一种基于人工智能的金融贷款大数据管理方法及系统
文献发布时间:2023-06-19 19:07:35
技术领域
本发明涉及人工智能领域,尤其涉及一种基于人工智能的金融贷款大数据管理方法及系统。
背景技术
无抵押贷款,又称无担保贷款,或者是信用贷款。不需要任何抵押物,只需身份证明,收入证明,住址证明等材料、向银行申请的贷款,银行根据的是个人的信用情况来发放贷款。随着信息化时代的发展,申请个人无抵押贷款也可以在线申请。然而,现有技术中,对于用户信用信息进行评估的系统还不够完善。
本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
无贷款抵押时信息收集流程复杂,用户信用评估系统不够完善。
发明内容
本申请实施例通过提供一种基于人工智能的金融贷款大数据管理方法及系统,解决了现有技术中无贷款抵押时信息收集流程复杂,用户信用评估系统不够完善的技术问题。实现了基于人工智能和大数据信息处理技术,自动采集用户数据并从多角度对用户信用信息进行评估,从而提高借贷信息采集和处理的高效性技术目的。
鉴于上述问题,本申请实施例提供一种基于人工智能的金融贷款大数据管理方法及系统。
第一方面,本申请提供了一种基于人工智能的金融贷款大数据管理方法,应用于一智能借贷评估系统,其中,所述方法包括:获得第一用户信息;根据所述第一用户信息,获得第一用户平台信息;根据所述第一用户平台信息,获得第一用户消费记录;将所述第一用户消费记录输入第一数据分析模型,获得第一用户消费评价值;根据所述第一用户信息,获得第一用户理财信息;将所述第一用户理财信息输入第二数据分析模型,获得第一用户理财评价值;将所述第一用户消费评价值、所述第一用户理财评价值输入金融评估模型,获得第一评估结果;获得第一用户贷款信息;根据所述第一用户贷款信息,获得贷款评估规则;判断所述第一评估结果是否满足所述贷款评估规则中的要求;当满足时,获得第一贷款指令。
另一方面,本申请还提供了一种基于人工智能的金融贷款大数据管理系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一用户信息;第二获得单元,所述第二获得单元用于根据所述第一用户信息,获得第一用户平台信息;第三获得单元,所述第三获得单元用于根据所述第一用户平台信息,获得第一用户消费记录;第一输入单元,所述第一输入单元用于将所述第一用户消费记录输入第一数据分析模型,获得第一用户消费评价值;第四获得单元,所述第四获得单元用于根据所述第一用户信息,获得第一用户理财信息;第二输入单元,所述第二输入单元用于将所述第一用户理财信息输入第二数据分析模型,获得第一用户理财评价值;第三输入单元,所述第三输入单元用于将所述第一用户消费评价值、所述第一用户理财评价值输入金融评估模型,获得第一评估结果;第五获得单元,所述第五获得单元用于获得第一用户贷款信息;第六获得单元,所述第六获得单元用于根据所述第一用户贷款信息,获得贷款评估规则;第一判断单元,所述第一判断单元用于判断所述第一评估结果是否满足所述贷款评估规则中的要求;第七获得单元,所述第七获得单元用于当满足时,获得第一贷款指令。
另一方面,本申请实施例还提供了一种基于人工智能的金融贷款大数据管理学习系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了基于大数据技术,在用户进行线上申请借贷时,在能够获取的数据中尽可能挖掘信用信息,从大数据采集和大数据分析两个层面精炼信用信息,并基于神经网络模型对数据进行训练,从而精确地对于用户消费能力、理财能力进行评价,从而依据借贷评估规则,判断用户是否负荷放贷规则。实现了基于人工智能和大数据信息处理技术,自动采集用户数据并从多角度对用户信用信息进行评估,从而提高借贷信息采集和处理的高效性技术目的。
上述说明是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于人工智能的金融贷款大数据管理方法的流程示意图;
