目标社交用户集合的信用评分进行优化调整，从而可以有效避免因对用户信息采集有所缺失或者错误导致的对目标社交用户集合的信用评分不准确。例如直接采用所有与目标社交用户集合存在社交关系的其他社交用户集合的信用评分的平均值，作为优化调整后的目标社交用户集合的信用评分，或采用所有与目标社交用户集合存在社交关系的其他社交用户集合的信用评分的平均值与目标社交用户集合初始的信用评分之间的任意值作为优化调整后的目标社交用户集合的信用评分。

进而在可选实施例中，用户信用评分优化装置可以分别根据各个社交用户集合与所述目标社交用户集合之间的社交关系确定各个社交用户集合与所述目标社交用户集合之间的社交权重，根据所述至少一个社交用户集合与目标社交用户集合之间的社交权重以及对应社交用户集合的信用评分，对所述目标社交用户集合的信用评分进行优化调整。即根据S103中量化得到的目标社交用户集合与其他社交用户集合之间的社交关系的亲密程度确定各个社交用户集合与所述目标社交用户集合之间的社交权重，进而根据各个与目标社交用户集合存在社交关系的社交用户集合的信用评分和与所述目标社交用户集合之间的社交权重，对所述目标社交用户集合的信用评分进行优化调整，例如其中Q_i为目标社交用户集合的信用评分，Q_k为与目标社交用户集合存在社交关系的第k个社交用户集合的信用评分，e_ki为该第k个社交用户集合与所述目标社交用户集合之间的社交权重，表示所有与目标社交用户集合存在社交关系的社交用户集合的信用评分与对应社交用户集合与目标社交用户集合之间的社交权重的乘积的求和结果。该实施方式尤其适用于新加入一个目标社交用户集合，而其他社交用户集合均已经过优化调整的情况下，可以仅单独针对目标社交用户集合进行优化调整而不需要再对其他社交用户集合进行再一次的优化调整。

所述各个社交用户集合与所述目标社交用户集合之间的社交权重，可以根据目标社交用户集合的所有用户中分别在各个社交用户集合中存在社交关联用户的用户比例确定得到，如采用与S103中量化两个社交用户集合之间的社交关系的亲密程度相同的方式。

在另一可选实施例中，用户信用评分优化装置可以根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对社交用户集合的信用评分进行优化迭代，具体的迭代流程可以如图3所示。

S105，根据经过所述优化调整的目标社交用户集合的信用评分，对所述目标社交用户集合中的各个用户的信用评分进行修正。

具体的，用户信用评分优化装置可以将目标社交用户集合中的用户的信用评分修正至对应用户的初始的信用评分与目标社交用户集合经过优化调整后的信用评分之间的任意值。例如目标社交用户集合中某个用户的信息缺失或出错，用户信用评分优化装置可以采用所述优化调整的目标社交用户集合的信用评分作为该用户修正后的信用评分。

在可选实施例中，用户信用评分优化装置可以根据对所述目标社交用户集合的信用评分的优化调整的调整值，对目标社交用户集合中的各个用户的信用评分进行修正。例如采用下式对目标社交用户集合中的各个用户的信用评分进行修正：

s'_j＝s_j+(Q_i-S_i)，其中Q_i为经过优化调整的目标社交用户集合的信用评分，S_i为目标社交用户集合的初始的信用评分，s_j为目标社交用户集合中的第j个用户的初始的信用评分，s′_j为目标社交用户集合中的第j个用户的经过修正的信用评分。

可选的用户信用评分优化装置还可以根据对所述目标社交用户集合的信用评分的优化调整的调整比例，对目标社交用户集合中的各个用户的信用评分进行相应比例的修正。

进而在可选实施例中，用户信用评分优化装置可以根据经过本实施例上述步骤后修正得到的用户的信用评分为对应用户推送产品信息，例如推送金融产品信息、固定资产管理产品信息等；或根据用户的信用评分对对应用户的数据业务进行监控管理，例如对对应用户的借贷业务进行风控管理、对用户的流动资金进行管理建议等。

