助贷机构推荐方法、装置、终端及存储介质

技术领域

本申请涉及互联网金融技术领域，具体而言，涉及一种助贷机构推荐方法、装置、终端及存储介质。

背景技术

互联网金融中助贷模式是在监管合规变化发展中兴起的一种新的商业合作模式，助贷平台仅提供用户资源和获客风控等技术，资金方机构(即助贷机构)作为出资方和用户签约，参考助贷平台的建议，实质做各环节的风控管理，审批用户的授信申请和支用申请等等。

除了基础的获客技术风控技术，即常规的非助贷模式下的获客和风控技术，只需考虑申请用户的借款意愿和逾期可能性，而助贷模式还需要考量机构的决策偏好。助贷平台面临的另一挑战是需要充分了解资金方机构的风险偏好，实现用户和助贷机构间的高效适配，来避免流量损耗，提升用户体验。

目前，尚无实现用户和助贷机构间的高效适配的方案。

发明内容

本申请的主要目的在于提供一种助贷机构推荐方法、装置、终端及存储介质，以解决相关技术中缺乏用户和助贷机构间的高效适配方案的问题。

为了实现上述目的，第一方面，本申请提供了一种助贷机构推荐方法，包括：

接收目标用户的金融信息，其中，金融信息至少包括金融业务信息和用户信息；

基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，其中，多个助贷机构、多个助贷评估方法与多个评分一一对应，多个助贷评估方法中的每个助贷评估方法包括串行的两个助贷评估规则；

基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构。

在一种可能的实现方式中，基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，包括：

利用多个助贷评估方法中的每个助贷评估方法对金融信息进行评估，得到每个助贷评估方法对应的评分；

将每个助贷评估方法对应的评分进行汇总，得到目标用户对应的多个评分。

在一种可能的实现方式中，两个助贷评估规则分别为第一助贷评估规则和第二助贷评估规则；

利用多个助贷评估方法中的每个助贷评估方法对金融信息进行评估，得到每个助贷评估方法对应的评分，包括：

利用第一助贷评估规则对金融信息进行评估，得到每个助贷评估方法对应的评分；

或，

利用第一助贷评估规则和第二助贷评估规则对金融信息进行评估，得到每个助贷评估方法对应的评分。

在一种可能的实现方式中，利用第一助贷评估规则对金融信息进行评估，得到每个助贷评估方法对应的评分，包括：

获取第一助贷规则，其中，第一助贷规则用于表征与第一助贷规则对应的助贷机构所设定的搜索规则；

利用搜索规则对金融信息中的全部信息进行查询，若金融信息中不存在不符合搜索规则的信息，对金融信息进行赋值，得到评分。

在一种可能的实现方式中，利用第一助贷评估规则和第二助贷评估规则对金融信息进行评估，得到每个助贷评估方法对应的评分，包括：

获取第一助贷规则，其中，第一助贷规则用于表征与第一助贷规则对应的助贷机构所设定的搜索规则；

利用搜索规则对金融信息中的全部信息进行查询，若金融信息中存在不符合搜索规则的信息，利用第二助贷评估规则对金融信息进行评估，得到评分。

在一种可能的实现方式中，第二助贷评估规则用于表征与第二助贷评估规则对应的助贷机构所设定的目标评估模型；

利用第二助贷评估规则对金融信息进行评估，得到评分，包括：

将金融信息输入目标评估模型，得到评分，其中，目标评估模型基于助贷机构对应的样本信息对LGB模型进行训练得到，样本信息用于表征在助贷机构办理过金融业务的用户的金融信息。

在一种可能的实现方式中，基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构，包括：

选取多个评分中满足预设阈值的评分，得到目标用户对应的至少一个助贷机构，其中，多个评分中的每个评分的值在[0-1]区间内。

第二方面，本发明实施例提供了一种助贷机构推荐装置，包括：

信息接收模块，用于接收目标用户的金融信息，其中，金融信息至少包括金融业务信息和用户信息；

评分预测模块，用于基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，其中，多个助贷机构、多个助贷评估方法与多个评分一一对应，多个助贷评估方法中的每个助贷评估方法包括串行的两个助贷评估规则；

机构推荐模块，用于基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构。

第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一种助贷机构推荐方法的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一种助贷机构推荐方法的步骤。