图2为本申请实施例一种基于人工智能的金融贷款大数据管理系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一输入单元14,第四获得单元15,第二输入单元16,第三输入单元17,第五获得单元18,第六获得单元19,第一判断单元20,第七获得单元21,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种基于人工智能的金融贷款大数据管理方法及系统,解决了现有技术中无贷款抵押时信息收集流程复杂,用户信用评估系统不够完善的技术问题。实现了基于人工智能和大数据信息处理技术,自动采集用户数据并从多角度对用户信用信息进行评估,从而提高借贷信息采集和处理的高效性技术目的。
下面,将参考附图详细的描述本申请的示例实施例,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
无抵押贷款,又称无担保贷款,或者是信用贷款。不需要任何抵押物,只需身份证明,收入证明,住址证明等材料、向银行申请的贷款,银行根据的是个人的信用情况来发放贷款。随着信息化时代的发展,申请个人无抵押贷款也可以在线申请。然而,现有技术中还存在着无贷款抵押时信息收集流程复杂,用户信用评估系统不够完善的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种基于人工智能的金融贷款大数据管理方法,应用于一智能借贷评估系统,其中,所述方法包括:获得第一用户信息;根据所述第一用户信息,获得第一用户平台信息;根据所述第一用户平台信息,获得第一用户消费记录;将所述第一用户消费记录输入第一数据分析模型,获得第一用户消费评价值;根据所述第一用户信息,获得第一用户理财信息;将所述第一用户理财信息输入第二数据分析模型,获得第一用户理财评价值;将所述第一用户消费评价值、所述第一用户理财评价值输入金融评估模型,获得第一评估结果;获得第一用户贷款信息;根据所述第一用户贷款信息,获得贷款评估规则;判断所述第一评估结果是否满足所述贷款评估规则中的要求;当满足时,获得第一贷款指令。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
如图1所示,本申请实施例提供了一种基于人工智能的金融贷款大数据管理方法,应用于一智能借贷评估系统,其中,所述方法包括:
步骤S100:获得第一用户信息;
具体而言,目前开展无抵押贷款的机构有银行、民间借贷,不需要任何抵押物,借贷人在进行网上借贷时,只需借贷人提供身份证明、收入证明、住址证明等相关资料,并以邮件或传真的形式发送至贷款机构,由贷款机构对申请人的资料可信度以及信用信息进行评估,从而判断是否放贷,并确定放贷信息。所述第一用户信息为第一用户的申请材料信息,包括用户身份信息、用户收入证明、银行卡资金流水信息等,所述智能借贷评估系统在接收到所述第一用户的所述第一用户信息之后,基于语义识别技术,对各项材料信息进行文本提取,并对文本进行预处理,从而对文本中的各项信息进行分类、提取,便于后续对文本内容进行智能分析。
步骤S200:根据所述第一用户信息,获得第一用户平台信息;
步骤S300:根据所述第一用户平台信息,获得第一用户消费记录;
具体而言,所述第一用户信息中包含第一用户的账户流水信息,因此基于大数据信息处理技术,由所述智能借贷评估系统依据用户的账户流水信息,获得各项资金的消费平台,即所述第一用户平台信息。举例而言,所述第一用户平台信息包括线上平台、线下平台,线上平台如支付宝、淘宝、京东等购物平台。获得各项资金的消费平台之后,通过获取用户消费记录查看权限,系统自动获取所述第一用户平台信息中各平台的用户的消费记录信息,通过进一步对用户消费记录进行分析、评估,构建用户的消费特点,从而对用户的消费类型进行评估,从而对借贷评估提供依据。
步骤S400:将所述第一用户消费记录输入第一数据分析模型,获得第一用户消费评价值;
具体而言,所述第一数据分析模型为一神经网络模型,神经网络是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。具有不断学习、获取经验,来处理输入数据的特点,在将所述第一用户消费记录输入第一数据分析模型之后,由模型对所述第一用户消费记录进行训练学习,从而获得对于第一用户的消费记录评价,即所述第一用户消费评价值,所述第一用户消费评价值越高,第一用户的消费行为越良好。举例而言,若通过分析,用户消费记录存在频繁、多次的大额消费记录,则用户的消费评价值就相应较低。