图3是本发明实施例中对社交用户集合的信用评分进行优化迭代的流程示意图，如图3所示该实施方式中的优化迭代过程可以包括：

S1041，分别根据两两社交用户集合之间的社交关系确定对应两两社交用户集合之间的社交权重。

可选的，可以根据目标社交用户集合的所有用户中分别在各个社交用户集合中存在社交关联用户的用户比例，确定各个社交用户集合与所述目标社交用户集合之间的社交权重。例如通过如图2所示的用户社交关系分层处理得到的社交用户集合(也可称为社团)A、B、C以及D，通过判断社交用户集合A中有多少用户在社交用户集合B中存在社交好友，将在社交用户集合B中有社交好友的用户的数量除以社交用户集合A的总用户数的结果，作为社交用户集合A与社交用户集合B的社交权重，例如社交用户集合A中的a1和a2分别在社交用户集合B中有社交好友，社交用户集合A的总用户数为3，那么社交用户集合A与社交用户集合B的社交权重可以为2/3，即在对社交用户集合A的信用评分进行优化时，社交用户集合B的信用评分的社交权重为2/3；另一方面，将在社交用户集合A中有社交好友的用户的数量除以社交用户集合B的总用户数的结果，作为社交用户集合B与社交用户集合A的社交亲密度，例如社交用户集合B中也有2位用户分别在社交用户集合A中有社交好友，社交用户集合B的总用户数为4，那么社交用户集合B与社交用户集合A的社交权重可以为2/4＝0.5，即在对社交用户集合B的信用评分进行优化时，社交用户集合A的信用评分的社交权重为2/3。

S1042，对社交用户集合的信用评分进行优化迭代。

S1043，分别将所述多个社交用户集合中的每一个社交用户集合作为目标社交用户集合，根据所述至少一个社交用户集合与目标社交用户集合之间的社交权重以及对应社交用户集合的信用评分对所述目标社交用户集合的信用评分进行优化调整。

即在每一次迭代时，采用下式对所述多个社交用户集合中的每一个社交用户集合的信用评分进行优化调整：

其中为第r轮迭代时第i个社交用户集合的信用评分，为第(r-1)轮迭代时与第i个社交用户集合存在社交关系的社交用户集合的信用评分，e_ki为与第i个社交用户集合存在社交关系的社交用户集合与所述第i个社交用户集合之间的社交权重，表示所有与第i个社交用户集合存在社交关系的社交用户集合的信用评分与对应社交用户集合与所述第i个社交用户集合之间的社交权重的乘积的求和结果，α为预设的阻尼因子。

S1044，判断每一个社交用户集合在本次迭代的信用评分与该社交用户集合在前一次迭代的信用评分的差值的绝对值是否均小于第一预设阈值，即为：若满足上式，则执行S1045，否则回到S1042即进行下一次迭代。

S1045，停止迭代，经迭代得到的各个社交用户集合的信用评分即为经过优化调整得到的社交用户集合的信用评分。

需要指出的是，以上仅是一种迭代算法的示例，本发明对社交用户集合的信用评分的迭代的算法不应被视为局限于使用该算法，其他如热传导网络迭代算法均可适用。

本实施例中的用户信用评分优化装置通过计算用户所属的社交用户集合的信用评分并进行优化调整后，根据优化调整得到的社交用户集合的信用评分对社交用户集合内的用户的信用评分进行修正，从而实现了结合社交用户集合这一层面的信息对用户的信用评分进行优化，不再只限于依据用户的个人信息计算用户的信用评分，可有效提高用户信用评分的准确性。

图4是本发明另一实施例中的用户信用评分优化方法的流程示意图，如图所示本实施例中的用户信用评分优化方法可以包括以下流程：

S201，获取多个社交用户集合中各个用户的初始的信用评分。

S202，根据各个社交用户集合中的各个用户的初始的信用评分，获取各个社交用户集合的初始的信用评分。

S203，根据两两社交用户集合中的用户之间的社交关系，确定两两社交用户集合之间的社交关系。

S204，根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对所述目标社交用户集合的信用评分进行优化调整。