本发明实施例提供了一种助贷机构推荐方法、装置、终端及存储介质，包括：接收目标用户的金融信息，基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，再基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构。本发明针对各个助贷机构设置匹配的助贷评估方法，其助贷评估方法灵活、及时捕捉到资金方机构可能的审批偏好变化，并通过各个助贷机构设置匹配的助贷评估方法对目标用户的金融信息进行评估，以确定目标用户的至少一个助贷机构，加强了机构间的平衡与协调，从而提升了整体的助贷分发通过率。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本发明一实施例提供的一种助贷机构推荐方法的实现流程图；

图2是本发明另一实施例提供的一种助贷机构推荐方法的实现流程图；

图3是本发明另一实施例提供的一种助贷机构推荐方法的实现流程图；

图4是本发明实施例提供的一种助贷机构推荐装置的结构示意图；

图5是本发明实施例提供的终端的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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做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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

由于助贷平台面需要充分了解资金方机构的风险偏好，才能实现用户和助贷机构间的高效适配，来避免流量损耗，提升用户体验。但是，针对这样一个全新的场景下，如何提升用户和机构间的匹配，业界内没有特别成熟发展的体系，在其他领域中有以下两种方法作为借鉴和参考：

方法一，参考获客领域中的模型算法，针对每一家机构训练二分类模型，Y＝1为机构拒绝，Y＝0为机构通过，使用XGB或LGB模型预测机构拒绝的可能性，给一家机构推荐用户时挑选通过率可能性高的用户。可表达为：

针对每一家机构，

方法二，参考广告推荐中的模型算法，多家机构的样本放在一起共同训练二分类模型，Y＝1为拒绝，Y＝0为机构通过，机构做onehot编码作为特征一同训练，挑选使得模型预测结果最低的那个机构。可表达为：

但是，上述其他领域的方法在助贷分发领域各有不足：

方法一，可以实现某家机构得到通过率足够高的用户，但是忽略了机构间的用户资源分配情况，结构和机构之前的高通过率用户可能具有高度的重叠性，仅仅提高一家机构的通过率不能实现整体业务目标。

方法二，通过在多对多的样本把机构间的关系纳入了考量，但是样本间的多对多关系是有偏的，不像购物场景中物品有足够的曝光，不符合实际的助贷分发业务场景逻辑。

上述两种方法采用模型预测的是各家机构的审批偏好，而这种审批偏好相对于用户是否逾期等客观事实是更加具有灵活性、更具有变化可能性的，均无法应对资金方机构可能其他的变化。

因此，本申请提出一种可以灵活应对资金方机构变化的助贷机构推荐方法。

进一步地，为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

在一个实施例中，如图1所示，提供了一种助贷机构推荐方法，包括以下步骤：

步骤S101：接收目标用户的金融信息。

其中，金融信息至少包括金融业务信息和用户信息。其中，金融业务信息指目标用户参与过的各种金融业务活动，包括但不限于借贷业务、融资业务、金融风险业务等。用户信息是指用户的个人信息，包括但不限于用户ID、用户住所、用户工作单位等信息。

步骤S102：基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分。

其中，多个助贷机构、多个助贷评估方法与多个评分一一对应，其中，多个可为N个，即1、2、3..N，其中，N为正整数。多个助贷评估方法中的每个助贷评估方法包括串行的两个助贷评估规则，也就是说，两个助贷评估规则不是并行工作，而是串行工作的。

在一实施例中，基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，通过以下步骤实现：

步骤S1021：利用多个助贷评估方法中的每个助贷评估方法对金融信息进行评估，得到每个评估方法对应的评分。

由于每个助贷机构均设置有对应的助贷评估方法，则每个助贷机构会采用各自的助贷评估方法对目标用户的金融信息进行评估，以得到每个助贷机构对目标用户的评分。

其中，每个助贷机构所对应的助贷评估方法均设置有两个助贷评估规则，其中，两个助贷评估规则分别为第一助贷评估规则和第二助贷评估规则。当每个助贷机构采用各自的助贷评估方法对目标用户的金融信息进行评估的时，会先通过第一助贷评估规则对目标用户的金融信息进行评估，每个助贷机构针对目标用户的金融信息均得到一个评估结果，然后基于评估结果，来确定每个助贷机构对目标用户的金融信息的评分。

