所属的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施方式。本技术旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的,本公开的真正范围和精神由权利要求指出。应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。
背景技术:
1、在各种服务领域,风控机制是服务方的重点建构项目,通过对目标对象进行可信度评估,以供服务方参考可信度评估结果开展服务业务;例如,运输服务方可以对其服务的用户或者商铺进行可信度评估。
2、通常情况下,对于需要进行可信度评估的目标对象,可以通过金融专家、计量经济学方法或者信用卡评分方法等手段,确定目标对象的评估参数,以获取目标对象的可信度信息。
3、然而,目前提供的针对目标对象的评估信息确定方法,一般都会存在人工成本高昂,或者,确定的评估参数精准度差的问题。
技术实现思路
1、本公开提供了一种评估信息确定方法、装置、介质与电子设备,进而可以提高确定的目标对象的评估参数的精准度。
2、根据本公开的第一方面,提供一种评估信息确定方法,包括:
3、确定待评估的目标对象;
4、获取与所述目标对象关联的征信数据和业务数据,所述业务数据为对象在业务场景中生成的数据;
5、将所述征信数据和所述业务数据输入预训练的评估参数确定模型,得到所述目标对象的评估参数,所述评估参数确定模型是基于自动机器学习框架确定的,所述评估参数用于表征所述目标对象的可信度。
6、可选的,所述业务数据为物流业务数据,所述业务数据包括物流结算数据和物流库存数据:
7、所述将所述征信数据和所述业务数据输入预训练的评估参数确定模型,得到所述目标对象的评估参数,包括:
8、将所述征信数据、所述物流结算数据和所述物流库存数据输入预训练的评估参数确定模型,得到所述目标对象的评估参数。
9、可选的,所述评估参数确定模型通过以下步骤训练得到,包括:
10、获取样本对象的样本征信数据和样本物流业务数据,所述样本物流业务数据包括样本物流结算数据和样本物流库存数据;
11、根据所述样本对象的历史物流结算信息,确定与所述样本对象对应的评估参数标签;
12、基于所述样本征信数据、所述样本物流结算数据、所述物流库存数据和所述评估参数标签,训练预设自动机器学习模型得到所述评估参数确定模型。
13、可选的,所述基于所述样本征信数据、所述样本物流结算数据、所述物流库存数据和所述评估参数标签,训练预设自动机器学习模型得到所述评估参数确定模型,包括:
14、对样本特征数据进行预处理,得到预处理后的样本特征数据,所述样本特征数据包括所述样本征信数据、所述样本物流结算数据和所述样本物流库存数据;
15、利用所述样本特征数据对模型库中的候选基础模型进行训练,得到预测评估参数;
16、根据所述预测评估参数和所述评估参数标签,调整所述候选基础模型的模型参数;
17、选择满足预设构建条件的所述候选基础模型,得到所述评估参数确定模型。
18、可选的,所述根据所述样本对象的历史物流结算信息,确定与所述样本对象对应的评估参数标签,包括:
19、若所述历史物流结算信息中存在逾期支付订单,且所述逾期支付订单的逾期时长大于预设时长,则确定与所述样本对象对应的评估参数标签为第一评估参数。
20、可选的,所述根据所述样本对象的历史物流结算信息,确定与所述样本对象对应的评估参数标签,包括:
21、若所述历史物流结算信息中存在预设类型的逾期支付订单,且所述预设类型的逾期支付订单的数量超过预设阈值,则确定与所述样本对象对应的评估参数标签为第二评估参数。
22、可选的,在将所述征信数据和所述业务数据输入预训练的评估参数确定模型,得到所述目标对象的评估参数之后,所述方法还包括:
23、在预先构建的评估参数和评估等级的对应关系中,确定与所述目标对象的评估参数对应的目标评估等级;
24、将所述目标评估等级确定为所述目标对象的评估等级。
25、根据本公开的第二方面,提供一种评估信息确定装置,包括:
26、确定模块,被配置为确定待评估的目标对象;
27、获取模块,被配置为获取与所述目标对象关联的征信数据和业务数据,所述业务数据为对象在业务场景中生成的数据;
28、评估模块,被配置为将所述征信数据和所述业务数据输入预训练的评估参数确定模型,得到所述目标对象的评估参数,所述评估参数确定模型是基于自动机器学习框架确定的,所述评估参数用于表征所述目标对象的可信度。
29、可选的,所述业务数据为物流业务数据,所述业务数据包括物流结算数据和物流库存数据:
30、所述评估模块,被配置为:
31、将所述征信数据、所述物流结算数据和所述物流库存数据输入预训练的评估参数确定模型,得到所述目标对象的评估参数。
32、可选的,所述评估信息确定装置还包括:模型训练模块,被配置为:
33、获取样本对象的样本征信数据和样本物流业务数据,所述样本物流业务数据包括样本物流结算数据和样本物流库存数据;
34、根据所述样本对象的历史物流结算信息,确定与所述样本对象对应的评估参数标签;
35、基于所述样本征信数据、所述样本物流结算数据、所述物流库存数据和所述评估参数标签,训练预设自动机器学习模型得到所述评估参数确定模型。
36、可选的,模型训练模块,被配置为:
37、对样本特征数据进行预处理,得到预处理后的样本特征数据,所述样本特征数据包括所述样本征信数据、所述样本物流结算数据和所述样本物流库存数据;
38、利用所述样本特征数据对模型库中的候选基础模型进行训练,得到预测评估参数;
39、根据所述预测评估参数和所述评估参数标签,调整所述候选基础模型的模型参数;
40、选择满足预设构建条件的所述候选基础模型,得到所述评估参数确定模型。
41、可选的,所述模型训练模块,被配置为:
42、若所述历史物流结算信息中存在逾期支付订单,且所述逾期支付订单的逾期时长大于预设时长,则确定与所述样本对象对应的评估参数标签为第一评估参数。
43、可选的,所述模型训练模块,被配置为:
44、若所述历史物流结算信息中存在预设类型的逾期支付订单,且所述预设类型的逾期支付订单的数量超过预设阈值,则确定与所述样本对象对应的评估参数标签为第二评估参数。
45、可选的,评估信息确定装置还包括:评估等级确定模块,被配置为:
46、在预先构建的评估参数和评估等级的对应关系中,确定与所述目标对象的评估参数对应的目标评估等级;
47、将所述目标评估等级确定为所述目标对象的评估等级。
48、根据本公开的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面的方法。
49、根据本公开的第四方面,提供一种电子设备,包括:
50、处理器;以及
51、存储器,用于存储处理器的可执行指令;
52、其中,处理器配置为经由执行可执行指令来执行第一方面的方法。
53、本公开的技术方案具有以下有益效果:
54、提供了一种评估信息确定方法、装置、介质与电子设备,可以根据目标对象的征信数据和业务数据,对目标对象在目标业务场景下的信用状况进行评估,其中,用于确定评估参数的评估参数确定模型是基于自动机器学习框架确定的,可以实现根据与确定评估参数相关的多维度特征确定目标对象的评估参数,提升确定的评估参数的精准度。
55、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。