S205，根据经过所述优化调整的目标社交用户集合的信用评分，对所述目标社交用户集合中的各个用户的信用评分进行修正。

本实施例中的S201-S205与前一实施例中的S101-S105相同，本实施例中不再赘述，本实施例与前一实施例的区别在于，在根据经过所述优化调整的目标社交用户集合的信用评分，对所述目标社交用户集合中的各个用户的信用评分进行修正，对目标社交用户集合中的用户的信用评分进行进一步的优化调整。

S206，根据目标用户分别与所述目标社交用户集合中的其他用户之间的社交关系，以及所述目标社交用户集合中的其他用户的信用评分，对所述目标用户的信用评分进行优化调整。

如图2所示的社交关系分层处理得到的下层社团内的用户社交关系，例如社交用户集合A中的用户a1、a2以及a3之间的社交关系。在可选实施例中，可以排除将用户a1、a2以及a3划分至社交用户集合A的原因，例如是根据用户a1、a2以及a3加入的同一个社交群组将三个用户划分为社交用户集合A，那么考虑用户a1、a2以及a3之间的社交关系时，可以将用户a1、a2以及a3加入的同一个社交群组这一信息忽略，可以基于其之间是否有建立社交好友关系、是否有共同的兴趣、是否有同时参与的社交事件或是否处于同一地理位置等因素确定用户a1、a2以及a3之间的社交关系。

若在同一社交用户集合中的两个用户之间存在社交关系，那么可以认为两个存在社交关系的用户之间是存在相互影响的，或两个存在社交关系的用户的信用评分是相互可以作为参考的，因此用户信用评分优化装置可以根据属于同一社交用户集合中与目标用户存在社交关系的其他用户的信用评分对目标用户的信用评分进行优化调整，从而可以有效避免因对用户信息采集有所缺失或者错误导致的对目标用户的信用评分不准确。例如直接采用所有与目标用户存在社交关系的其他用户的信用评分的平均值，作为优化调整后的目标用户的信用评分，或采用所有与目标用户存在社交关系的其他用户的信用评分的平均值与目标用户初始的信用评分之间的任意值作为优化调整后的目标用户的信用评分

进而在可选实施例中，用户信用评分优化装置可以分别根据目标用户与同一社交用户集合中的其他用户之间的社交关系确定其他用户与目标用户之间的社交权重，进而根据属于同一社交用户集合中的其他用户与目标用户之间的社交权重以及对应用户的信用评分，对所述目标用户的信用评分进行优化调整。所述社交权重可以是对两个用户之间的社交关系的亲密程度进行量化的结果，比如通过计算两个用户的共同拥有的社交好友的数量、共同参与的社交群组、共同参与的社交事件或两个用户之间发生的社交事件的频率等，量化两个用户之间的社交关系的亲密程度从而得到两个用户之间的社交权重。因为若两个用户之间社交关系越亲密，则该两个用户的信用评分接近的可能性越高，换而言之即为目标用户的亲密的用户的信用评分越有可能反映目标用户的信用评分，因此在对目标用户的信用评分进行优化调整时应该将其亲密的用户的信用评分的影响度(参考权重)设得更高。根据各个目标社交用户集合中的其他用户的信用评分和与所述目标用户之间的社交权重，对所述目标社交用户集合的信用评分进行优化调整，例如其中q_i为目标用户的信用评分，q_k为与目标用户存在社交关系的第k个用户的信用评分，w_ki为该第k个用户与所述目标用户之间的社交权重，表示在目标社交用户集合中所有与目标用户存在社交关系的用户的信用评分与对应用户与目标用户之间的社交权重的乘积的求和结果。该实施方式尤其适用于在目标社交用户集合中新加入一个目标用户，而其他用户均已经过优化调整的情况下，可以仅单独针对目标用户进行优化调整而不需要再对目标社交用户集合中的其他用户进行再一次的优化调整。

在另一可选实施例中，用户信用评分优化装置可以根据社交用户集合中的各个用户的信用评分，以及所述社交用户集合中的各个用户之间的社交关系，对社交用户集合中的用户的信用评分进行优化迭代，在每一次迭代时，分别将所述目标社交用户集合中的每一个社交用户作为目标用户，根据各个所述目标社交用户集合中的其他用户与所述目标用户的社交权重以及对应用户的信用评分对所述目标用户的信用评分进行优化调整，直至所述目标社交用户集合中的每一个用户本次迭代的信用评分与该用户在前一次迭代的信用评分的差值均小于第二预设阈值，停止迭代，得到的用户的信用评分为经过优化调整得到的信用评分。具体的迭代流程可以如图5所示包括以下：