在一实施例中，获取第一助贷规则，其中，第一助贷规则用于表征与第一助贷规则对应的助贷机构所设定的搜索规则，然后利用第一助贷评估规则对金融信息进行评估，得到评估结果，并基于评估结果，确定每个助贷评估方法对应的评分，也就是说，利用搜索规则对金融信息中的全部信息进行查询，若金融信息中不存在不符合搜索规则的信息，对金融信息进行赋值，得到评分。

示例性地，结合图2，以助贷机构1(机构1)为例，助贷结构1会利用对应的助贷评估方法(即机构1规则)来对目标用户的金融信息进行评估。助贷机构1先通过第一助贷评估规则来搜索金融信息中的全部信息，若金融信息中不存在不符合搜索规则的信息，也就是说，目标用户的金融信息符合助贷机构1的条件(即命中)，那么助贷机构1会按照自己的规则来给目标用户的金融信息进行赋值，其所赋的值则为助贷机构1对目标用户的评分。

在另一实施例中，如果助贷机构通过第一助贷评估规则对金融信息进行评估，其评估结果为未命中，则需要再采用第二助贷评估规则对金融信息进一步评估，以确定此助贷机构对此金融信息的评分。具体的，获取第一助贷规则，其中，第一助贷规则用于表征与第一助贷规则对应的助贷机构所设定的搜索规则；然后利用搜索规则对金融信息中的全部信息进行查询，若金融信息中存在不符合搜索规则的信息，利用第二助贷评估规则对金融信息进行评估，得到评分。其中，第二助贷评估规则用于表征与第二助贷评估规则对应的助贷机构所设定的目标评估模型。

结合图2，以助贷机构1(机构1)为例，助贷结构1会利用对应的助贷评估方法(即机构1规则)来对目标用户的金融信息进行评估。助贷机构1先通过第一助贷评估规则来搜索金融信息中的全部信息，若金融信息中存在不符合搜索规则的信息，也就是说，目标用户的金融信息不符合助贷机构1的条件(即未命中)，那么助贷机构1继续采用第二助贷评估规则对应的目标评估模型对目标用户的金融信息进行预测，即将目标用户的金融信息输入目标评估模型中，则直接输出此金融信息对应的评分。

进一步的，目标评估模型基于助贷机构对应的样本信息对LGB(lightGBM)模型进行训练得到，样本信息用于表征在助贷机构办理过金融业务的用户的金融信息。

结合图3所示，在各个助贷机构对目标用户的金融信息进行评估前，需要各个助贷机构在离线状态下设置各自的助贷评估方法，即第一助贷评估规则(图3中所示中的拒绝规则)和第二助贷评估规则(图3中所示的LGB预测模型)。其中，由于各个助贷机构基于以往金融业务经验，其所针对的用户的要求不同，因此拒绝规则不同。例如，助贷机构1中的拒绝规则设置目标用户年龄小于20岁，助贷机构2中的拒绝规则设置目标用户的工作单位为国有企业，以及助贷机构N中的拒绝规则设置目标用户的学历为硕士研究生等。

此外，由于各个助贷机构所处理的金融业务、客户均可能不同，那么各个助贷机构手上的相关业务、用户资料也不同，则各个助贷机构训练LGB预测模型所采用的样本信息不同，则各个助贷机构所得到的LGB预测模型则不同，其主要是指模型的精度不同，从而导致针对相同用户其输出的评分不同。

步骤S1022：将每个助贷评估方法对应的评分进行汇总，得到目标用户对应的多个评分。

当各个助贷结构在离线状态下设置好各自的助贷评估方法后，则在线上对目标用户的金融信息进行评估，评估之后，则各个助贷机构会输出针对此目标用户的评分，将所有评分进行汇总，则可得到此目标用户的所有评分，即多个评分。

以图3为例，助贷机构为N个，且N＝3的情况下，助贷机构1针对目标用户所输出的评分为0.23，助贷机构2针对目标用户所输出的评分为0.9，助贷机构3针对目标用户所输出的评分为0.7。那么，针对目标用户，则输出目标用户与助贷机构间的预测矩阵为[0.23，0.9，0.7]。

当然，目标用户也可以为多个，在目标用户为2个且助贷机构为3个的情况下，将目标用户1的金融信息分别输入助贷机构1、助贷机构2和助贷机构3中，以及将目标用户2的金融信息分别输入助贷机构1、助贷机构2和助贷机构3中。三个助贷机构中的各个助贷机构分别对目标用户1的金融信息和目标用户2的金融信息进行评估，则助贷机构1针对目标用户1和目标用户2所输出的评分分别为0.3和0.6，助贷机构2针对目标用户1和目标用户2所输出的评分分别为0.33和0.75，助贷机构3针对目标用户1和目标用户2所输出的评分分别为0.4和0.8，最终也可构成目标用户与助贷机构间的预测矩阵