步骤S500:根据所述第一用户信息,获得第一用户理财信息;
步骤S600:将所述第一用户理财信息输入第二数据分析模型,获得第一用户理财评价值;
具体而言,从所述第一用户信息中的用户账户流水信息中,可获得各资金的操作和用途,因此依据所述第一用户信息,可获得所述第一用户的理财信息,包括用户所选择的理财产品、用户理财时间、理财收益、借贷情况等。通过将所述第一用户理财信息作为输入数据,输入至所述第二数据分析模型,通过训练数据,依据用户的理财信息对其理财能力及资产状况进行评估,从而获得所述第一用户理财评价值。其中,所述第二数据分析模型为一神经网络模型,能够通过深度学习对数据进行准确评估。
步骤S700:将所述第一用户消费评价值、所述第一用户理财评价值输入金融评估模型,获得第一评估结果;
具体而言,由于无抵押贷款在审核用户资料时,其本质为对用户的信用进行评估,与传统信用评分体系相比,基于大数据的信用评分模型大大提高了信用评分的覆盖率,同时将原有的结构化数据扩展至大量的非结构化数据,增加了数据信息的维度,另外,信贷数据在原始数据中所占比例显著下降,除了信贷数据,还包括网络数据、社交数据等,除了贷款记录、余额等信息,因此在基于神经网络模型分别对用户的消费情况、理财情况进行评估之后,将所述第一用户消费评价值、所述第一用户理财评价值输入所述金融评估模型,实现对用户金融信息的综合评估,获得所述第一评估结果。所述金融评估模型为神经网络模型,通过深度学习对数据进行处理,从而大大提高了对大数据的分析能力。
步骤S800:获得第一用户贷款信息;
步骤S900:根据所述第一用户贷款信息,获得贷款评估规则;
具体而言,所述第一用户贷款信息包括贷款类型、贷款额度。而不同类别、不同额度的贷款申请具有不同的借贷规则,即所述贷款评估规则,用于依据规则对用户进行评估,确定其是否满足贷款要求。举例而言,无抵押贷款类型包括薪金贷、业主贷、学历贷、私营业主贷等。其中,学历贷需要对用户的学历信息进行审核,并获得用户的年收入信息,当用户的学历及收入均满足借贷规则时,才可对用户放贷。用户通过线上申请贷款信息,系统依据数据库,对用户申请的所述第一用户贷款信息对应的所述贷款评估规则进行获取,从而依据规则,对用户进行进一步评估。
步骤S1000:判断所述第一评估结果是否满足所述贷款评估规则中的要求;
步骤S1100:当满足时,获得第一贷款指令。
具体而言,若所述智能借贷评估系统通过判断,获得所述第一评估结果满足所述贷款评估规则中的要求,并对贷款评估规则中的其余要求进行智能评估,且结果仍满足贷款评估规则,则系统自动获得所述第一贷款指令,并向贷款双方发送贷款确认信息,由借贷方和贷款方对贷款信息进行确认,双方进行信息确认之后,由系统对用户进行身份安全验证,验证通过之后,自动进行放贷操作。基于人工智能技术,提高了借贷流程的智能、便捷性。
进一步而言,本申请实施例步骤S300还包括:
步骤S310:获得预设时间信息;
步骤S320:根据所述预设时间信息、所述第一用户平台信息,获得平台消费记录;
步骤S330:根据所述平台消费记录,获得消费金额占比分析;
步骤S340:根据所述消费金额占比分析,获得第一占比信息,所述第一占比信息为所述消费金额占比分析中占比排序首位的消费内容;
步骤S350:根据所述第一占比信息,获得第一销售商品信息;
步骤S360:根据所述第一销售商品信息,获得第一商品属性;
步骤S370:当所述第一商品属性为第一类商品时,根据所述第一商品属性、所述第一销售商品信息,获得商品周期属性;
步骤S380:将所述第一商品属性、所述商品周期属性输入金额转化模型,获得第一转化金额;
步骤S390:根据所述平台消费记录、所述第一转化金额,获得所述第一用户消费记录。
具体而言,在所述预设时间信息之内,获得所述第一用户平台信息中各平台的用户消费记录信息,由于消费记录中含有各项消费的金额、类别、产品等,因此对所述平台消费记录中消费类别的消费金额进行分析,获得各类别消费在所述预设时间信息内消费总金额的所占比例信息。由于对用户进行消费评估时,一些耐消品如汽车、手机、家电的消费数额较大,而使用周期较长,若将这些属性的消费记录纳入消费分析列表,则会影响对于用户的消费评估值。因此在获得所述消费金额占比分析之后,提取占比最多的消费内容中的商品属性信息,若系统判断该商品为所述第一类商品(耐消品)时,结合该商品的周期属性,对该类商品进行金额转化,将商品的实际消费金额转化为可用于消费分析的消费比重金额。从而依据转化后的消费金额信息,对用户的消费记录进行评估,获得更为准确的所述第一用户消费记录。