S2061，分别根据目标社交用户集合中两两用户之间的社交关系确定对应两两用户之间的社交权重。

可选的，可以分别根据同一社交用户集合中的任意两个用户之间的社交关系确定这两个用户之间的社交权重。所述社交权重可以是对两个用户之间的社交关系的亲密程度进行量化的结果，比如通过计算两个用户的共同拥有的社交好友的数量、共同参与的社交群组、共同参与的社交事件或两个用户之间发生的社交事件的频率等，量化两个用户之间的社交关系的亲密程度从而得到两个用户之间的社交权重。

S2062，对社交用户集合的信用评分进行优化迭代。

S2063，分别将所述多个社交用户集合中的每一个社交用户集合作为目标社交用户集合，根据所述至少一个社交用户集合与目标社交用户集合之间的社交权重以及对应社交用户集合的信用评分对所述目标社交用户集合的信用评分进行优化调整。

即在每一次迭代时，采用下式对所述目标社交用户集合中的每一个用户的信用评分进行优化调整：

其中为第r轮迭代时目标社交用户集合中第i个用户的信用评分，为第(r-1)轮迭代时所述目标社交用户集合中与第i个用户存在社交关系的用户的信用评分，w_ki为所述目标社交用户集合中与第i个用户存在社交关系的用户与所述第i个用户之间的社交权重，表示所述目标社交用户集合中所有与第i个用户存在社交关系的用户的信用评分与对应用户与所述第i个用户之间的社交权重的乘积的求和结果，λ为预设的阻尼因子。

S2064，判断目标社交用户集合中的每一个用户在本次迭代的信用评分与该用户在前一次迭代的信用评分的差值的绝对值是否均小于第一预设阈值，即为：若满足上式，则执行S2065，否则回到S2062即进行下一次迭代。

S2065，停止迭代，经迭代得到的各个社交用户集合的信用评分即为经过优化调整得到的社交用户集合的信用评分。

需要指出的是，以上仅是一种迭代算法的示例，本发明对社交用户集合中的用户的信用评分的迭代的算法不应被视为局限于使用上述算法，其他如热传导网络迭代算法均可适用。

进而在可选实施例中，用户信用评分优化装置可以根据经过本实施例上述步骤后修正得到的用户的信用评分为对应用户推送产品信息，例如推送金融产品信息、固定资产管理产品信息等；或根据用户的信用评分对对应用户的数据业务进行监控管理，例如对对应用户的借贷业务进行风控管理、对用户的流动资金进行管理建议等。

本实施例中的用户信用评分优化装置通过计算用户所属的社交用户集合的信用评分，根据社交用户集合之间的社交关系对社交用户集合的信用评分进行优化调整后，根据优化调整得到的社交用户集合的信用评分对社交用户集合内的用户的信用评分进行修正，进而根据社交用户集合内用户之间的社交关系对社交用户集合内的用户的信用评分进行优化调整，从而实现了结合社交用户集合这一层面的信息对用户的信用评分进行优化，不再只限于依据用户的个人信息计算用户的信用评分，可有效提高用户信用评分的准确性，同时虽然经过两次优化过程，但是两次优化分别仅依据社交用户集合之间的社交关系以及社交用户集合内部用户之间的社交关系，实际并没有带来非常大的计算量。

图6是本发明实施例中的一种用户信用评分优化装置的结构示意图，如图所示本发明实施例中的用户信用评分优化装置至少可以包括：

用户评分获取模块610，用于获取多个社交用户集合中各个用户的初始的信用评分。

具体的，用户评分获取模块610可以通过接收数据导入的方式获取所述多个社交用户集合中各个用户的初始的信用评分；用户评分获取模块610也可以通过获取各个用户的个人信息，根据各个用户的个人信息以及特定的预测模型对用户进行信用评分从而得到所述多个社交用户集合中各个用户的初始的信用评分；用户评分获取模块610还可以是根据实施本发明获得经过优化后的用户的信用评分作为多个社交用户集合中各个用户的初始的信用评分，例如在当前信用评分优化时，可以将上一次优化时得到的各个用户的信用评分作为本次优化时使用的初始的信用评分，所述对用户的信用评分的优化可以被管理员手动触发，也可以根据更新周期触发或根据新加入用户或社交用户集合的事件触发。