步骤S103：基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构。

当得到各个助贷机构输出的评分后，则选取多个评分中大于预设阈值的评分，得到目标用户对应的至少一个助贷机构，其中，多个评分中的每个评分的值在[0-1]区间内。其中，预设阈值根据具体情况设定，此处不作具体限定。

以目标用户与助贷机构间的预测矩阵为[0.23，0.9，0.7]，预设阈值为0.3，那么目标用户对应的助贷机构集合X为[助贷机构2，助贷机构3]。

本发明实施例提供了一种助贷机构推荐方法，包括：接收目标用户的金融信息，基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，再基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构。本发明针对各个助贷机构设置匹配的助贷评估方法，其助贷评估方法灵活、及时捕捉到资金方机构可能的审批偏好变化，并通过各个助贷机构设置匹配的助贷评估方法对目标用户的金融信息进行评估，以确定目标用户的至少一个助贷机构，加强了机构间的平衡与协调，从而提升了整体的助贷分发通过率，带来实质有效地帮助。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

图4示出了本发明实施例提供的一种助贷机构推荐装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，一种助贷机构推荐装置包括信息接收模块41、评分预测模块42和机构推荐模块43，具体如下：

信息接收模块41，用于接收目标用户的金融信息，其中，金融信息至少包括金融业务信息和用户信息；

评分预测模块42，用于基于金融信息和多个助贷机构对应的多个助贷评估方法，确定目标用户对应的多个评分，其中，多个助贷机构、多个助贷评估方法与多个评分一一对应，多个助贷评估方法中的每个助贷评估方法包括串行的两个助贷评估规则；

机构推荐模块43，用于基于预设条件和多个评分，确定目标用户对应的至少一个助贷机构。

在一种可能的实现方式中，评分预测模块42还用于利用多个助贷评估方法中的每个助贷评估方法对金融信息进行评估，得到每个助贷评估方法对应的评分；将每个助贷评估方法对应的评分进行汇总，得到目标用户对应的多个评分。

在一种可能的实现方式中，两个助贷评估规则分别为第一助贷评估规则和第二助贷评估规则；

评分预测模块42还用于利用第一助贷评估规则对金融信息进行评估，得到每个助贷评估方法对应的评分；或，利用第一助贷评估规则和第二助贷评估规则对金融信息进行评估，得到每个助贷评估方法对应的评分。

在一种可能的实现方式中，评分预测模块42还用于获取第一助贷规则，其中，第一助贷规则用于表征与第一助贷规则对应的助贷机构所设定的搜索规则；利用搜索规则对金融信息中的全部信息进行查询，若金融信息中不存在不符合搜索规则的信息，对金融信息进行赋值，得到评分。

在一种可能的实现方式中，评分预测模块42还用于获取第一助贷规则，其中，第一助贷规则用于表征与第一助贷规则对应的助贷机构所设定的搜索规则；利用搜索规则对金融信息中的全部信息进行查询，若金融信息中存在不符合搜索规则的信息，利用第二助贷评估规则对金融信息进行评估，得到评分。

在一种可能的实现方式中，第二助贷评估规则用于表征与第二助贷评估规则对应的助贷机构所设定的目标评估模型；

评分预测模块42还用于将金融信息输入目标评估模型，得到评分，其中，目标评估模型基于助贷机构对应的样本信息对LGB模型进行训练得到，样本信息用于表征在助贷机构办理过金融业务的用户的金融信息。

在一种可能的实现方式中，机构推荐模块43还用于选取多个评分中满足预设阈值的评分，得到目标用户对应的至少一个助贷机构，其中，多个评分中的每个评分的值在[0-1]区间内。

图5是本发明实施例提供的终端的示意图。如图5所示，该实施例的终端5包括：处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53。处理器51执行计算机程序53时实现上述各个助贷机构推荐方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，处理器51执行计算机程序53时实现上述各个助贷机构推荐装置实施例中各模块/单元的功能，例如图4所示模块/单元41至43的功能。

本发明还提供一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序被处理器执行时用于实现上述的各种实施方式提供的助贷机构推荐方法。

其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的助贷机构推荐方法。

在上述设备的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。