进一步而言,本申请实施例步骤S500还包括:
步骤S510:根据所述第一用户信息,获得第一用户金融账户,其中,所述第一用户金融账户包括银行账户、证券账户、互联网金融账户;
步骤S520:根据所述第一用户贷款信息,获得数据提取时间要求;
步骤S530:根据所述数据提取时间要求、所述第一用户金融账户,获得金融账户流水信息;
步骤S540:根据所述金融账户流水信息,获得支出信息、收入信息;
步骤S550:根据所述支出信息,获得支出项目信息;
步骤S560:当所述支出项目信息具有第一属性时,获得第一支出评估值,所述第一支出评估值具有第一评估周期;
步骤S570:根据所述第一支出评估值,获得第二转化金额;
步骤S580:根据所述收入信息、所述第二转化金额,获得所述第一用户理财信息。
具体而言,依据贷款评估规则中所规定的评估时间,确定对于用户进行金融信息提取的时间要求,即所述数据提取时间要求,继而依据所述数据提取时间要求以及基于大数据所获得的用户的金融账户,对用户各金融账户的账户流水信息进行数据提取,获得各金融账户中对应的资金流水信息,对资金流水信息进行分析,从而判断是否含有各类理财支出,若含有,则在所述第一评估周期内对该理财项目的风险、收益亏损情况进行评估,获得该理财项目的风险评估值,即所述第一支出评估值,继而依据所述第一支出评估值对该项支出金额进行金额转化,将实际支出金额转化为所述第一评估周期内的预期支出金额,从而使得所获得的所述第一用户理财信息更为精确。
进一步而言,本申请实施例步骤S900还包括:
步骤S910:根据所述第一用户贷款信息,获得第一贷款属性;
步骤S920:将所述第一贷款属性输入第一风险评估模型,获得第一贷款风险值;
步骤S930:获得第一贷款金额;
步骤S940:将所述第一贷款金额、所述第一贷款属性输入第二风险评估模型,获得第二贷款风险值;
步骤S950:根据所述第一贷款风险值、所述第二贷款风险值,获得最终贷款风险评估值;
步骤S960:根据所述最终贷款风险评估值,获得评估级别;
步骤S970:根据所述评估级别,获得评估要求;
步骤S980:根据所述评估级别、所述评估要求,获得所述贷款评估规则。
具体而言,不同类别的贷款信息,贷款方都需要依据贷款属性以及贷款金额信息,对其进行风险评估,继而依据贷款风险评估值,确定对于借贷方不同的信用值、资产等要求等级。所述第一贷款风险值越高,所述评估级别越高。基于机器学习,通过将贷款属性信息和贷款金额信息作为输入数据,输入至所述第一风险评估模型、所述第二风险评估模型进行训练数据,从而获得所述最终贷款风险评估值,从而由系统依据评估值确定评估级别,并制定所述评估级别对应的评估规则,并将所述贷款评估规则将所述第一用户贷款信息进行数据映射,使得用户贷款评估规则制定更为完善。
进一步而言,本申请实施例步骤S700还包括:
步骤S710:将所述第一用户消费评价值作为第一输入信息;
步骤S720:将所述第一用户理财评价值作为第二输入信息;
步骤S730:将所述第一输入信息、所述第二输入信息输入所述金融评估模型,其中,所述金融评估模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一输入信息、所述第二输入信息和标识第一评估结果的标识信息;
步骤S740:获得所述金融评估模型的输出信息,所述输出信息包括所述第一评估结果。
具体而言,所述金融评估模型为一神经网络模型,所述神经网络模型通过多组训练数据训练获得,所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。所述多组中的训练数据中的每一组训练数据均包括所述第一输入信息、所述第二输入信息和标识第一评估结果的标识信息;利用所述第一评估结果及标识所述第一评估结果的标识信息,组建多组训练数据,在获得所述第一输入信息、所述第二输入信息的情况下,神经网络模型会输出所述第一评估结果的标识信息来对神经网络模型输出的所述第一评估结果进行校验,如果输出的所述第一评估结果同标识的所述第一评估结果相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果输出的所述第一评估结果同标识的所述第一评估结果不一致,则神经网络模型自身进行调整,直到神经网络模型达到预期的准确率后,进行下一组数据的监督学习。通过训练数据使神经网络模型自身不断地修正、优化,通过监督学习的过程来提高神经网络模型处理所述数据的准确性,进而使得所述第一评估结果更加准确。
