(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 202111628734.0 (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 40/02(2012.01) G06F 30/27(2020.01) (54)发明名称 用于大额 风险评估的数据处 理方法和装置 (57)摘要 本申请公开了一种用于大额风险评估的数 据处理方法和装置。 该方法包括： 获取待评估用 户数据， 识别待评估用户数据的用户征信数据和 违约风险数据， 通过预设的大额风险评估数据， 对用户征信数据和违约风险数据进行大额风险 评估处理， 获得大额风险评估数据， 根据大额风 险评估数据匹配对应的业务策略， 结合待评估用 户的循环贷数据， 输出评估结果数据。 通过训练 大额风险评估模 型， 以实现对金融机构存量用户 的优质客户筛选， 并输出对应的业务策略， 解决 了现有技术中金融机构对存量用户的维护存在 效率低及成本较高的问题， 实现了提高存量用户 维护的效率和实现了优质客户筛 选的技术效果。 权利要求书2页 说明书7页 附图2页 CN 114283020 A 2022.04.05 CN 114283020 A 1.一种用于大额 风险评估的数据处 理方法， 其特 征在于， 包括： 获取待评估用户数据， 其中， 所述待评估用户数据为存量用户的金融相关数据； 基于预设大额风险评估模型， 对所述待评估用户数据进行风险评估处理， 获得大额风 险评估数据； 匹配与所述大额风险评估数据对应的业务策略， 输出评估结果数据， 其中， 所述评估结 果数据包括所述大额 风险评估数据与对应的业 务策略。 2.根据权利要求1所述的数据处理方法， 其特征在于， 在基于预设大额风险评估模型， 对所述待评估用户数据进行风险评估处 理， 获得大额风险评估数据之前， 还 包括： 获取训练用户数据， 其中， 所述训练用户数据为进行预设大额风险评估模型训练的样 本用户数据； 对所述待训练用户数据进行识别， 获得所述待训练用户数据的违约 风险数据和用户征 信数据； 对所述违约风险数据进行 标签化处 理， 获得违约风险标签数据； 基于所述用户征信数据和所述违约 风险标签数据， 对预先建立的大额风险评估模型进 行训练处理， 获得所述预设大额 风险评估 模型。 3.根据权利要求2所述的数据处理方法， 其特征在于， 基于所述用户征信数据和所述违 约风险标签数据， 对预先建立的大额风险评估模型进行训练处理， 获得所述预设大额风险 评估模型， 包括： 基于所述用户征信数据和所述违约 风险标签数据， 对预先建立的大额风险评估模型进 行训练处理， 获得过程大额 风险评估 模型； 基于预设模型条件对所述过程大额风险评估模型进行校验迭代， 获得所述捞回风险评 估模型。 4.根据权利要求1所述的数据处理方法， 其特征在于， 基于预设大额风险评估模型， 对 所述待评估用户数据进行风险评估处 理， 获得大额风险评估数据， 包括： 对所述待评估用户数据进行识别， 获得所述存量用户的用户征信数据和违约风险数 据； 基于预设大额风险评估模型， 对所述用户征信数据和所述违约 风险数据进行风险评估 处理， 获得所述大额 风险评估数据。 5.根据权利要求1所述的数据处理方法， 其特征在于， 匹配与 所述大额风险评估数据对 应的业务策略， 输出评估结果数据， 包括： 对所述评估用户数据进行识别， 获得 所述存量用户的循环贷数据； 基于预设循环贷标签规则， 对所述循环贷数据进行 标签处理， 获得循环贷标签数据； 基于预设风险评分条件， 对所述大额风险评估数据进行识别处理， 输出所述评估结果 数据， 其中， 所述评估结果数据包括所述循环贷标签数据和所述大额 风险评估数据。 6.一种用于大额 风险评估的数据处 理装置， 其特 征在于， 包括： 数据获取模块， 用于获取待评估用户数据， 其中， 所述待评估用户数据为存量用户的金 融相关数据； 大额风险评估模块， 基于预设大额风险评估模型， 对所述待评估用户数据进行风险评 估处理， 获得大额风险评估数据；权　利　要　求　书 1/2 页 2 CN 114283020 A 2结果输出模块， 用于匹配与所述大额风险评估数据对应的业务策略， 输出评估结果数 据， 其中， 所述评估结果数据包括所述大额 风险评估数据与对应的业 务策略。 7.根据权利要求1所述的数据处 理装置， 其特 征在于， 模型获取模块， 包括： 训练数据获取模块， 用于获取训练用户数据， 其中， 所述训练用户数据为进行预设大额 风险评估 模型训练的样本用户数据； 预处理模块， 用于对所述待训练用户数据进行识别， 获得所述待训练用户数据的违约 风险数据和用户征信数据； 对所述违约风险数据进行 标签化处 理， 获得违约风险标签数据； 模型训练模块， 基于所述用户征信数据和所述违约风险标签数据， 对预先建立的大额 风险评估 模型进行训练 处理， 获得所述预设大额 风险评估 模型。 8.根据权利要求7 所述的数据处 理方法， 其特 征在于， 模型训练模块， 包括： 过程训练模块， 基于所述用户征信数据和所述违约风险标签数据， 对预先建立的大额 风险评估 模型进行训练 处理， 获得过程大额 风险评估 模型； 模型校验模块， 基于预设模型条件对所述过程大额风险评估模型进行校验迭代， 获得 所述捞回风险评估 模型。 9.一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计算机指 令， 所述计算机指 令用于使 所述计算机执行权利要求 1至5中任意一项 所述的用于大额风险 评估的数据处 理方法。 10.一种电子设备， 其特征在于， 包括： 至少一个处理器； 以及与 所述至少一个处理器通 信连接的存储器； 其中， 所述存储器存储有 可被所述至少一个处理器执行的计算机程序， 所 述计算机程序被所述至少一个处理器执行， 以使 所述至少一个处理器执行权利要求 1至5任 意一项所述的用于大额 风险评估的数据处 理方法。权　利　要　求　书 2/2 页 3 CN 114283020 A 3