Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019061187) CREDIT EVALUATION METHOD AND APPARATUS AND GRADIENT BOOSTING DECISION TREE PARAMETER ADJUSTMENT METHOD AND APPARATUS
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/061187 International Application No.: PCT/CN2017/104069
Publication Date: 04.04.2019 International Filing Date: 28.09.2017
IPC:
G06Q 30/06 (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
30
Commerce, e.g. shopping or e-commerce
06
Buying, selling or leasing transactions
Applicants:
深圳乐信软件技术有限公司 SHENZHEN LEXIN SOFTWARE TECHNOLOGY CO., LTD. [CN/CN]; 中国广东省深圳市 南山区粤海街道科苑南路3099号中国储能大厦第24层 24th Floor China Energy Storage Building, No. 3099 Keyuan South Road, Yuehai Street, Nanshan District Shenzhen, Guangdong 518000, CN
Inventors:
赵敏 ZHAO, Min; CN
林磊 LIN, Lei; CN
Agent:
北京品源专利代理有限公司 BEYOND ATTORNEYS AT LAW; 中国北京市 海淀区莲花池东路39号西金大厦6层 F6, Xijin Centre 39 Lianhuachi East Rd., Haidian District Beijing 100036, CN
Priority Data:
Title (EN) CREDIT EVALUATION METHOD AND APPARATUS AND GRADIENT BOOSTING DECISION TREE PARAMETER ADJUSTMENT METHOD AND APPARATUS
(FR) PROCÉDÉ ET APPAREIL D'ÉVALUATION DE CRÉDIT ET PROCÉDÉ ET APPAREIL DE RÉGLAGE DE PARAMÈTRES PAR ARBRE DE DÉCISION AVEC ACCENTUATION DE GRADIENT
(ZH) 信用评价方法和装置以及梯度渐进决策树参数调整方法和装置
Abstract:
(EN) A credit evaluation method and apparatus and a gradient boosting decision tree parameter adjustment method and apparatus, the credit evaluation method comprising: respectively inputting first sample data into at least two gradient boosting decision tree GBDT models to obtain a first overdue credit probability set, the first sample data being credit data of a first user set; respectively inputting second sample data into at least two GBDT models to obtain a second overdue credit probability set, the second sample data being credit data of a second user set; the GBDT parameters of the at least two GBDT models are different; on the basis of the first overdue credit probability set and the second overdue credit probability set, implementing KS value calculation and, on the basis of the calculation result, determining a target GBDT model from amongst the at least two GBDT models; and, on the basis of the target GBDT model, performing a credit evaluation of a user.
(FR) Procédé et appareil d'évaluation de crédit et procédé et appareil de réglage de paramètres par arbre de décision avec accentuation de gradient, le procédé d'évaluation de crédit comportant les étapes consistant à: introduire respectivement des premières données d'échantillon dans au moins deux modèles à arbre de décision avec accentuation de gradient, GBDT, pour obtenir un premier ensemble de probabilités d'arriérés de crédit, les premières données d'échantillon étant des données de crédit d'un premier ensemble d'utilisateurs; introduire respectivement des secondes données d'échantillon dans au moins deux modèles GBDT pour obtenir un second ensemble de probabilités d'arriérés de crédit, les secondes données d'échantillon étant des données de crédit d'un second ensemble d'utilisateurs; les paramètres de GBDT desdits au moins deux modèles GBDT étant différents; d'après le premier ensemble de probabilités d'arriérés de crédit et le second ensemble de probabilités d'arriérés de crédit, réaliser un calcul de valeurs de KS et, sur la base du résultat de calcul, déterminer un modèle GBDT cible parmi lesdits au moins deux modèles GBDT; et, sur la base du modèle GBDT cible, effectuer une évaluation de crédit d'un utilisateur.
(ZH) 信用评价方法和装置以及梯度渐进决策树参数调整方法和装置,该信用评价方法可以包括:将第一样本数据分别输入至少两个梯度渐进决策树GBDT模型中,得到第一信用逾期概率集,所述第一样本数据为第一用户集的信用数据;将第二样本数据分别输入所述至少两个GBDT模型中,得到第二信用逾期概率集,所述第二样本数据为第二用户集的信用数据;所述至少两个GBDT模型的GBDT参数不同;根据所述第一信用逾期概率集和所述第二信用逾期概率集进行KS值计算,根据计算结果,从所述至少两个GBDT模型中确定目标GBDT模型;以及根据所述目标GBDT模型对用户进行信用评价。
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, JO, 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)