进一步而言,本申请实施例步骤S740还包括:
步骤S741:当所述第一评估结果不满足所述贷款评估规则中的要求时,获得第一提醒信息,所述第一提醒信息中包括第一补充材料要求;
步骤S742:获得第一补充材料;
步骤S743:根据所述第一补充材料,获得第一补充材料评估值;
步骤S744:将所述第一补充材料评估值输入所述金融评估模型,获得第一预测评估结果;
步骤S745:通过对所述第一预测评估结果进行数据损失分析,获得第一损失数据;
步骤S746:将所述第一损失数据输入所述金融评估模型中进行训练,获得增量金融评估模型,其中,所述增量金融评估模型为所述金融评估模型进行增量学习后生成的新模型。
具体而言,当所述第一评估结果不满足所述贷款评估规则中的要求时,所述智能借贷评估系统对评估结果的未满足项进行提取、分析,从而判断是否存在材料缺失,若存在,获得所述第一提醒信息,提醒用户对所述第一补充材料进行补充,并对所述第一补充材料进行处理、评估,获得符合所述贷款评估规则的材料内容,即所述第一补充材料评估值,并将所述第一补充材料评估值输入所述金融评估模型,获得所述第一预测评估结果,继而在已获得所述第一评估结果的基础上,将所述第一预测评估结果中的评估数据作为缺损数据,对所述金融评估模型进行增量学习,获得所述增量金融评估模型作为新模型,通过增量学习对模型进行修正,从而减少模型响应时间,提高模型训练能力,减少对于补充材料的重复运算。
进一步而言,本申请实施例步骤S741还包括:
步骤S7411:根据所述第一评估结果、所述贷款评估规则,获得评价差值;
步骤S7412:判断所述评价差值是否处于预设调节范围内;
步骤S7413:当处于时,将所述第一用户消费评价值、所述评价差值输入第一材料解析模型中,获得第一解析要求;
步骤S7414:将所述第一用户理财评价值、所述评价差值输入第二材料解析模型,获得第二解析要求;
步骤S7415:根据所述第一解析要求、所述第二解析要求,获得所述第一补充材料要求。
具体而言,依据所述贷款评估规则之后,依据所述第一评估结果,获得所述第一评估结果与所述贷款评估规则之间的评价差值,所述评价差值包含各项不符合所述贷款评估规则的评价内容。判断所述评价差值是否处于预设调节范围内,即判断不满足所述贷款评估规则的各项评估内容是否为缺失证明材料所致,若处于所述预设调节范围内,则代表用户可通过补交缺失证明材料满足所述评价差值。因此分别通过所述第一材料解析模型、所述第二材料解析模型结合对于用户的各项评价结果,对所述评价差值中的缺失材料进行分析,从而获得所述第一补充材料要求,通过智能判断用户证明材料是否缺失,提高了网络借贷的智能、高效性。
综上所述,本申请实施例所提供的一种基于人工智能的金融贷款大数据管理方法具有如下技术效果:
1、由于采用了基于大数据技术,在用户进行线上申请借贷时,在能够获取的数据中尽可能挖掘信用信息,从大数据采集和大数据分析两个层面精炼信用信息,并基于神经网络模型对数据进行训练,从而精确地对于用户消费能力、理财能力进行评价,从而依据借贷评估规则,判断用户是否负荷放贷规则。实现了基于人工智能和大数据信息处理技术,自动采集用户数据并从多角度对用户信用信息进行评估,从而提高借贷信息采集和处理的高效性技术目的。
2、由于采用了通过神经网络模型进行训练学习,将所述第一用户消费评价值、所述第一用户理财评价值作为输入信息输入至所述金融评估模型,基于训练模型能够不断学习、获取经验来处理数据的特点,通过训练数据,使得所获得的所述第一评估结果更为准确。
3、由于采用了在已获得所述第一评估结果的基础上,对用户的补充材料进行评估,并评估结果中的评估数据作为缺损数据,对所述金融评估模型进行增量学习,获得所述增量金融评估模型作为新模型,通过增量学习对原有模型进行修正,从而减少模型响应时间,提高模型训练能力,减少对于补充材料的重复运算。
