(19)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 202211331121.5 (22)申请日 2022.10.28 (71)申请人 杭银消费金融股份有限公司 地址 310005 浙江省杭州市拱 墅区庆春路 38号7层702室、 8层(801、 802、 803、 804 室)、 11层(1101、 1102室) (72)发明人 张晓芬　段美宁　王笑勤　 (74)专利代理 机构 浙江维创盈嘉专利代理有限 公司 33477 专利代理师 龚洋洋 (51)Int.Cl. G06Q 40/02(2012.01) G06F 16/33(2019.01) (54)发明名称 一种基于动态文本信息提取的信贷风控方 法及设备 (57)摘要 本申请实施例提供了一种基于动态文本信 息提取的信贷风控方法及设备， 方法包括： 获取 用于体现用户信用的用户信息， 并根据用户信息 的所属类别， 确定用户信息与用户之间的强制关 联等级， 以及用户信息对用户产生的动态影响等 级； 对当前阶段下的用户信息进行动态文本识 别， 以在其中提取出用户在当前阶段对应的第一 信用特征； 对用户进行风险评估， 以根据风险评 估的评估结果生成对用户的放贷策略； 选取出动 态影响等级高于预设影 响阈值的指定用户信息， 并在指定用户信息对应的阶段 发生变化时， 根据 动态识别模式， 对变化后的阶段下的指定用户信 息进行动态文本识别， 以得到变化后的阶段对应 的第二信用特征； 根据补偿后的评估 结果对放贷 策略进行修 正。 权利要求书3页 说明书11页 附图2页 CN 115545906 A 2022.12.30 CN 115545906 A 1.一种基于动态文本信息提取的信贷风控方法， 其特 征在于， 所述方法包括： 获取用于体现用户信用的用户信息， 并根据所述用户信息的所属类别， 确定所述用户 信息与所述用户之间的强制关联等级， 以及所述用户信息对所述用户产生的动态影响等 级； 根据预设的动态文本信 息中的动态识别模式， 对当前阶段下的所述用户信 息进行动态 文本识别， 以在其中提取 出所述用户在所述当前阶段对应的第一信用特 征； 根据所述第一信用特征对应的所述强制关联等级， 对所述用户进行风险评估， 以根据 所述风险评估的评估结果 生成对所述用户的放贷策略； 在所述用户对应的所有用户信 息中， 选取出所述动态影响等级高于预设影响阈值的指 定用户信息， 并在所述指 定用户信息对应的阶段发生变化时， 根据所述动态识别模式， 对变 化后的阶段下的所述指 定用户信息进 行动态文本识别， 以得到所述变化后的阶段对应的第 二信用特 征； 根据所述第 二信用特征对所述评估结果进行补偿， 并根据 所述补偿后的所述评估结果 对所述放贷策略进行修 正。 2.根据权利要求1所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 根 据预设的动态文本信息中的动态识别模式， 对当前阶段下的所述用户信息进 行动态文本识 别之前， 所述方法还 包括： 采集若干个用户信息， 并对所述若干个用户信息分别进行关键词识别， 得到识别结果； 根据所述识别结果生成训练集， 以使所述训练集中包括多个训练样本， 每个所述训练 样本中包括至少一个三元组， 每个所述三元组中携带有三个所述识别结果， 且所述三个识 别结果中， 第一识别结果与第二识别结果之间在第一信用评判基准上的相似度高于第一预 设阈值， 第一识别结果与第三识别结果在第二信用评判基准上的相似度低于第二预设阈 值， 所述第二预设阈值低于所述第一预设阈值， 所述第一信用评判基准和所述第二信用评 判基准为预先设置的， 且 存在对应的物理意 义； 根据所述训练集对预先生成的模型进行训练， 直至所述模型收敛， 得到训练完毕的信 用特征提取模型， 以根据所述信用特 征提取模型对所述用户信息进行识别， 得到信用特 征。 3.