(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 202111628172.X (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 40/08(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) (54)发明名称 风险评分方法及装置 (57)摘要 本公开提供一种风险评 分方法及装置， 所述 方法包括基于预先获取的用户数据， 其中， 所述 用户数据包括用户基本属性信息、 用户的多头信 息以及用户的违约信息； 基于所述用户数据， 获 取用户在预设时间阈值内多头信息的变化情况， 确定用户的多头违约分类标签； 根据所述用户数 据以及所述多头违约分类标签， 通过预先构建的 风险评分模型， 确定所述用户的多头风险评分。 本公开的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 114298850 A 2022.04.08 CN 114298850 A 1.一种风险评分方法， 其特 征在于， 所述 风险评分方法包括： 基于预先获取的用户数据， 其中， 所述用户数据包括用户基本属性信 息、 用户的多头信 息以及用户的违约信息； 基于所述用户数据， 获取用户在预设时间阈值内多头信息的变化情况， 确定用户的多 头违约分类标签； 根据所述用户数据以及所述多头违约分类标签， 通过预先构建的风险评分模型， 确定 所述用户的多头风险评分。 2.根据权利要求1所述的风险评分方法， 其特征在于， 所述多头信 息包括以下的至少一 种： 多头查询信息、 多头命中信息； 所述多头信息是多个预定时间期限内的多头信息； 违约用户是指违约时间超过 预定时长的用户； 多头违约风险是从当前时间起始的预定时长范围内的违约风险。 3.根据权利要求1所述的风险评分方法， 其特 征在于， 所述方法还 包括： 根据所述用户的多头风险评分预测用户的多头借贷违约风险； 通过判断所述多头风险评分是否在预设评分阈值内， 判断用户的多头借贷违约风险， 若在预设评分阈值范围内， 则认定该用户的多头借贷违约风险低于预设值； 若不在预设评分阈值范围， 则认定该用户的多头借贷违约风险高于预设值。 4.根据权利要求1所述的风险评分方法， 其特 征在于， 所述方法还 包括： 将用户的多头风险评分作为输入变量， 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。 5.根据权利要求1至4中任一项所述的风险评分方法， 其特征在于， 所述方法还包括训 练所述风险评分模型， 所述训练所述 风险评分模型的方法包括： 基于预先获取的训练数据集， 其中， 所述训练数据集包括多个训练用户基本属性信 息、 训练用户多头信息以及训练用户违约信息； 从所述训练数据集中选取违约用户的数据， 并为违约用户分配多头违约分类标签， 将违约用户的基本属性信 息作为输入变量， 将违约用户的多头违约分类标签作为目标 变量， 通过bo ost提升算法XGB训练所述 风险评分模型。 6.一种风险评分装置， 其特 征在于， 所述 风险评分装置包括： 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基本属性信 息、 用户的多头信息以及用户的违约信息； 第二单元， 用于基于所述用户数据， 获取用户在预设时间阈值内多头信息的变化情况， 确定用户的多头违约分类标签； 第三单元， 用于根据所述用户数据以及所述多头违约分类标签， 通过预先构建的风险 评分模型， 确定所述用户的多头风险评分。 7.根据权利要求6所述的风险评分装置， 其特征在于， 所述多头信 息包括以下的至少一 种： 多头查询信息、 多头命中信息； 所述多头信息是多个预定时间期限内的多头信息； 违约用户是指违约时间超过 预定时长的用户； 多头违约风险是从当前时间起始的预定时长范围内的违约风险。权　利　要　求　书 1/2 页 2 CN 114298850 A 28.根据权利要求6所述的风险评分装置， 其特征在于， 所述装置还包括第 四单元， 所述 第四单元用于： 根据所述用户的多头风险评分预测用户的多头借贷违约风险； 通过判断所述多头风险评分是否在预设评分阈值内， 判断用户的多头借贷违约风险， 若在预设评分阈值范围内， 则认定该用户的多头借贷违约风险低于预设值； 若不在预设评分阈值范围， 则认定该用户的多头借贷违约风险高于预设值。 9.根据权利要求6所述的风险评分装置， 其特征在于， 所述装置还包括第五单元， 所述 第五单元用于： 将用户的多头风险评分作为输入变量， 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。 10.根据权利要求6至9中任一项所述的风险评分装置， 其特征在于， 所述装置还包括第 六单元， 所述第六单元用于训练所述风险评分模型， 所述训练所述风险评分模型 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多个训练用户基本属性信 息、 训练用户多头信息以及训练用户违约信息； 从所述训练数据集中选取违约用户的数据， 并为违约用户分配多头违约分类标签， 将违约用户的基本属性信 息作为输入变量， 将违约用户的多头违约分类标签作为目标 变量， 通过bo ost提升算法XGB训练所述 风险评分模型。权　利　要　求　书 2/2 页 3 CN 114298850 A 3