基于与前述实施例中一种基于人工智能的金融贷款大数据管理方法同样发明构思,本发明还提供了一种基于人工智能的金融贷款大数据管理系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一用户信息;
第二获得单元12,所述第二获得单元12用于根据所述第一用户信息,获得第一用户平台信息;
第三获得单元13,所述第三获得单元13用于根据所述第一用户平台信息,获得第一用户消费记录;
第一输入单元14,所述第一输入单元14用于将所述第一用户消费记录输入第一数据分析模型,获得第一用户消费评价值;
第四获得单元15,所述第四获得单元15用于根据所述第一用户信息,获得第一用户理财信息;
第二输入单元16,所述第二输入单元16用于将所述第一用户理财信息输入第二数据分析模型,获得第一用户理财评价值;
第三输入单元17,所述第三输入单元17用于将所述第一用户消费评价值、所述第一用户理财评价值输入金融评估模型,获得第一评估结果;
第五获得单元18,所述第五获得单元18用于获得第一用户贷款信息;
第六获得单元19,所述第六获得单元19用于根据所述第一用户贷款信息,获得贷款评估规则;
第一判断单元20,所述第一判断单元20用于判断所述第一评估结果是否满足所述贷款评估规则中的要求;
第七获得单元21,所述第七获得单元21用于当满足时,获得第一贷款指令。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得预设时间信息;
第九获得单元,所述第九获得单元用于根据所述预设时间信息、所述第一用户平台信息,获得平台消费记录;
第十获得单元,所述第十获得单元用于根据所述平台消费记录,获得消费金额占比分析;
第十一获得单元,所述第十一获得单元用于根据所述消费金额占比分析,获得第一占比信息,所述第一占比信息为所述消费金额占比分析中占比排序首位的消费内容;
第十二获得单元,所述第十二获得单元用于根据所述第一占比信息,获得第一销售商品信息;
第十三获得单元,所述第十三获得单元用于根据所述第一销售商品信息,获得第一商品属性;
第十四获得单元,所述第十四获得单元用于当所述第一商品属性为第一类商品时,根据所述第一商品属性、所述第一销售商品信息,获得商品周期属性;
第四输入单元,所述第四输入单元用于将所述第一商品属性、所述商品周期属性输入金额转化模型,获得第一转化金额;
第十五获得单元,所述第十五获得单元用于根据所述平台消费记录、所述第一转化金额,获得所述第一用户消费记录。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于根据所述第一用户信息,获得第一用户金融账户,其中,所述第一用户金融账户包括银行账户、证券账户、互联网金融账户;
第十七获得单元,所述第十七获得单元用于根据所述第一用户贷款信息,获得数据提取时间要求;
第十八获得单元,所述第十八获得单元用于根据所述数据提取时间要求、所述第一用户金融账户,获得金融账户流水信息;
第十九获得单元,所述第十九获得单元用于根据所述金融账户流水信息,获得支出信息、收入信息;
第二十获得单元,所述第二十获得单元用于根据所述支出信息,获得支出项目信息;
第二十一获得单元,所述第二十一获得单元用于当所述支出项目信息具有第一属性时,获得第一支出评估值,所述第一支出评估值具有第一评估周期;
第二十二获得单元,所述第二十二获得单元用于根据所述第一支出评估值,获得第二转化金额;
第二十三获得单元,所述第二十三获得单元用于根据所述收入信息、所述第二转化金额,获得所述第一用户理财信息。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于根据所述第一用户贷款信息,获得第一贷款属性;
第五输入单元,所述第五输入单元用于将所述第一贷款属性输入第一风险评估模型,获得第一贷款风险值;
第二十五获得单元,所述第二十五获得单元用于获得第一贷款金额;
第六输入单元,所述第六输入单元用于将所述第一贷款金额、所述第一贷款属性输入第二风险评估模型,获得第二贷款风险值;
第二十六获得单元,所述第二十六获得单元用于根据所述第一贷款风险值、所述第二贷款风险值,获得最终贷款风险评估值;
第二十七获得单元,所述第二十七获得单元用于根据所述最终贷款风险评估值,获得评估级别;
第二十八获得单元,所述第二十八获得单元用于根据所述评估级别,获得评估要求;
