一种贷款审批方法和装置与流程

1.本发明涉及计算机技术领域，特别涉及人工智能技术领域，尤其涉及一种贷款审批方法和装置。


背景技术：

2.目前，在对用户申请的贷款进行审批时，通常需要审批人员进行人工审批。贷款审批的过程中需要非常多的材料，需要人工对逐项数据进行审核，导致容易出现审批失误且审批过程主观的问题，且人工流程复杂，审批效率低下，导致用户体验较差。


技术实现要素：

3.本发明的一个目的在于提供一种贷款审批方法，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。本发明的另一个目的在于提供一种贷款审批装置。本发明的再一个目的在于提供一种计算机可读介质。本发明的还一个目的在于提供一种计算机设备。
4.为了达到以上目的，本发明一方面公开了一种贷款审批方法，包括：
5.对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；
6.通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。
7.优选的，对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值，包括：
8.通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值。
9.优选的，用户数据包括多个属性类别和每个属性类别下的用户特征；
10.通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值，包括：
11.对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益；
12.根据信息增益，从用户特征中提取出每个属性类别下的最优特征值。
13.优选的，在通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果之前，还包括：
14.获取历史数据；
15.通过历史数据，对支持向量机算法进行训练，构建出审批模型。
16.优选的，用户数据包括用户征信、用户收入证明、用户房产信息、是否为首套购房、用户年龄、用户职业信息、用户婚姻状态和用户流水信息。
17.本发明还公开了一种贷款审批装置，包括：
18.特征提取单元，用于对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；
19.审批单元，用于通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。
20.优选的，特征提取单元，具体用于通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值。
21.优选的，用户数据包括多个属性类别和每个属性类别下的用户特征；
22.特征提取单元，具体用于对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益；根据信息增益，从用户特征中提取出每个属性类别下的最优特征值。
23.优选的，装置还包括：
24.获取单元，用于获取历史数据；
25.训练单元，用于通过历史数据，对支持向量机算法进行训练，构建出审批模型。
26.本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
27.本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。
28.本发明还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。
29.本发明对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。
附图说明
30.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1为本发明实施例提供的一种贷款审批方法的流程图；
32.图2为本发明实施例提供的又一种贷款审批方法的流程图；
33.图3为本发明实施例提供的一种提取最优特征值的流程图；
34.图4为本发明实施例提供的一种贷款审批装置的结构示意图；
35.图5为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
36.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。
37.需要说明的是，本技术公开的一种贷款审批方法和装置可用于人工智能技术领域，也可用于除人工智能技术领域之外的任意领域，本技术公开的一种贷款审批方法和装置的应用领域不做限定。
38.下面以贷款审批装置作为执行主体为例，说明本发明实施例提供的贷款审批方法
的实现过程。可理解的是，本发明实施例提供的贷款审批方法的执行主体包括但不限于贷款审批装置。
39.图1为本发明实施例提供的一种贷款审批方法的流程图，如图1所示，该方法包括：
40.步骤101、对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值。
41.步骤102、通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。
42.本发明实施例提供的技术方案中，对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。
43.图2为本发明实施例提供的又一种贷款审批方法的流程图，如图2所示，该方法包括：
44.步骤201、对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值。
45.具体地，通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值。
46.本发明实施例中，决策树模型采用id3决策树。决策树模型是预先构建的，具体地，获取用户样本数据，用户样本数据包括多个样本属性类别、每个样本属性类别下的样本用户特征和每个样本属性类别下的最优特征值；将多个样本属性类别、每个样本属性类别下的样本用户特征和每个样本属性类别下的最优特征值输入id3决策树，对id3决策树进行训练，得到决策树模型。
47.本发明实施例中，用户数据包括多个属性类别和每个属性类别下的用户特征；用户数据的多个属性类别包括但不限于用户征信、用户收入证明、用户房产信息、是否为首套购房、用户年龄、用户职业信息、用户婚姻状态和用户流水信息。
48.图3为本发明实施例提供的一种提取最优特征值的流程图，如图3所示，步骤201具体包括：
49.步骤2011、对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益。
50.具体地，通过其中，对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益。其中，gain(d,a)为属性类别a下的信息增益，d为总的用户特征，a为属性类别，v为在属性类别a中的v类样本，ent(d)表示用户特征信息熵(entropy)，k表示在用户特征d中的第k类用户特征，pk表示第k类用户特征所占总的用户特征的概率。
