(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111628098.1 (22)申请日 2021.12.28 (71)申请人 上海数禾信息科技有限公司 地址 200135 上海市浦东 新区中国 （上海） 自由贸易试验区金科路2889弄1号2层 201室 (72)发明人 乾春涛　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 代理人 高科 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) (54)发明名称 还款积极度评估方法及装置 (57)摘要 本公开提供一种还款积极度评估 方法。 所述 方法包括基于预先获取的用户数据， 其中， 所述 用户数据包括用户属性标签数据和用户借贷行 为标签数据； 根据所述用户数据， 确定用户在预 设时间阈值内的还款额度占所需还款总额的还 款比例； 基于所述还款比例和所述用户数据， 通 过预先构建的还款积极度评估模 型， 确定所述用 户的还款积极度评分。 本公开的还款积极度评估 方法在保证预测稳定性的前提下， 提高预测效 果， 应用于客户借款时未来的还款积极度评估和 借款中对还款积极度的监控， 该项技术自动化程 度高， 易于实现且 迭代维护成本低。 权利要求书2页 说明书7页 附图1页 CN 114298825 A 2022.04.08 CN 114298825 A 1.一种还款积极度评估方法， 其特 征在于， 所述方法包括： 基于预先获取的用户数据， 其中， 所述用户数据包括用户 属性标签数据和用户借贷行 为标签数据； 根据所述用户数据， 确定用户在预设时间阈值内的还款额度占所需还款总额的还款比 例； 基于所述还款比例和所述用户数据， 通过预先构建的还款积极度评估模型， 确定所述 用户的还款积极度评分。 2.根据权利要求1所述的还款积极度评估方法， 其特 征在于， 所述用户借贷行为数据包括表征分期还款、 正常还款、 提前还款、 逾期还款、 授信额度 的数据中的至少一个； 所述预设时间阈值包括10 0天、 3个月、 6个月中的至少一个。 3.根据权利要求1所述的还款积极度评估方法， 其特征在于， 所述基于所述还款比例和 所述用户数据， 通过预先构建的还款积极度评估模型， 确定所述用户的还款积极度评分的 方法包括： 所述基于所述还款比例和所述用户数据， 通过boost提升算法XGB确定所述用户的还款 积极度评分。 4.根据权利要求1至3中任一项所述的还款积极度评估方法， 其特征在于， 所述方法还 包括训练所述还款积极度评估 模型， 所述训练所述还款积极度评估 模型的方法包括： 基于预先获取的训练数据集， 其中， 所述训练数据集包括用户 属性训练标签数据和用 户借贷行为训练标签数据、 以及多个还款 额度占所需还款总额的还款比例； 通过boost提升算法XGB， 将所述训练数据集中的用户属性训练标签数据和用户借贷行 为训练标签数据、 以及多个还款额度占所需还款总额的还款比例作为输入变量， 将还款积 极度评分作为输出变量， 训练所述还款积极度评估 模型。 5.根据权利要求1所述的还款积极度评估方法， 其特 征在于， 所述方法还 包括： 将所述用户的还款积极度评分作为输入变量， 作为预先构建的金融风险分析模型的输 入变量之一， 以使所述金融风险分析模型对用户进行 金融风险分析。 6.一种还款积极度评估 装置， 其特 征在于， 所述装置包括： 第一单元， 用于基于预先获取的用户数据， 其中， 所述用户数据包括用户属性标签数据 和用户借贷行为标签数据； 第二单元， 用于根据所述用户数据， 确定用户在预设时间阈值内的还款额度占所需还 款总额的还款比例； 第三单元， 用于基于所述还款比例和所述用户数据， 通过预先构建的还款积极度评估 模型， 确定所述用户的还款积极度评分。 7.根据权利要求6所述的还款积极度评估 装置， 其特 征在于， 所述用户借贷行为数据包括表征分期还款、 正常还款、 提前还款、 逾期还款、 授信额度 的数据中的至少一个； 所述预设时间阈值包括10 0天、 3个月、 6个月中的至少一个。 8.根据权利要求6所述的还款积极度评估 装置， 其特 征在于， 所述第三单 元还用于： 所述基于所述还款比例和所述用户数据， 通过boost提升算法XGB确定所述用户的还款权　利　要　求　书 1/2 页 2 CN 114298825 A 2积极度评分。 9.根据权利要求6至8中任一项所述的还款积极度评估装置， 其特征在于， 所述装置还 包括第四单 元， 所述第四单 元用于： 基于预先获取的训练数据集， 其中， 所述训练数据集包括用户 属性训练标签数据和用 户借贷行为训练标签数据、 以及多个还款 额度占所需还款总额的还款比例； 通过boost提升算法XGB， 将所述训练数据集中的用户属性训练标签数据和用户借贷行 为训练标签数据、 以及多个还款额度占所需还款总额的还款比例作为输入变量， 将还款积 极度评分作为输出变量， 训练所述还款积极度评估 模型。 10.根据权利要求6所述的还款积极度评估装置， 其特征在于， 所述装置还包括第五单 元， 所述第五单 元用于： 将所述用户的还款积极度评分作为输入变量， 作为预先构建的金融风险分析模型的输 入变量之一， 以使所述金融风险分析模型对用户进行 金融风险分析。权　利　要　求　书 2/2 页 3 CN 114298825 A 3