第二十九获得单元,所述第二十九获得单元用于根据所述评估级别、所述评估要求,获得所述贷款评估规则。
进一步的,所述系统还包括:
第三十获得单元,所述第三十获得单元用于将所述第一用户消费评价值作为第一输入信息;
第三十一获得单元,所述第三十一获得单元用于将所述第一用户理财评价值作为第二输入信息;
第七输入单元,所述第七输入单元用于将所述第一输入信息、所述第二输入信息输入所述金融评估模型,其中,所述金融评估模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一输入信息、所述第二输入信息和标识第一评估结果的标识信息;
第三十二获得单元,所述第三十二获得单元用于获得所述金融评估模型的输出信息,所述输出信息包括所述第一评估结果。
进一步的,所述系统还包括:
第三十三获得单元,所述第三十三获得单元用于当所述第一评估结果不满足所述贷款评估规则中的要求时,获得第一提醒信息,所述第一提醒信息中包括第一补充材料要求;
第三十四获得单元,所述第三十四获得单元用于获得第一补充材料;
第三十五获得单元,所述第三十五获得单元用于根据所述第一补充材料,获得第一补充材料评估值;
第八输入单元,所述第八输入单元用于将所述第一补充材料评估值输入所述金融评估模型,获得第一预测评估结果;
第三十六获得单元,所述第三十六获得单元用于通过对所述第一预测评估结果进行数据损失分析,获得第一损失数据;
第三十七获得单元,所述第三十七获得单元用于将所述第一损失数据输入所述金融评估模型中进行训练,获得增量金融评估模型,其中,所述增量金融评估模型为所述金融评估模型进行增量学习后生成的新模型。
进一步的,所述系统还包括:
第三十八获得单元,所述第三十八获得单元用于根据所述第一评估结果、所述贷款评估规则,获得评价差值;
第二判断单元,所述第二判断单元用于判断所述评价差值是否处于预设调节范围内;
第三十九获得单元,所诉第三十九获得单元用于当处于时,将所述第一用户消费评价值、所述评价差值输入第一材料解析模型中,获得第一解析要求;
第四十获得单元,所述第四十获得单元用于将所述第一用户理财评价值、所述评价差值输入第二材料解析模型,获得第二解析要求;
第四十一获得单元,所述第四十一获得单元用于根据所述第一解析要求、所述第二解析要求,获得所述第一补充材料要求。
前述图1实施例一中的一种基于人工智能的金融贷款大数据管理方法和具体实例同样适用于本实施例的一种基于人工智能的金融贷款大数据管理系统,通过前述对一种基于人工智能的金融贷款大数据管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于人工智能的金融贷款大数据管理系统,所以为了说明书的简洁,在此不再详述。
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例一种基于人工智能的金融贷款大数据管理方法的发明构思,本发明还提供一种基于人工智能的金融贷款大数据管理系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于人工智能的金融贷款大数据管理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请提供了一种基于人工智能的金融贷款大数据管理方法,应用于一智能借贷评估系统,其中,所述方法包括:获得第一用户信息;根据所述第一用户信息,获得第一用户平台信息;根据所述第一用户平台信息,获得第一用户消费记录;将所述第一用户消费记录输入第一数据分析模型,获得第一用户消费评价值;根据所述第一用户信息,获得第一用户理财信息;将所述第一用户理财信息输入第二数据分析模型,获得第一用户理财评价值;将所述第一用户消费评价值、所述第一用户理财评价值输入金融评估模型,获得第一评估结果;获得第一用户贷款信息;根据所述第一用户贷款信息,获得贷款评估规则;判断所述第一评估结果是否满足所述贷款评估规则中的要求;当满足时,获得第一贷款指令。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
- 一种基于大数据的互联网金融用户贷款逾期预测方法
- 一种基于去隐私数据的金融贷款大数据风险评估方法与系统
- 一种基于去隐私数据的金融贷款大数据风险评估方法与系统