(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 202111628143.3 (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 还款风险评分方法及装置 (57)摘要 本公开提供一种还款风险评分方法及 装置， 所述还款风险评分方法包括获取价值数据集， 其 中， 所述价值数据集包括用户的还款信息、 基本 信息、 外部资信收入信息、 用户的额度使用率、 借 还款频次及 逾期情况中至少一种； 基于所述价值 数据集、 以及预先定义的分类标签， 获取目标用 户在预设时间阈值借贷行为变化情况， 确定目标 用户还款时所属类别； 根据所述价值数据集、 目 标用户还款时所属类别， 通过预先构建的还款风 险评分模型， 确定所述目标用户的还款风险评 分。 本公开的还款风险评分方法能够对多头违约 带来的信贷风险进行量化， 从而为信贷策略的调 整提供依据， 有效利用多头信息， 模型架构合理， 计算快速而准确， 为信贷风险的控制提供有力的 数据支撑 。 权利要求书2页 说明书7页 附图1页 CN 114298827 A 2022.04.08 CN 114298827 A 1.一种还款 风险评分方法， 其特 征在于， 所述还款 风险评分方法包括： 获取价值数据集， 其中， 所述价值数据集包括用户的还款信息、 基本信息、 外部资信收 入信息、 用户的额度使用率、 借还款频次及逾期情况中至少一种； 基于所述价值数据集、 以及预先定义的分类标签， 获取目标用户在预设时间阈值借贷 行为变化情况， 确定目标用户还款时所属类别； 根据所述价值数据集、 目标用户还款时所属类别， 通过预先构建的还款风险评分模型， 确定所述目标用户的还款 风险评分。 2.根据权利要求1所述的还款风险评分方法， 其特征在于， 所述基于所述价值数据集、 以及预先定义的分类标签， 获取目标用户在预设时间阈值借贷行为变化情况， 确定目标用 户还款时所属类别的方法包括： 所述基于所述价值数据集、 以及预先定义的分类标签， 获取目标用户在预设时间阈值 借贷行为变化情况， 根据预 先构建的价 值分类模型确定目标用户还款时所属类别； 其中， 所述 价值分类模型的训练方法包括： 将所述价值数据集中用户的还款信 息、 基本信 息、 外部资信收入信 息、 用户的额度使用 率、 借还款频次及逾期情况中至少一种作为 价值分类模型的输入变量； 将所述价值数据集中各个信息对应的价值标签作为目标变量， 训练所述价值分类模 型。 3.根据权利要求1所述的还款 风险评分方法， 其特 征在于， 所述方法还 包括： 根据所述目标用户的还款 风险评分预测所述目标用户的违约风险； 通过判断所述目标用户的还款风险评分是否在预设评分阈值内， 判断所述目标用户的 违约风险， 若在预设评分阈值内， 则认定该用户不存在违约风险； 若不在预设评分阈值内， 则认定该用户存在违约风险。 4.根据权利要求1所述的还款风险评分方法， 其特征在于， 所述方法还包括训练所述还 款风险评分模型， 所述训练所述还款 风险评分模型的方法包括： 根据所述价值数据集中用户还款的借贷行为信 息定义分类标签， 将用户基本属性信 息 和借贷行为信息作为还款 风险评分模型的输入变量； 将用户的还款 风险评分作为目标变量， 训练所述还款 风险评分模型。 5.根据权利要求1所述的还款 风险评分方法， 其特 征在于， 所述方法还 包括： 将所述目标用户的还款风险评分作为输入变量， 作为预先构建的还款额度决策模型的 输入变量之一， 以使所述还款 额度决策模型判断是否需要调整目标用户的额度。 6.一种还款 风险评分装置， 其特 征在于， 所述还款 风险评分装置包括： 第一单元， 用于获取价值数据集， 其中， 所述价值数据集包括用户的还款信息、 基本信 息、 外部资信收入信息、 用户的额度使用率、 借还款频次及逾期情况中至少一种； 第二单元， 用于基于所述价值数据集、 以及预先定义的分类标签， 获取目标用户在预设 时间阈值借贷行为变化情况， 确定目标用户还款时所属类别； 第三单元， 用于根据 所述价值数据集、 目标用户还款 时所属类别， 通过预先构建的还款 风险评分模型， 确定所述目标用户的还款 风险评分。权　利　要　求　书 1/2 页 2 CN 114298827 A 27.根据权利要求6所述的还款 风险评分装置， 其特 征在于， 所述第二单 元还用于： 基于所述价值数据集、 以及预先定义的分类标签， 获取目标用户在预设时间阈值借贷 行为变化情况， 根据预 先构建的价 值分类模型确定目标用户还款时所属类别； 其中， 所述 价值分类模型的训练方法包括： 将所述价值数据集中用户的还款信 息、 基本信 息、 外部资信收入信 息、 用户的额度使用 率、 借还款频次及逾期情况中至少一种作为 价值分类模型的输入变量； 将所述价值数据集中各个信息对应的价值标签作为目标变量， 训练所述价值分类模 型。 8.根据权利要求6所述的还款风险评分装置， 其特征在于， 所述装置还包括第 四单元， 所述第四单 元用于： 根据所述目标用户的还款 风险评分预测所述目标用户的违约风险； 通过判断所述目标用户的还款风险评分是否在预设评分阈值内， 判断所述目标用户的 违约风险， 若在预设评分阈值内， 则认定该用户不存在违约风险； 若不在预设评分阈值内， 则认定该用户存在违约风险。 9.根据权利要求6所述的还款风险评分装置， 其特征在于， 所述装置还包括第五单元， 所述第五单 元用于训练所述还款 风险评分模型， 所述第五单 元用于： 根据所述价值数据集中用户还款的借贷行为信 息定义分类标签， 将用户基本属性信 息 和借贷行为信息作为还款 风险评分模型的输入变量； 将用户的还款 风险评分作为目标变量， 训练所述还款 风险评分模型。 10.根据权利要求6所述的还款风险评分装置， 其特征在于， 所述装置还包括第六单元， 所述第六 单元用于： 将所述目标用户的还款风险评分作为输入变量， 作为预先构建的还款额度决策模型的 输入变量之一， 以使所述还款 额度决策模型判断是否需要调整目标用户的额度。权　利　要　求　书 2/2 页 3 CN 114298827 A 3