根据权利要求2所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 对 所述若干个用户信息分别进行关键词识别， 得到识别结果， 具体包括： 针对每个所述用户信息， 对该用户信息进行分词处 理， 以得到分词后的多个关键词； 根据每个所述关键词的属性， 以及预设的语料库中设置的第一映射关系， 确定每个所 述关键词在各信用评判基准上对应的正负向关系， 所述正负向关系包括正向关系和负向关 系； 针对每个所述关键词在所述各信用评判基准上的所述正负向关系的出现频率， 对不符 合预设要求的关键词进行筛除， 并将剩余的关键词作为关键词识别的识别结果。 4.根据权利要求3所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 将 剩余的关键词作为关键词识别的识别结果之后， 所述方法还 包括： 确定所述第一识别结果和所述第二识别结果对应的第一维度矩阵和第二维度矩阵； 根据所述第 一维度矩阵， 计算所述第 二维度矩阵中与 所述第一维度矩阵位于同一位置 的维度之 间的二阶范数， 以根据所述二阶范数， 得到所述 维度的相似度； 所述同一位置表 示权　利　要　求　书 1/3 页 2 CN 115545906 A 2所述维度对应的行和列 均相同； 根据所述维度的相似度， 构建维度相似度矩阵； 确定所述维度相似度矩阵中的零值的数量， 以根据所述数量， 确定所述第一识别结果 和所述第二识别结果在信用评判基准上的相似度。 5.根据权利要求1所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 根 据所述第一信用特 征对应的所述强制关联等级， 对所述用户进行风险评估， 具体包括： 确定强制关联等级的所属范围， 所述所属范围至少包括三个范围， 分别为高于第一预 设关联等级的第一范围， 低于所述第一预设关联等级且高于第二预设关联等级的第二范 围， 低于所述第二预设 关联等级的第三范围； 选取所述强制关联等级属于所述第 一范围的第 一信用特征， 并根据其构造所述用户对 应的用户模型； 将所述第 一信用特征作为风险评估参数， 生成风险评估模型， 其中， 所述第 二范围对应 的第一信用特 征所占权重， 高于所述第一范围和第三范围对应的第一信用特 征； 将所述风险评估模型与所述用户模型进行融合， 以用于通过融合后的所述用户模型对 所述用户进行风险评估。 6.根据权利要求5所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 根 据所述用户信息的所属类别， 确定所述用户信息与所述用户之间的强制关联等级， 具体包 括： 确定所述用户信息的所属类别； 若所述所属类别为身份信息， 则根据所述身份信息得到对应的强制关联等级， 且该强 制关联等级属于所述第一范围； 若所述所属类别为交易信息， 则对所述交易信息进行分析， 以获取其中的商业交易信 息； 根据所述商业交易信息中的交易对象， 确定所述用户对应的上 下游节点； 将所述上下游节点对应的经营状态作为影响系数， 将对所述用户与 所述上下游节点之 间的交易粘度作为影响因子， 得到所述商业交易信息对应的强制关联等级， 且该强制关联 等级属于所述第二范围或所述第三范围。 7.根据权利要求5所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 根 据所述用户信息的所属类别， 确定所述用户信息对所述用户产生的动态影响等级， 具体包 括： 确定所述用户信息的所属类别； 若所述所属类别为身份信息， 则确定所述身份信息的动态影响等级低于预设影响阈 值； 若所述所属类别为交易信息， 则根据所述交易信息的强制关联等级对应的所属范围， 确定所述动态影响等级， 其中， 所述强制关联等级与所述动态影响等级呈正相关。 8.根据权利要求1所述的一种基于动态文本信 息提取的信贷风控方法， 其特征在于， 在 所述指定用户信息对应的阶段发生变化时， 根据所述动态识别模式， 对变化后的阶段下 的 所述指定用户信息进行动态文本识别， 以得到所述变化后的阶段对应的第二信用特征， 具 体包括：权　利　要　求　书 2/3 页 3 CN 115545906 A 3