Nothing Special   »   [go: up one dir, main page]

CN113159926A - 贷款业务的还款日期确定方法及装置 - Google Patents

贷款业务的还款日期确定方法及装置 Download PDF

Info

Publication number
CN113159926A
CN113159926A CN202110485524.4A CN202110485524A CN113159926A CN 113159926 A CN113159926 A CN 113159926A CN 202110485524 A CN202110485524 A CN 202110485524A CN 113159926 A CN113159926 A CN 113159926A
Authority
CN
China
Prior art keywords
loan
client
information
repayment date
attribute information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110485524.4A
Other languages
English (en)
Inventor
党娜
李�昊
刘洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202110485524.4A priority Critical patent/CN113159926A/zh
Publication of CN113159926A publication Critical patent/CN113159926A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Physiology (AREA)
  • Technology Law (AREA)
  • Educational Administration (AREA)
  • Genetics & Genomics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

本发明公开了一种贷款业务的还款日期确定方法及装置，涉及人工智能领域，该方法包括：接收贷款客户办理目标贷款业务的贷款业务请求，其中，贷款业务请求中至少包含贷款客户的用户信息和贷款信息；根据用户信息，采集贷款客户多个维度的属性信息；将贷款客户多个维度的属性信息和贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出贷款客户办理目标贷款业务的还款日期。本发明能够根据贷款客户多个维度的属性信息，确定一个最适合该贷款客户的还款日期，提高用户体验。

