Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2017157165) CREDIT-SCORE MODEL TRAINING METHOD, AND CREDIT-SCORE CALCULATION METHOD, DEVICE, AND SERVER
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2017/157165 International Application No.: PCT/CN2017/075131
Publication Date: 21.09.2017 International Filing Date: 28.02.2017
IPC:
G06Q 40/02 (2012.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
Q
DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
40
Finance; Insurance; Tax strategies; Processing of corporate or income taxes
02
Banking, e.g. interest calculation, credit approval, mortgages, home banking or on-line banking
Applicants:
腾讯科技(深圳)有限公司 TENCENT TECHNOLOGY (SHENZHEN) COMPANY LIMITED [CN/CN]; 中国广东省深圳市 南山区高新区科技中一路腾讯大厦35层 35/F, Tencent Building Kejizhongyi Road, Midwest District of Hi-Tech Park Nanshan District Shenzhen, Guangdong 518057, CN
Inventors:
陈培炫 CHEN, Peixuan; CN
陈谦 CHEN, Qian; CN
李霖 LI, Lin; CN
吴三平 WU, Sanping; CN
庄伟亮 ZHUANG, Weiliang; CN
Agent:
北京三高永信知识产权代理有限责任公司 BEIJING SAN GAO YONG XIN INTELLECTUAL PROPERTY AGENCY CO., LTD.; 中国北京市 海淀区学院路蓟门里和景园A座1单元102室 A-1-102, He Jing Yuan, Ji Men Li, Xueyuan Road Haidian District Beijing 100088, CN
Priority Data:
201610145843.X15.03.2016CN
Title (EN) CREDIT-SCORE MODEL TRAINING METHOD, AND CREDIT-SCORE CALCULATION METHOD, DEVICE, AND SERVER
(FR) PROCÉDÉ D'APPRENTISSAGE DE MODÈLE DE COTE DE CRÉDIT, ET PROCÉDÉ DE CALCUL DE COTE DE CRÉDIT, ET SERVEUR
(ZH) 信用分数模型训练方法、信用分数计算方法、装置及服务器
Abstract:
(EN) Provided are a credit-score model training method, and a credit-score calculation method, device, and server, belonging to the field of credit assessment. The method comprises: obtaining the i-th credit score, the i-th relationship credit score, and default annotation information of a sample user (101); according to the i-th credit score, i-th relationship credit score, and default annotation information of the sample user, training a credit-score model and calculating to obtain the i+1th credit score of the sample user (102); if training end conditions are satisfied, then obtaining a training-complete credit-score model (103); the method solves the problem, when a user’s personal information is missing or erroneous, of it being difficult to accurately calculate the user’s credit score; by means of the user’s credit score and the relationship credit score calculated on the basis of the user’s social relationships, the target credit score of the user is comprehensively calculated, thereby expanding the range of coverage of the credit-score model and improving the accuracy of calculation of user credit scores.
(FR) La présente invention concerne un procédé d'apprentissage de modèle de de cote de crédit, et un procédé de calcul de cote de crédit, un dispositif, et un serveur, appartenant au domaine de l'évaluation du crédit. Le procédé consiste : à obtenir la cote de crédit i-ième, la cote de crédit de la relation i-ième, et les informations d'annotation de défaut d'un utilisateur d'échantillon (101) ; selon la cote de crédit i-ième, et la cote de crédit de la relation i-ième, et des informations d'annotation de défaut de l'utilisateur d'échantillon, à calculer et à apprendre un modèle de cote de crédit afin d'obtenir la cote de crédit i+1ième (102) ; si les conditions de fin d'apprentissage sont remplies, à obtenir ensuite un modèle de cote de crédit terminé d'apprentissage (103) ; le procédé résout le problème, lorsque les informations personnelles d'un utilisateur sont manquantes ou erronées, de la difficulté à calculer précisément la cote de crédit de l'utilisateur ; la cote de crédit de l'utilisateur et la cote de crédit de la relation calculées sur la base des relations sociales de l'utilisateur permettent à la cote de crédit cible de l'utilisateur d'être calculée de façon exhaustive, étendant ainsi la couverture du modèle de cote de crédit et améliorant la précision du calcul des cotes de crédit de l'utilisateur.
(ZH) 一种信用分数模型训练方法、信用分数计算方法、装置及服务器,属于信用评估领域。所述方法包括:获取样本用户的第i次信用分数、第i次关系信用分数和违约标注信息(101);根据样本用户的第i次信用分数、第i次关系信用分数和违约标注信息,训练信用分数模型,并计算得到样本用户的第i+1次信用分数(102);在满足训练结束条件时,得到训练完毕的信用分数模型(103);该方法解决了当用户个人的信息存在缺失或错误时,很难准确的计算出用户的信用分数的问题;通过用户的信用分数和基于用户的社交关系所计算出的关系信用分数综合计算出该用户的目标信用分数,达到了扩大信用分数模型覆盖范围,提高计算用户信用分数准确性的效果。
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)