51.本发明实施例中，信息增益越大，表明该属性类别对分类的相关性越大；信息增益越小，表明该属性类别对分类的相关性越小。
52.本发明实施例中，信息熵越小，表明纯度越高；信息熵越大，表明纯度越低。
53.步骤2012、根据信息增益，从用户特征中提取出每个属性类别下的最优特征值。
54.本发明实施例中，通过决策树模型，根据每个属性类别下的信息增益，选取出每个属性类别下的最优特征值。具体地，将每个属性类别下的信息增益输入决策树模型，输出每
个属性类别下的最优特征值。
55.值得说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
56.步骤202、获取历史数据。
57.本发明实施例中，可以从数据库中获取用户的历史数据，历史数据包括但不限于多个历史属性类别和每个历史属性类别下的最优特征值。
58.步骤203、通过历史数据，对支持向量机(svm)算法进行训练，构建出审批模型。
59.本发明实施例中，以5个历史数据为例，将5个特征值用x向量表示，本发明实施例中向量维度为5，即：5个特征值；输出结果用y表示，例如：y＝1或者y＝-1分别代表两种不同的输出结果，即：贷款审批成功或者贷款审批失败。具体地，将5个特征值和对应的输出结果y输入svm算法进行训练，构建审批模型。
60.其中，svm线性分类器在5维数据空间中的方程可为ω
t
x+b＝0，ω
t
为5维向量ω的转置，x为最优特征值，b为实数；约束条件为svm线性分类器中两条边界线(ωx+b＝1和ωx+b＝-1)之间的距离γ等于两条边界线到ωx+b＝0的距离之和，此时可以求得距离为当距离γ为最大值，即：ω为最小值，svm线性分类器输出最优解。
61.值得说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
62.步骤204、通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。
63.具体地，将每个属性类别下的最优特征值输入审批模型，输出贷款审批结果。贷款审批结果包括贷款审批成功或者贷款审批失败。
64.进一步地，将贷款审批结果发送至用户终端，可以及时通知用户申请的贷款的审批结果。
65.值得说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
66.本发明实施例提供的贷款审批方法的技术方案中，对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。
67.图4为本发明实施例提供的一种贷款审批装置的结构示意图，该装置用于执行上述贷款审批方法，如图4所示，该装置包括：特征提取单元11和审批单元12。
68.特征提取单元11用于对获取的用户数据进行特征提取，得到每个属性类别下的最
优特征值。
69.审批单元12用于通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果。
70.本发明实施例中，特征提取单元12具体用于通过决策树模型，对用户数据进行特征提取，得到每个属性类别下的最优特征值。
71.本发明实施例中，用户数据包括多个属性类别和每个属性类别下的用户特征；特征提取单元12具体用于对每个属性类别下的用户特征进行计算，得到每个属性类别下的信息增益；根据信息增益，从用户特征中提取出每个属性类别下的最优特征值。
72.本发明实施例中，装置还包括：获取单元13和训练单元14。
73.获取单元13用于获取历史数据。
74.训练单元14用于通过历史数据，对支持向量机算法进行训练，构建出审批模型。
75.本发明实施例的方案中，对获取的用户数据进行特征提取，得到每个属性类别下的最优特征值；通过构建的审批模型，根据每个属性类别下的最优特征值，得到贷款审批结果，自动对贷款进行审批，审批过程客观，提高审批正确性和审批效率，从而提升用户体验。
76.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
77.本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述贷款审批方法的实施例的各步骤，具体描述可参见上述贷款审批方法的实施例。
78.下面参考图5，其示出了适于用来实现本技术实施例的计算机设备600的结构示意图。
79.如图5所示，计算机设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的工作和处理。在ram603中，还存储有计算机设备600操作所需的各种程序和数据。cpu601、rom602、以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
80.以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶反馈器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
81.特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆
卸介质611被安装。
82.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
83.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
84.本发明是参照根据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装置。
85.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装置的制造品，该指令装置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。
86.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。
87.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
88.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
89.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术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，本技术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。
90.本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组
件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
91.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
92.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。