信用风险识别方法、装置、设备及存储介质与流程

技术特征：
1.一种信用风险识别方法，其特征在于，包括：获取待投保用户的贷款历史数据，所述贷款历史数据包括所述待投保用户在以往贷款时记录的用户资质数据、信息变更数据和用户标签数据；将所述用户资质数据输入至预先训练好的随机森林模型进行分类，得到第一信用风险等级；将所述信息变更数据输入至训练好的梯度提升树模型进行预测，得到多个风险类别对应的概率信息，根据多个所述概率信息确定第二信用风险等级；根据所述用户标签数据和预设聚类算法，确定第三信用风险等级；根据所述第一信用风险等级、第二信用风险等级和第三信用风险等级，确定所述待投保用户的信用风险识别结果。2.如权利要求1所述的信用风险识别方法，其特征在于，所述根据所述用户标签数据和预设聚类算法，确定第三信用风险等级，包括：对所述用户标签数据进行分词处理，以获取标签特征数据集；根据预设聚类算法对所述标签特征数据集进行聚类处理，得到聚类结果；根据所述聚类结果确定第三信用风险等级。3.如权利要求2所述的信用风险识别方法，其特征在于，所述根据预设聚类算法对所述标签特征数据集进行聚类处理，得到聚类结果，包括：根据预设聚类算法计算所述标签特征数据集中的多个标签特征数据的位置坐标；根据多个所述标签特征数据的位置坐标，在预设坐标系中生成多个节点；根据多个所述节点的位置坐标，计算每两个所述节点之间的欧式距离；根据每两个所述节点之间的欧式距离，对多个所述节点进行聚类，得到至少一个聚类簇。4.如权利要求2所述的信用风险识别方法，其特征在于，所述根据所述聚类结果确定第三信用风险等级，包括：确定所述聚类结果与预设的多个样本聚类结果中的每个样本聚类结果之间的匹配度；从多个所述匹配度中选取目标匹配度，并将所述目标匹配度对应的信用风险等级作为第三信用风险等级。5.如权利要求1所述的信用风险识别方法，其特征在于，所述信息变更数据包括企业信息变更数据和贷款信息更新数据；所述将所述信息变更数据输入至训练好的梯度提升树模型进行预测，得到多个风险类别对应的概率信息，包括：根据所述企业信息变更数据和贷款信息更新数据，生成数据样本对；将所述数据样本对输入至训练好的梯度提升树模型进行处理，得到多个风险类别以及每个所述风险类别对应的概率信息；所述根据多个所述概率信息确定第二信用风险等级，包括：从多个所述概率信息中确定数值最大的目标概率信息，并确定所述目标概率信息对应的目标风险类别；根据所述目标概率信息，从所述目标风险类别对应的多个信用风险等级中确定第二信用风险等级。6.如权利要求1
‑
5中任一项所述的信用风险识别方法，其特征在于，所述将所述用户资
质数据输入至训练好的随机森林模型进行分类，得到第一信用风险等级之前，还包括：对所述用户资质数据进行数据清洗，得到第一用户资质数据；对所述第一用户资质数据进行数据结构化处理，得到第二用户资质数据；将所述第二用户资质数据输入至训练好的随机森林模型进行分类，得到第一信用风险等级。7.如权利要求1
‑
5中任一项所述的信用风险识别方法，其特征在于，所述根据所述第一信用风险等级、第二信用风险等级和第三信用风险等级，确定所述待投保用户的信用风险识别结果，包括：根据所述第一信用风险等级和第一预设系数，计算第一信用风险分数；根据所述第二信用风险等级和第二预设系数，计算第二信用风险分数；根据所述第三信用风险等级和第三预设系数，计算第三信用风险分数；根据所述第一信用风险分数、第二信用风险分数和第三信用风险分数，计算所述待投保用户的信用风险分数。8.一种信用风险识别装置，其特征在于，所述信用风险识别装置包括：获取模块，用于获取待投保用户的贷款历史数据，所述贷款历史数据包括所述待投保用户在以往贷款时记录的用户资质数据、信息变更数据和用户标签数据；分类模块，用于将所述用户资质数据输入至预先训练好的随机森林模型进行分类，得到第一信用风险等级；预测模块，用于将所述信息变更数据输入至训练好的梯度提升树模型进行预测，得到多个风险类别对应的概率信息，根据多个所述概率信息确定第二信用风险等级；聚类模块，用于根据所述用户标签数据和预设聚类算法，确定第三信用风险等级；确定模块，用于根据所述第一信用风险等级、第二信用风险等级和第三信用风险等级，确定所述待投保用户的信用风险识别结果。9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的信用风险识别方法的步骤。10.一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上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的信用风险识别方法的步骤。

技术总结
本申请涉及人工智能技术，提供一种信用风险识别方法、装置、设备及存储介质，该方法包括：获取待投保用户在以往贷款时记录的用户资质数据、信息变更数据和用户标签数据；将用户资质数据输入至预先训练好的随机森林模型进行分类，得到第一信用风险等级；将信息变更数据输入至训练好的梯度提升树模型进行预测，得到多个风险类别对应的概率信息，根据多个概率信息确定第二信用风险等级；根据用户标签数据和预设聚类算法，确定第三信用风险等级；根据第一信用风险等级、第二信用风险等级和第三信用风险等级，确定信用风险识别结果。本申请还涉及区块链，能够提高投保险用户进行信用风险识别的准确率。识别的准确率。识别的准确率。


技术研发人员：童阳 伍勇
受保护的技术使用者：中国平安财产保险股份有限公司
技术研发日：2021.08.19
技术公布日：2021/11/16