Description

贷款业务的还款日期确定方法及装置
技术领域
本发明涉及人工智能领域，尤其涉及一种贷款业务的还款日期确定方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
当客户通过贷款平台申请某项贷款业务时，往往是由银行为贷款客户设定一个贷款还款日期，一般将每笔贷款期限起始日在每月对应日作为约定还款日期，如当月没有对应日的，则当月最后一日为约定还款日期。但由于每个客户的资金情况不同，这种固定的还款日期，经常与客户其他的还款的日期不同，导致用户体验较差。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种贷款业务的还款日期确定方法，用以解决现有的贷款平台直接确定贷款客户的贷款还款日期，难以满足用户个性化需求的技术问题，该方法包括：接收贷款客户办理目标贷款业务的贷款业务请求，其中，贷款业务请求中至少包含贷款客户的用户信息和贷款信息；根据用户信息，采集贷款客户多个维度的属性信息；将贷款客户多个维度的属性信息和贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出贷款客户办理目标贷款业务的还款日期。
本发明实施例还提供一种贷款业务的还款日期确定装置，用以解决现有的贷款平台直接确定贷款客户的贷款还款日期，难以满足用户个性化需求的技术问题，该装置包括：贷款请求模块，用于接收贷款客户办理目标贷款业务的贷款业务请求，其中，贷款业务请求中至少包含贷款客户的用户信息和贷款信息；客户信息采集模块，用于根据用户信息，采集贷款客户多个维度的属性信息；还款日期确定模块，用于将贷款客户多个维度的属性信息和贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出贷款客户办理目标贷款业务的还款日期。
本发明实施例还提供一种计算机设备，用以解决现有的贷款平台直接确定贷款客户的贷款还款日期，难以满足用户个性化需求的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述贷款业务的还款日期确定方法。
本发明实施例还提供一种计算机可读存储介质，用以解决现有的贷款平台直接确定贷款客户的贷款还款日期，难以满足用户个性化需求的技术问题，该计算机可读存储介质存储有执行上述贷款业务的还款日期确定方法的计算机程序。
本发明实施例中提供的贷款业务的还款日期确定方法、装置、计算机设备及计算机可读存储介质，在接收到贷款客户办理目标贷款业务的贷款业务请求后，根据贷款业务请求中包含的贷款客户的用户信息，采集贷款客户多个维度的属性信息，进而将贷款客户多个维度的属性信息和贷款业务请求中包含的贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出该贷款客户办理目标贷款业务的还款日期。
与现有技术中由贷款平台确定一个固定还款日期的方案相比，本发明实施例能够根据贷款客户多个维度的属性信息，确定一个最适合该贷款客户的还款日期，提高用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中提供的一种贷款业务的还款日期确定方法流程图；
图2为本发明实施例中提供的一种机器学习流程图；
图3为本发明实施例中提供的一种贷款业务的还款日期确定装置示意图；
图4为本发明实施例中提供的一种可选的贷款业务的还款日期确定装置示意图；
图5为本发明实施例中提供的一种计算机设备示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
本发明实施例中提供了一种贷款业务的还款日期确定方法，图1为本发明实施例中提供的一种贷款业务的还款日期确定方法流程图，如图1所示，该方法包括如下步骤：
S101，接收贷款客户办理目标贷款业务的贷款业务请求，其中，贷款业务请求中至少包含贷款客户的用户信息和贷款信息。
需要说明的是，本发明实施例中的目标贷款业务可以是但不限于房屋贷款业务；上述S101中接收到的贷款业务请求中，用户信息可至少包含身份证号码等能够唯一标识用户身份的信息；贷款信息可至少包含贷款金额和贷款期限等信息。
S102，根据用户信息，采集贷款客户多个维度的属性信息。
需要说明的是，上述S102中采集的贷款客户多个维度的属性信息是指能够反映贷款客户还款能力的信息，包括但不限于：贷款客户的供职单位、供职单位发放工资的时间、贷款客户在银行的存款信息(包括但不限于定期存款或活期存款)、贷款客户购买理财产品的赎回时间、贷款客户历史贷款时的还款日期及提前还款情况等。
由于区块链技术的发展，每个客户的很多用户信息都会存储到区块链网络上各个节点的区块链中，因而，在一个实施例中，上述S102中，可以根据用户信息，从区块链上查询贷款客户多个维度的属性信息。在具体实施时，也可根据构建自己的区块链网络，存储各个客户的用户信息。
S103，将贷款客户多个维度的属性信息和贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出贷款客户办理目标贷款业务的还款日期。
需要说明的是，上述是一个预先通过机器学习训练得到的一个能够根据贷款客户的用户信息和贷款信息预测当前最适合该贷款客户的贷款还款日期的贷款还款日期预测模型；可选地，可以对基于遗传算法的BP神经网络进行机器学习，得到该话费充值预测模型。
在具体实施时，根据贷款客户发起贷款业务请求时输入的用户信息，查找贷款客户多个维度的属性信息，然后将贷款客户多个维度的属性信息和贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出该贷款客户办理目标贷款业务最适合的还款日期。
在一个实施例中，如图2所示，本发明实施例中提供的贷款业务的还款日期确定方法，还可以通过如下步骤来实现贷款还款日期预测模型的训练：
S201，构建基于遗传算法的BP神经网络；
S202，利用样本数据对构建的基于遗传算法的BP神经网络进行机器学习，训练得到一个根据贷款客户的属性信息和贷款信息预测还款日期的贷款还款日期预测模型。
需要说明的是，针对不同的应用场景，训练模型采用的样本数据可不同，在一个实施例中，如图3所示，本发明实施例中提供的贷款业务的还款日期确定方法，还可以通过如下步骤来生成样本数据：
S301，获取贷款客户历史多次发起贷款业务请求时选择的还款日期；
S302，根据贷款客户历史多次发起贷款业务请求时选择的还款日期和贷款客户多个维度的属性信息，生成样本数据。
本发明实施例中，通过BP神经网络和遗传算法建立模型，在BP神经网络的权值和阈值的优化方面引入遗传算法，构建基于遗传算法的BP神经网络模型。根据输入输出的个数可确定BP神经网络结构，进而确定遗传算法中需要优化的参数个数。
在具体实施时，可根据柯尔莫哥洛夫理论(kolmogorov)，一个三层BP神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而确定GA-BP神经网络结构。通过遗传算法输出的最优个体作为BP神经网络初始权值和阈值进行BP神经网络训练和学习。将收集的额度信息作为历史数据，把历史数据分为训练集和测试集，基于历史数据分析，对GA-BP神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证。模型在使用过程中通过机器学习方法不断对模型自优化吗，提高模型的有效性。
基于同一发明构思，本发明实施例中还提供了一种贷款业务的还款日期确定装置，如下面的实施例所述。由于该装置解决问题的原理与贷款业务的还款日期确定方法相似，因此该装置的实施可以参见贷款业务的还款日期确定方法的实施，重复之处不再赘述。
图4为本发明实施例中提供的一种贷款业务的还款日期确定装置示意图，如图4所示，该装置包括：贷款请求模块41、客户信息采集模块42和还款日期确定模块43。
其中，贷款请求模块41，用于接收贷款客户办理目标贷款业务的贷款业务请求，其中，贷款业务请求中至少包含贷款客户的用户信息和贷款信息；客户信息采集模块42，用于根据用户信息，采集贷款客户多个维度的属性信息；还款日期确定模块43，用于将贷款客户多个维度的属性信息和贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出贷款客户办理目标贷款业务的还款日期。
此处需要说明的是，上述贷款请求模块41、客户信息采集模块42和还款日期确定模块43对应于方法实施例中的S101～S103，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在一个实施例中，如图4所示，本发明实施例中提供的贷款业务的还款日期确定装置还可以包括：机器学习模块44，用于构建基于遗传算法的BP神经网络；以及利用样本数据对构建的基于遗传算法的BP神经网络进行机器学习，训练得到一个根据贷款客户的属性信息和贷款信息预测还款日期的贷款还款日期预测模型。
此处需要说明的是，上述机器学习模块44对应于方法实施例中的S203～S204，该模块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。需要说明的是，该模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
进一步地，一个实施例中，如图4所示，本发明实施例中提供的贷款业务的还款日期确定装置还可以包括：样本数据生成模块45，用于获取贷款客户历史多次发起贷款业务请求时选择的还款日期；以及根据贷款客户历史多次发起贷款业务请求时选择的还款日期和贷款客户多个维度的属性信息，生成样本数据。
此处需要说明的是，上述样本数据生成模块45对应于方法实施例中的S201～S202，该模块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。需要说明的是，该模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在一个实施例中，本发明实施例中提供的贷款业务的还款日期确定装置中，客户信息采集模块42还用于根据用户信息，从区块链上查询贷款客户多个维度的属性信息。
基于同一发明构思，本发明实施例还提供一种计算机设备，用以解决现有的贷款平台直接确定贷款客户的贷款还款日期，难以满足用户个性化需求的技术问题，图5为本发明实施例中提供的一种计算机设备示意图，如图5所示，该计算机设备50包括存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序，处理器502执行计算机程序时实现上述贷款业务的还款日期确定方法。
基于同一发明构思，本发明实施例还提供一种计算机可读存储介质，用以解决现有的贷款平台直接确定贷款客户的贷款还款日期，难以满足用户个性化需求的技术问题，该计算机可读存储介质存储有执行上述贷款业务的还款日期确定方法的计算机程序。
综上所述，本发明实施例中提供的贷款业务的还款日期确定方法、装置、计算机设备及计算机可读存储介质，在接收到贷款客户办理目标贷款业务的贷款业务请求后，根据贷款业务请求中包含的贷款客户的用户信息，采集贷款客户多个维度的属性信息，进而将贷款客户多个维度的属性信息和贷款业务请求中包含的贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出该贷款客户办理目标贷款业务的还款日期。
与现有技术中由贷款平台确定一个固定还款日期的方案相比，本发明实施例能够根据贷款客户多个维度的属性信息，确定一个最适合该贷款客户的还款日期，提高用户体验。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种贷款业务的还款日期确定方法，其特征在于，包括：
接收贷款客户办理目标贷款业务的贷款业务请求，其中，所述贷款业务请求中至少包含贷款客户的用户信息和贷款信息；
根据所述用户信息，采集所述贷款客户多个维度的属性信息；
将所述贷款客户多个维度的属性信息和所述贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出所述贷款客户办理所述目标贷款业务的还款日期。
2.如权利要求1所述的方法，其特征在于，在将所述贷款客户多个维度的属性信息和所述贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出所述贷款客户办理所述目标贷款业务的还款日期之前，所述方法还包括：
构建基于遗传算法的BP神经网络；
利用样本数据对构建的基于遗传算法的BP神经网络进行机器学习，训练得到一个根据贷款客户的属性信息和贷款信息预测还款日期的贷款还款日期预测模型。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述贷款客户历史多次发起贷款业务请求时选择的还款日期；
根据所述贷款客户历史多次发起贷款业务请求时选择的还款日期和所述贷款客户多个维度的属性信息，生成所述样本数据。
4.如权利要求1至3任一项所述的方法，其特征在于，根据所述用户信息，采集所述贷款客户多个维度的属性信息，包括：
根据所述用户信息，从区块链上查询所述贷款客户多个维度的属性信息。
5.一种贷款业务的还款日期确定装置，其特征在于，包括：
贷款请求模块，用于接收贷款客户办理目标贷款业务的贷款业务请求，其中，所述贷款业务请求中至少包含贷款客户的用户信息和贷款信息；
客户信息采集模块，用于根据所述用户信息，采集所述贷款客户多个维度的属性信息；
还款日期确定模块，用于将所述贷款客户多个维度的属性信息和所述贷款信息，输入至预先训练好的贷款还款日期预测模型中，输出所述贷款客户办理所述目标贷款业务的还款日期。
6.如权利要求5所述的装置，其特征在于，所述装置还包括：
机器学习模块，用于构建基于遗传算法的BP神经网络；以及利用样本数据对构建的基于遗传算法的BP神经网络进行机器学习，训练得到一个根据贷款客户的属性信息和贷款信息预测还款日期的贷款还款日期预测模型。
7.如权利要求6所述的装置，其特征在于，所述装置还包括：
样本数据生成模块，用于获取所述贷款客户历史多次发起贷款业务请求时选择的还款日期；以及根据所述贷款客户历史多次发起贷款业务请求时选择的还款日期和所述贷款客户多个维度的属性信息，生成所述样本数据。
8.如权利要求5至7任一项所述的装置，其特征在于，所述客户信息采集模块还用于根据所述用户信息，从区块链上查询所述贷款客户多个维度的属性信息。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述贷款业务的还款日期确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一项所述贷款业务的还款日期确定方法的计算机程序。
CN202110485524.4A 2021-04-30 2021-04-30 贷款业务的还款日期确定方法及装置 Pending CN113159926A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110485524.4A CN113159926A (zh) 2021-04-30 2021-04-30 贷款业务的还款日期确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110485524.4A CN113159926A (zh) 2021-04-30 2021-04-30 贷款业务的还款日期确定方法及装置

Publications (1)

Publication Number Publication Date
CN113159926A true CN113159926A (zh) 2021-07-23

Family

ID=76873120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110485524.4A Pending CN113159926A (zh) 2021-04-30 2021-04-30 贷款业务的还款日期确定方法及装置

Country Status (1)

Country Link
CN (1) CN113159926A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706298A (zh) * 2021-09-06 2021-11-26 中国银行股份有限公司 一种延期业务处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010027438A1 (en) * 2000-03-30 2001-10-04 Park Jun Hyun Online stocks trading system having automatic loan service functions
CN108846520A (zh) * 2018-06-22 2018-11-20 北京京东金融科技控股有限公司 贷款逾期预测方法、装置以及计算机可读存储介质
CN112308710A (zh) * 2020-11-26 2021-02-02 平安普惠企业管理有限公司 贷款数据处理方法、装置、计算机设备及存储介质
CN112651828A (zh) * 2021-01-06 2021-04-13 谭长辉 一种房贷车贷还款系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010027438A1 (en) * 2000-03-30 2001-10-04 Park Jun Hyun Online stocks trading system having automatic loan service functions
CN108846520A (zh) * 2018-06-22 2018-11-20 北京京东金融科技控股有限公司 贷款逾期预测方法、装置以及计算机可读存储介质
CN112308710A (zh) * 2020-11-26 2021-02-02 平安普惠企业管理有限公司 贷款数据处理方法、装置、计算机设备及存储介质
CN112651828A (zh) * 2021-01-06 2021-04-13 谭长辉 一种房贷车贷还款系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706298A (zh) * 2021-09-06 2021-11-26 中国银行股份有限公司 一种延期业务处理方法及装置

Similar Documents

Publication Publication Date Title
CN111709533B (zh) 机器学习模型的分布式训练方法、装置以及计算机设备
CN111507768B (zh) 一种潜在用户的确定方法及相关装置
CN108399564B (zh) 信用评分方法及装置
CN110992167A (zh) 银行客户业务意图识别方法及装置
WO2018156942A1 (en) Optimizing neural network architectures
CN110008973B (zh) 一种模型训练方法、基于模型确定目标用户的方法及装置
CN110083334A (zh) 模型上线的方法及装置
CN110555148A (zh) 一种用户行为评估方法、计算设备及存储介质
CN110347724A (zh) 异常行为识别方法、装置、电子设备及介质
CN111951050A (zh) 理财产品推荐方法及装置
CN113436006A (zh) 基于区块链的贷款风险预测方法及装置
CN113689270A (zh) 黑产设备的确定方法、电子设备、存储介质及程序产品
CN112884569A (zh) 一种信用评估模型的训练方法、装置及设备
CN111698332A (zh) 业务对象的分配方法、装置、设备及存储介质
CN113159926A (zh) 贷款业务的还款日期确定方法及装置
CN114663143A (zh) 基于差分干预响应模型的干预用户筛选方法及装置
CN113450158A (zh) 银行活动信息推送方法及装置
CN112949711A (zh) 面向软件定义卫星的神经网络模型可复用训练方法、装置
CN113094589B (zh) 智能服务推荐方法及装置
CN114581220B (zh) 数据处理方法、设备及分布式计算系统
CN115269085A (zh) 手机银行页面展示方法及装置
CN115660814A (zh) 风险预测方法、装置、计算机可读存储介质及电子设备
CN114528992A (zh) 一种基于区块链的电子商务业务分析模型的训练方法
CN111967671A (zh) 基于支持向量数据域描述的跨境活跃用户识别方法及装置
CN117349129B (zh) 车辆销售过程服务系统的异常优化方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination