基于逻辑回归的客户评分方法、装置、设备和存储介质与流程

摘要: 本发明涉及数据处理领域,尤其涉及一种基于逻辑回归的客户评分方法、装置、设备和存储介质。背景技术:1、在面向客户服务的各种机构中,基于客户信息对客户进行评分,以便...
基于逻辑回归的客户评分方法、装置、设备和存储介质与流程

本发明涉及数据处理领域,尤其涉及一种基于逻辑回归的客户评分方法、装置、设备和存储介质。

背景技术:

1、在面向客户服务的各种机构中,基于客户信息对客户进行评分,以便针对性地为客户提供匹配的服务,是提高服务质量和效率,节约资源的常用手段。

2、客户信息目前常采用结构化表格存储,当前,针对结构化表格数据的评分处理任务,常采用基于逻辑回归的评分卡技术方案,该类方案通常以逻辑回归模型作为评分引擎,通过对样本数据进行预处理、变量分箱、证据权重(weight of evidence,woe)编码即模型构建,生成对应的评分结果,并进一步转换为评分卡形式,包括基础分以及各特征分档对应的分值表。

3、虽然传统的基于逻辑回归的评分卡技术能够将结构化特征输入映射为可量化的评分输出,并形成规则化、可执行的评分计算结果,实现对输入样本的标准化评分处理,输出统一的评分结果。但传统的逻辑回归评分卡主要刻画全局性风险规律,对于局部复杂模式识别能力不足,在局部样本空间中存在系统性评分偏差,且难以同时兼顾精度提升与业务可解释性。

4、财报数据录入主要采用手工录入方式,但人工录入在进行数据转换时容易出错,若存在图片需要人工识别其中的数据后录入同样容易影响数据准确性,且不同来源的财报数据格式可能不同,还需要进行格式转换。在进行财报数据录入时,如果将错误数据录入系统,可能影响企业评级、授信等业务开展,因此亟需一种更准确地企业财报录入方法。

技术实现思路

1、本发明提供了一种基于逻辑回归的客户评分方法、装置、设备和存储介质,提高了客户评分的准确性。

2、根据本发明的一方面,提供了一种基于逻辑回归的客户评分方法,包括:

3、获取待评分客户的样本数据;

4、将样本数据输入逻辑回归主评分模型生成基础评分;

5、基于基础评分,对样本数据进行灰区识别,筛选出需要处理的灰区样本;

6、针对灰区样本执行局部校正处理,得到校正后的评分;

7、将非灰区样本的基础评分和灰区样本的校正后评分综合作为待评分客户的评分结果。

8、在一实施例中,将样本数据输入逻辑回归主评分模型生成基础评分,之前还包括:

9、获取训练数据;

10、对训练数据进行数据预处理;

11、基于预处理后的训练数据构建评价特征;

12、根据各评价特征训练得到逻辑回归主评分模型,其中,逻辑回归主评分模型中的各评价特征进行离散分箱编码处理。

13、在一实施例中,基于基础评分,对样本数据进行灰区识别,筛选出需要处理的灰区样本,包括:

14、将落入灰区样本区间的基础评分对应的样本数据标记为灰区候选样本;

15、基于逻辑回归主评分模型输出的基础风险概率计算各样本数据的不确定性指标,将不确定性指标小于预设阈值的样本数据标记为高不确定性样本;

16、对各样本数据的关键输入特征施加微小扰动并重新输入逻辑回归主模型,得到扰动后的基础评分,将扰动前后基础评分差异超过预设阈值的样本数据标记为高敏感性样本;

17、将灰区候选样本、高不确定性样本和高敏感性样本进行联合判定,得到需要处理的灰区样本。

18、在一实施例中,针对灰区样本执行局部校正处理,得到校正后的评分,包括:

19、针对灰区样本构建用于局部校正的灰区样本特征表,灰区样本特征表中包括各灰区样本对应的基础评分、基础风险概率、不确定性指标、敏感性指标和关键结构化特征;

20、将灰区样本特征表输入局部校正模型,得到灰区样本校正后的评分。

21、在一实施例中,将灰区样本特征表输入局部校正模型,得到灰区样本校正后的评分,包括:

22、将灰区样本特征表输入局部校正模型,得到灰区样本对应的校正类别,局部校正模型为基于transformer架构的预训练表格基础模型;

23、根据各灰区样本对应的校正类别映射生成各灰区样本的评分修正值;

24、将各灰区样本对应的基础评分与评分修正值之和作为各灰区样本校正后的评分。

25、在一实施例中,样本数据包括如下至少之一:客户基础属性数据、客户财务数据、客户交易行为数据、客户经营状态数据、客户历史风险标签数据。

26、根据本发明的另一方面,提供了一种基于逻辑回归的客户评分装置,包括:

27、数据获取模块,用于获取待评分客户的样本数据;

28、基础评分模块,用于将样本数据输入逻辑回归主评分模型生成基础评分;

29、灰区筛选模块,用于基于基础评分,对样本数据进行灰区识别,筛选出需要处理的灰区样本;

30、局部校正模块,用于针对灰区样本执行局部校正处理,得到校正后的评分;

31、评分输出模块,用于将非灰区样本的基础评分和灰区样本的校正后评分综合作为待评分客户的评分结果。

32、根据本发明的另一方面,提供了一种电子设备,包括:处理器,以及与处理器通信连接的存储器;

33、存储器存储计算机执行指令;

34、处理器执行存储器存储的计算机执行指令,以实现上述基于逻辑回归的客户评分方法。

35、根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述基于逻辑回归的客户评分方法。

36、根据本发明的另一方面,提供了一种计算机程序产品,包括计算机程序,其存储在计算机可读存储介质中,至少一个处理器可以从计算机可读存储介质读取计算机程序,至少一个处理器执行计算机程序时实现上述基于逻辑回归的客户评分方法。

37、本发明实施例的技术方案,在基于逻辑回归主评分模型为客户评分的基础上,对评分结果进行了灰区识别和局部校正,得到的最终评分结果消除了仅采用逻辑回归评分可能出现的评分局部偏差的问题,提高了对客户评分的精准度,避免由于评分偏差为客户提供或推荐不匹配的业务导致的资源浪费。

38、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种基于逻辑回归的客户评分方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述将所述样本数据输入逻辑回归主评分模型生成基础评分,之前还包括:

3.根据权利要求1所述的方法,其特征在于,所述基于所述基础评分,对所述样本数据进行灰区识别,筛选出需要处理的灰区样本,包括:

4.根据权利要求3所述的方法,其特征在于,所述针对所述灰区样本执行局部校正处理,得到校正后的评分,包括:

5.根据权利要求4所述的方法,其特征在于,所述将所述灰区样本特征表输入局部校正模型,得到所述灰区样本校正后的评分,包括:

6.根据权利要求1~5任一项所述的方法,其特征在于,所述样本数据包括如下至少之一:客户基础属性数据、客户财务数据、客户交易行为数据、客户经营状态数据、客户历史风险标签数据。

7.一种基于逻辑回归的客户评分装置,其特征在于,包括:

8.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的基于逻辑回归的客户评分方法。

10.一种计算机程序产品,其特征在于,包括计算机程序,其存储在计算机可读存储介质中,至少一个处理器可以从计算机可读存储介质读取计算机程序,至少一个处理器执行计算机程序时可实现如权利要求1~6任一项所述的基于逻辑回归的客户评分方法。