在可选实施例中，若缺失某个用户的初始的信用评分，用户评分获取模块610可以采用该用户的社交好友、同事或者亲人关系的用户的信用评分的平均分或加权平均分作为该用户初始的信用评分，加权值可以根据用户之间的关系类型亲疏确定或根据用户之间发生的社交事件的频率确定。

所述多个社交用户集合，可以是分别加入了不同的社交群组中的用户的集合，加入同一社交群组的用户即属于该社交群组对应的社交用户集合，也可以按照用户的兴趣、地理位置等用户特定属性划分得到所述多个社交用户集合。在较优实施例中，各个社交用户集合相互间不存在相同的用户，即一用户只能属于一个社交用户集合。

集合评分获取模块620，用于根据各个社交用户集合中的各个用户的初始的信用评分，获取各个社交用户集合的初始的信用评分。

具体实现中，集合评分获取模块620可以根据某个社交用户集合中的各个用户的初始的信用评分的平均分或加权平均分作为该社交用户集合的初始的信用评分。

各个用户的加权值可以根据用户在与该社交用户集合内部的用户之间的社交关系确定，例如某个用户在社交用户集合(共6人)内部存在4个社交好友，那么其加权值可为4/(6-1)＝0.8，依次类推，还可以根据某个用户在与社交用户集合内部的用户之间发生的社交事件(发送会话消息、进行视频会话等)的频率确定该用户对于该社交用户集合的信用评分的加权值，或结合上述两种方式共同确定某个用户对于其所在的社交用户集合的信用评分的加权值。

集合关系获取模块630，用于根据两两社交用户集合中的用户之间的社交关系，确定两两社交用户集合之间的社交关系。

集合关系获取模块630可以根据分别属于两个社交用户集合的用户之间的社交关系，确定这两个社交用户集合之间的社交关系，例如若属于第一社交用户集合的第一用户在第二社交用户集合中存在社交好友，则第一社交用户集合和第二社交用户集合之间存在社交关系。进而集合关系获取模块630还可以对两个社交用户集合之间的社交关系的亲密程度进行量化，比如通过计算两个社交用户集合之间的用户相互为社交好友的数量(用户数或社交关系对的数量)量化两个社交用户集合之间的社交关系的亲密程度，该亲密程度可以是相互一致的，即量化的是两个社交用户集合之间双向的亲密程度，也可以是相互不一致的，即量化的是两个社交用户集合之间单向的亲密程度。如通过如图2所示的用户社交关系分层处理得到的社交用户集合(也可称为社团)A、B、C以及D，通过判断社交用户集合A中有多少用户在社交用户集合B中存在社交好友，将在社交用户集合B中有社交好友的用户的数量除以社交用户集合A的总用户数的结果，作为社交用户集合A与社交用户集合B的社交亲密度，反之，将在社交用户集合A中有社交好友的用户的数量除以社交用户集合B的总用户数的结果，作为社交用户集合B与社交用户集合A的社交亲密度。可选的还可以根据上述社交用户集合A与社交用户集合B的社交亲密度结合社交用户集合B与社交用户集合A的社交亲密度，计算社交用户集合A与社交用户集合B之间双向的亲密程度。后续还可以根据量化得到的两个社交用户集合之间的社交关系的亲密程度，确定两个社交用户集合之间的社交权重，即在计算目标社交用户集合的信用评分时与目标社交用户集合存在社交关系的另一社交用户集合的信用评分的加权值，因为若两个社交用户集合之间社交关系越亲密，则该两个社交用户集合的信用评分接近的可能性越高，换而言之即为目标社交用户集合的亲密的社交用户集合的信用评分越有可能反映目标社交用户集合的信用评分，因此在对目标社交用户集合的信用评分进行优化调整时应该将其亲密的社交用户集合的信用评分的影响度(参考权重)设得更高。

在图2所示的社交关系分层处理方式中，根据上层的原始社交关系中跨社团(社交用户集合)的用户社交关系处理得到中间一层社团间的社交关系，保留社团内的用户社交关系作为下层社团内的用户社交关系。

集合评分优化模块640，用于根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对所述目标社交用户集合的信用评分进行优化调整。

根据集合关系获取模块630得到的两两社交用户集合之间的社交关系，可以认为两个存在社交关系的社交用户集合之间是存在相互影响的，或两个存在社交关系的社交用户集合的信用评分是相互可以作为参考的，因此集合评分优化模块640可以根据所有与目标社交用户集合存在社交关系的其他社交用户集合的信用评分对目标社交用户集合的信用评分进行优化调整，从而可以有效避免因对用户信息采集有所缺失或者错误导致的对目标社交用户集合的信用评分不准确。例如集合评分优化模块640可以直接采用所有与目标社交用户集合存在社交关系的其他社交用户集合的信用评分的平均值，作为优化调整后的目标社交用户集合的信用评分，或采用所有与目标社交用户集合存在社交关系的其他社交用户集合的信用评分的平均值与目标社交用户集合初始的信用评分之间的任意值作为优化调整后的目标社交用户集合的信用评分。

进而在可选实施例中，集合评分优化模块640如图7所示进一步包括：

集合权重获取单元641，用于分别根据各个社交用户集合与所述目标社交用户集合之间的社交关系确定各个社交用户集合与所述目标社交用户集合之间的社交权重。例如可以根据目标社交用户集合的所有用户中分别在各个社交用户集合中存在社交关联用户的用户比例，确定各个社交用户集合与所述目标社交用户集合之间的社交权重。

集合评分优化单元642，用于根据所述至少一个社交用户集合与目标社交用户集合之间的社交权重以及对应社交用户集合的信用评分，对所述目标社交用户集合的信用评分进行优化调整。

即根据量化得到的目标社交用户集合与其他社交用户集合之间的社交关系的亲密程度确定各个社交用户集合与所述目标社交用户集合之间的社交权重，进而根据各个与目标社交用户集合存在社交关系的社交用户集合的信用评分和与所述目标社交用户集合之间的社交权重，对所述目标社交用户集合的信用评分进行优化调整，例如其中Q_i为目标社交用户集合的信用评分，Q_k为与目标社交用户集合存在社交关系的第k个社交用户集合的信用评分，e_ki为该第k个社交用户集合与所述目标社交用户集合之间的社交权重，表示所有与目标社交用户集合存在社交关系的社交用户集合的信用评分与对应社交用户集合与目标社交用户集合之间的社交权重的乘积的求和结果。该实施方式尤其适用于新加入一个目标社交用户集合，而其他社交用户集合均已经过优化调整的情况下，集合评分优化模块640可以仅单独针对目标社交用户集合进行优化调整而不需要再对其他社交用户集合进行再一次的优化调整。

在另一可选实施例中，集合评分优化单元642可以根据与目标社交用户集合存在社交关系的至少一个社交用户集合的信用评分，以及所述至少一个社交用户集合与所述目标社交用户集合之间的社交关系，对社交用户集合的信用评分进行优化迭代，具体的迭代流程可以如图3所示，具体包括：对社交用户集合的信用评分进行优化迭代，在每一次迭代时，分别将所述多个社交用户集合中的每一个社交用户集合作为目标社交用户集合，根据所述至少一个社交用户集合与目标社交用户集合之间的社交权重以及对应社交用户集合的信用评分，对所述目标社交用户集合的信用评分进行优化调整，直至所述多个社交用户集合中的每一个社交用户集合在本次迭代的信用评分与该社交用户集合在前一次迭代的信用评分的差值均小于第一预设阈值，则停止迭代，得到的社交用户集合的信用评分为经过优化调整得到的信用评分。例如集合评分优化单元642通过下式对所述多个社交用户集合中的每一个社交用户集合的信用评分进行迭代：其中为第r轮迭代时第i个社交用户集合的信用评分，为第(r-1)轮迭代时与第i个社交用户集合存在社交关系的社交用户集合的信用评分，e_ki为与第i个社交用户集合存在社交关系的社交用户集合与所述第i个社交用户集合之间的社交权重，表示所有与第i个社交用户集合存在社交关系的社交用户集合的信用评分与对应社交用户集合与所述第i个社交用户集合之间的社交权重的乘积的求和结果，α为预设的阻尼因子。

需要指出的是，以上仅是一种迭代算法的示例，本发明对社交用户集合的信用评分的迭代的算法不应被视为局限于使用该算法，其他如热传导网络迭代算法均可适用。

用户评分修正模块650，用于根据经过所述优化调整的目标社交用户集合的信用评分，对所述目标社交用户集合中的各个用户的信用评分进行修正。

具体的，用户评分修正模块650可以将目标社交用户集合中的用户的信用评分修正至对应用户的初始的信用评分与目标社交用户集合经过优化调整后的信用评分之间的任意值。例如目标社交用户集合中某个用户的信息缺失或出错，用户评分修正模块650可以采用所述优化调整的目标社交用户集合的信用评分作为该用户修正后的信用评分。

在可选实施例中，用户评分修正模块650可以根据对所述目标社交用户集合的信用评分的优化调整的调整值，对目标社交用户集合中的各个用户的信用评分进行修正。例如采用下式对目标社交用户集合中的各个用户的信用评分进行修正：

s'_j＝s_j+(Q_i-S_i)，其中Q_i为经过优化调整的目标社交用户集合的信用评分S_i为目标社交用户集合的初始的信用评分，s_j为目标社交用户集合中的第j个用户的初始的信用评分，s′_j为目标社交用户集合中的第j个用户的经过修正的信用评分。

可选的用户评分修正模块650还可以根据对所述目标社交用户集合的信用评分的优化调整的调整比例，对目标社交用户集合中的各个用户的信用评分进行相应比例的修正。

在可选实施例中，用户信用评分优化装置进一步还可以包括：

用户评分优化模块660，用于根据目标用户分别与所述目标社交用户集合中的其他用户之间的社交关系，以及所述目标社交用户集合中的其他用户的信用评分，对所述目标用户的信用评分进行优化调整。

如图2所示的社交关系分层处理得到的下层社团内的用户社交关系，例如社交用户集合A中的用户a1、a2以及a3之间的社交关系。在可选实施例中，可以排除将用户a1、a2以及a3划分至社交用户集合A的原因，例如是根据用户a1、a2以及a3加入的同一个社交群组将三个用户划分为社交用户集合A，那么考虑用户a1、a2以及a3之间的社交关系时，可以将用户a1、a2以及a3加入的同一个社交群组这一信息忽略，可以基于其之间是否有建立社交好友关系、是否有共同的兴趣、是否有同时参与的社交事件或是否处于同一地理位置等因素确定用户a1、a2以及a3之间的社交关系。

若在同一社交用户集合中的两个用户之间存在社交关系，那么可以认为两个存在社交关系的用户之间是存在相互影响的，或两个存在社交关系的用户的信用评分是相互可以作为参考的，因此用户评分优化模块660可以根据属于同一社交用户集合中与目标用户存在社交关系的其他用户的信用评分对目标用户的信用评分进行优化调整，从而可以有效避免因对用户信息采集有所缺失或者错误导致的对目标用户的信用评分不准确。例如直接采用所有与目标用户存在社交关系的其他用户的信用评分的平均值，作为优化调整后的目标用户的信用评分，或采用所有与目标用户存在社交关系的其他用户的信用评分的平均值与目标用户初始的信用评分之间的任意值作为优化调整后的目标用户的信用评分。

进而在可选实施例中，用户评分优化模块660可以如图8所示进一步包括：

用户权重获取单元661，用于分别根据所述目标用户与所述目标社交用户集合中的其他用户之间的社交关系确定各个所述目标社交用户集合中的其他用户与所述目标用户的社交权重。

所述社交权重可以是对两个用户之间的社交关系的亲密程度进行量化的结果，比如通过计算两个用户的共同拥有的社交好友的数量、共同参与的社交群组、共同参与的社交事件或两个用户之间发生的社交事件的频率等，量化两个用户之间的社交关系的亲密程度从而得到两个用户之间的社交权重。

用户评分优化单元662，用于根据各个所述目标社交用户集合中的其他用户与所述目标用户的社交权重以及对应用户的信用评分，对所述目标用户的信用评分进行优化调整。

因为若两个用户之间社交关系越亲密，则该两个用户的信用评分接近的可能性越高，换而言之即为目标用户的亲密的用户的信用评分越有可能反映目标用户的信用评分，因此在对目标用户的信用评分进行优化调整时可以将其亲密的用户的信用评分的影响度(社交权重)设得更高。用户评分优化单元662由此根据各个目标社交用户集合中的其他用户的信用评分和与所述目标用户之间的社交权重，对所述目标社交用户集合的信用评分进行优化调整，例如其中q_i为目标用户的信用评分，q_k为与目标用户存在社交关系的第k个用户的信用评分，w_ki为该第k个用户与所述目标用户之间的社交权重，表示在目标社交用户集合中所有与目标用户存在社交关系的用户的信用评分与对应用户与目标用户之间的社交权重的乘积的求和结果。该实施方式尤其适用于在目标社交用户集合中新加入一个目标用户，而其他用户均已经过优化调整的情况下，可以仅单独针对目标用户进行优化调整而不需要再对目标社交用户集合中的其他用户进行再一次的优化调整。

在另一可选实施例中，用户评分优化单元662可以根据社交用户集合中的各个用户的信用评分，以及所述社交用户集合中的各个用户之间的社交关系，对社交用户集合中的用户的信用评分进行优化迭代。具体的迭代流程可以如图5所示包括以下：在每一次迭代时，分别将所述目标社交用户集合中的每一个社交用户作为目标用户，根据各个所述目标社交用户集合中的其他用户与所述目标用户的社交权重以及对应用户的信用评分对所述目标用户的信用评分进行优化调整，直至所述目标社交用户集合中的每一个用户本次迭代的信用评分与该用户在前一次迭代的信用评分的差值均小于第二预设阈值，停止迭代，得到的用户的信用评分为经过优化调整得到的信用评分。例如用户评分优化单元662可以采用下式对所述目标社交用户集合中的每一个用户的信用评分进行优化调整：

其中为第r轮迭代时目标社交用户集合中第i个用户的信用评分，为第(r-1)轮迭代时所述目标社交用户集合中与第i个用户存在社交关系的用户的信用评分，w_ki为所述目标社交用户集合中与第i个用户存在社交关系的用户与所述第i个用户之间的社交权重，表示所述目标社交用户集合中所有与第i个用户存在社交关系的用户的信用评分与对应用户与所述第i个用户之间的社交权重的乘积的求和结果，λ为预设的阻尼因子。

需要指出的是，以上仅是一种迭代算法的示例，本发明对社交用户集合中的用户的信用评分的迭代的算法不应被视为局限于使用上述算法，其他如热传导网络迭代算法均可适用。

进一步可选的，本发明实施例中的还可以包括信息推送模块670和业务监控模块680中的任1个或2个：

信息推送模块670，用于根据用户的信用评分为对应用户推送产品信息，即根据经过本发明实施方式修正或优化的用户的信用评分为对应用户推送产品信息，例如推送金融产品信息、固定资产管理产品信息等；

业务监控模块680，用于根据用户的信用评分对对应用户的数据业务进行监控管理，即根据经过本发明实施方式修正或优化的用户的信用评分对应用户的数据业务进行监控管理，例如对对应用户的借贷业务进行风控管理、对用户的流动资金进行管理建议等。

本实施例中的用户信用评分优化装置通过计算用户所属的社交用户集合的信用评分，根据社交用户集合之间的社交关系对社交用户集合的信用评分进行优化调整后，根据优化调整得到的社交用户集合的信用评分对社交用户集合内的用户的信用评分进行修正，可选的还可以根据社交用户集合内用户之间的社交关系对社交用户集合内的用户的信用评分进行优化调整，从而实现了结合社交用户集合这一层面的信息对用户的信用评分进行优化，不再只限于依据用户的个人信息计算用户的信用评分，可有效提高用户信用评分的准确性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。