申请/专利权人：中国银行股份有限公司

申请日：2023-11-17

公开（公告）日：2024-03-08

公开（公告）号：CN117670509A

主分类号：G06Q40/03

分类号：G06Q40/03;G06N5/01;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本申请公开了违约风险预测模型训练和违约风险预测方法及相关装置，可应用于人工智能领域或金融领域。若使用包含重要程度小于或等于第一阈值的候选属性特征或者显著性水平高于预设显著性水平的属性特征以及衍生特征的样本客户训练违约风险预测模型，不仅会降低违约风险预测模型输出的违约风险概率的准确性，还会增大训练违约风险预测模型过程中的数据量。所以使用包含多个目标属性特征和目标衍生特征的样本客户训练违约风险预测模型，大大降低了训练违约风险预测模型过程中的数据量，且，提高了违约风险预测模型输出违约风险概率的准确性。所以可以得到准确的待测客户的违约风险概率，从而可以确定是否为待测客户办理贷款。

主权项：1.一种违约风险预测模型训练方法，其特征在于，包括：获取多个候选属性特征分别对应的重要程度，多个所述候选属性特征包括：客户基本信息、个人住房贷款申请信息以及贷款抵押物信息；从多个所述候选属性特征中获取所述重要程度的绝对值大于或等于第一阈值的属性特征；将样本客户的所述属性特征的属性值作为输入，将所述样本客户的标注违约风险概率作为训练目标，训练得到梯度提升决策树模型，所述梯度提升决策树模型包括一个或多个决策树，所述决策树包含的每一非叶子节点对应一个属性特征，一个所述非叶子节点对应的多个子节点是基于所述非叶子节点对应的属性特征的属性值划分的；针对每一所述决策树，获取所述决策树中的叶子节点对应的衍生特征，所述叶子节点对应的衍生特征为所述决策树由父节点至所述叶子节点途经的属性特征以及属性值组成的；将样本客户的所述属性特征的属性值以及所述衍生特征的属性值作为输入，将所述样本客户的标注违约风险概率作为训练目标，训练得到逻辑回归模型；从所述逻辑回归模型中获取所述属性特征对应的显著性水平以及所述衍生特征对应的显著性水平；从所述属性特征以及所述衍生特征中，获取所述显著性水平低于或等于预设显著性水平的目标属性特征以及目标衍生特征；将样本客户的所述目标属性特征的属性值以及所述目标衍生特征的属性值作为输入，以所述样本客户的标注违约风险概率作为训练目标，训练得到违约风险预测模型。

全文数据：

权利要求：

百度查询： 中国银行股份有限公司 违约风险预测模型训练和违约风险预测方法及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD