用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)應(yīng)用領(lǐng)域,特別涉及一種用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法。
【背景技術(shù)】
[0002]目前,產(chǎn)品采用全線上的模式對用戶進(jìn)行質(zhì)量評估,包含但不限于監(jiān)測用戶的真實性、還款能力和還款意愿。由于全線上的模式進(jìn)行數(shù)據(jù)采集時面臨用戶數(shù)據(jù)真實性無法把控,用戶還款意愿和還款能力無法通過用戶上傳的簡單的身份信息和資產(chǎn)信息進(jìn)行評估和確定。與此同時國內(nèi)沒有健全的用戶信用檔案數(shù)據(jù),借款用戶中的絕大多數(shù)無法通過信用接口查詢歷史信用情況,致使線上評估用戶的真實性、還款能力和還款意愿存在極大困難。
[0003]面對國內(nèi)的征信體系不夠健全,用戶的信用意識較為淡薄,如何解決在用戶基本信息不夠完全,資產(chǎn)數(shù)據(jù)不夠完整時的用戶信用評分問題,是我們面對的一個嶄新課題。
【發(fā)明內(nèi)容】
[0004]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足之處,提供一種用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,通過社交信息抓取系統(tǒng),允許用戶在系統(tǒng)中進(jìn)行指定的操作產(chǎn)生社交關(guān)系請求,用戶在經(jīng)授權(quán)并允許的社交網(wǎng)絡(luò)中傳播該社交信息請求以達(dá)成社交信息的收集,構(gòu)建圍繞該用戶的不同層級與類型的社交數(shù)據(jù)網(wǎng)絡(luò),給出該用戶的信用評級與風(fēng)險定價,對用戶風(fēng)險進(jìn)行清晰明確的刻畫,進(jìn)行二次授信。
[0005]為了達(dá)到上述目的,本發(fā)明提供的用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,該方法設(shè)置包括微信的社交網(wǎng)絡(luò)平臺,該方法執(zhí)行的步驟包括:
[0006]I)用戶通過手機(jī)號碼注冊的形式實現(xiàn)用戶準(zhǔn)入,用戶填寫基本資料作為待審條件,系統(tǒng)根據(jù)所述待審條件給出判斷并執(zhí)行接受或拒絕操作,之后系統(tǒng)對被接受用戶的資料進(jìn)行信息量化處理生成對應(yīng)的社交關(guān)系判定請求;
[0007]2)所述判定請求生成后,在用戶發(fā)起借款請求的同時,對該用戶社交關(guān)系判定請求在不同層級與類型的社交網(wǎng)絡(luò)平臺上進(jìn)行分享傳播,獲取不同層級與類型的社交數(shù)據(jù)網(wǎng)絡(luò)?目息;
[0008]3)對已獲取的所述社交數(shù)據(jù)網(wǎng)絡(luò)信息進(jìn)行錄入、清洗和梳理;
[0009]4)所述判定請求生成后,同時在用戶社交圈內(nèi)進(jìn)行用戶信用評估,獲取用戶信用數(shù)據(jù);
[0010]5)所述用戶社交數(shù)據(jù)協(xié)同所述用戶信用數(shù)據(jù)進(jìn)行二次授信評級;
[0011]6)根據(jù)所述二次授信評級進(jìn)行可信度評估,并評判該用戶的借貸違約率與授信風(fēng)險;
[0012]7)結(jié)束。
[0013]本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,在其中所述步驟3)中,所述用戶社交數(shù)據(jù)至少包括時間、PV、UV、單次停留時長的信息;所述社交數(shù)據(jù)的錄入、清洗和整理至少包括:
[0014](I)數(shù)據(jù)錄入:用戶基本資料和用戶社交圈交叉比對信息;
[0015](2)數(shù)據(jù)整理:采用R語言數(shù)據(jù)清洗與整理信息;
[0016](3)數(shù)據(jù)分析:采用Logistic回歸建模;
[0017](4)模型檢驗:多重共線性、殘差分析、正態(tài)性檢驗、獨立性檢驗、VIF檢驗、D-W檢驗和異常值檢驗;
[0018](5)網(wǎng)絡(luò)圖譜:a.社交關(guān)系交叉驗證圖譜;b.用戶社交層級劃分圖譜。
[0019]本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,在其中步驟4)中,在用戶社交圈內(nèi)進(jìn)行用戶信用評估至少包括:
[0020](I)弱關(guān)系獲取:好友點擊鏈接進(jìn)行點贊操作,發(fā)生點贊關(guān)系的人數(shù)、時間點、時間差、點擊數(shù)的信息;
[0021](2)強(qiáng)關(guān)系獲取:好友回答若干關(guān)于用戶借款的詢問,回答正確則認(rèn)證成功,發(fā)生認(rèn)證關(guān)系人數(shù)、時間點、時間差、點擊數(shù)的信息;
[0022](3)用戶社交圈閉合度:用戶社交圈在不同瑋度之間重合情況的信息;
[0023](4)投資關(guān)系獲取:好友對用戶資金使用進(jìn)行投資擔(dān)保中投資金額、投資時間地點的信息;
[0024](5)用戶籌滿資金額,可以提現(xiàn)的信息。
[0025]本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,在其中所述步驟5)中,系統(tǒng)通過下式計算評估用戶借貸違約率,并輸出用戶社交數(shù)據(jù):
[0026]p = Exp(b0+bl*Xl+b2*X2+b3*X3+b4*X4)/(l+Exp(b0+bl*Xl+b2*X2+b3*X3+b4*X4))
[0027]其中:X1為社交平臺完成對該用戶的答題認(rèn)證中用戶被認(rèn)證數(shù)據(jù);X2為社交平臺完成對該用戶的信用投資中用戶被投資數(shù)據(jù);X3為社交平臺完成對該用戶的點贊中用戶被點贊數(shù)據(jù);X4為用戶社交圈閉合度數(shù)據(jù);b0、bl、b2、b3、b4為系統(tǒng)計算所得參數(shù)。
[0028]本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,在其中所述步驟6)中,信用評級采用基于Logistic回歸模型建立的評分卡系統(tǒng),系統(tǒng)首先計算用戶借貸違約率Pl,
[0029]當(dāng)滿足Pl〈KUf自動進(jìn)入下一步驗證,當(dāng)P1>K2時自動駁回,當(dāng)Κ1〈Ρ1〈Κ2時進(jìn)入人工審核;然后系統(tǒng)計算用戶借貸違約率,在滿足信用差值條件ΙΡ1-Ρ2 I〈Κ3時,用戶被通過,否則進(jìn)入人工審核,其中:P1為參與社交互動用戶的借貸違約率,Ρ2為參與社交互動用戶借貸違約率的加權(quán)平均值,Kl、K2、K3為信用評級系數(shù)。
[0030]本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法的優(yōu)點和積極效果是:通過對用戶在平臺進(jìn)行一系列的社交行為采集,基于采集數(shù)據(jù)對用戶進(jìn)行建模與分析,給出了用戶的逾期率預(yù)估,實現(xiàn)了基于用戶的社交數(shù)據(jù)給用戶一個的評估作為用戶授信的標(biāo)準(zhǔn)。通過用戶的逾期率預(yù)估,用以區(qū)別用戶優(yōu)劣的模型評估值能達(dá)到40以上,而傳統(tǒng)模型的評估值只在35左右,用戶評估的識別率能達(dá)到70%以上,即通過模型能夠準(zhǔn)確識別70%用戶的還款結(jié)果。這在實際應(yīng)用中相較于傳統(tǒng)模式的授信取得了顯著的效果。
[0031]為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確,以下參照附圖對本發(fā)明進(jìn)一步詳細(xì)說明。
【附圖說明】
[0032]圖1為本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法的流程圖;
[0033]圖2為用戶借款的界面圖;
[0034]圖3為用戶生成借款詳情的界面截圖;
[0035]圖4為網(wǎng)絡(luò)分享的界面截圖;
[0036]圖5為朋友圈點贊互動截圖;
[0037]圖6為朋友圈收到分享截圖;
[0038]圖7為用戶點贊互動截圖;
[0039]圖8為投資確認(rèn)截圖;
[0040]圖9為投資成功截圖;
[0041]圖10為授信完成截圖;
[0042]圖11為社交關(guān)系交叉驗證的示意圖;
[0043]圖12為用戶社交層級劃分的示意圖。
【具體實施方式】
[0044]為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確,以下參照附圖對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實施例僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
[0045]本發(fā)明是基于用戶個人資料生成一套評估社交關(guān)系的方法,并以此收集用戶社交行為中的各項數(shù)據(jù)進(jìn)而評估用戶在社交行為中的各項表現(xiàn)。通過用戶社交行為數(shù)據(jù)給出用戶一次授信,在此基礎(chǔ)上依據(jù)與被授信用戶發(fā)生關(guān)聯(lián)的社交圈的授信情況對被授信用戶進(jìn)行二次授信。
[0046]參照圖1,本發(fā)明用戶可信度社交網(wǎng)絡(luò)數(shù)據(jù)的處理方法,該方法設(shè)置包括微信的社交網(wǎng)絡(luò)平臺,該方法執(zhí)行的步驟包括:
[0047]I)用戶注冊:用戶通過手機(jī)號碼注冊的形式實現(xiàn)用戶準(zhǔn)入,用戶填寫基本資料作為待審條件,系統(tǒng)根據(jù)待審條件給出判斷并執(zhí)行接受或拒絕操作,之后系統(tǒng)對被接受用戶的資料進(jìn)行信息量化處理生成對應(yīng)的社交關(guān)系判定請求;
[0048]2)判定請求生成后,在用戶發(fā)起借款請求的同時,對該用戶社交關(guān)系判定請求在不同層級與類型的社交網(wǎng)絡(luò)平臺上進(jìn)行分享傳播,獲取不同層級與類型的社交數(shù)據(jù)網(wǎng)絡(luò)信息;
[0049]3)已獲取的社交數(shù)據(jù)網(wǎng)絡(luò)信息進(jìn)行錄入、清洗和梳理。
[0050]在步驟3)中,用戶社交數(shù)據(jù)至少包括時間、PV、UV、單次停留時長的信息;社交數(shù)據(jù)的錄入、清洗和整理至少包括:
[0051](I)數(shù)據(jù)錄入:用戶基本資料和用戶社交圈交叉比對信息;
[0052](2)數(shù)據(jù)整理:采用R語言數(shù)據(jù)清洗與整理信息;
[0053 ] (3)數(shù)據(jù)分析:采用Log i s t i c回歸建模;
[0054](4)模型檢驗:多重共線性、殘差分析、正態(tài)性檢驗、獨立性檢驗、VIF檢驗、D-W檢驗和異常值檢驗;
[0055](5)網(wǎng)絡(luò)圖譜:參照圖11和圖12,a.社交關(guān)系交叉驗證圖譜;b.用戶社交層級劃分圖譜。
[0056]4)判定請求生成后,同時在用戶社交圈內(nèi)進(jìn)行用戶信用評估,獲取用戶信用數(shù)據(jù)。
[0057]在步驟4)中,在用戶社交圈內(nèi)進(jìn)行用戶信用評估至少包括:
[0058](I)弱關(guān)系獲取:參照圖5至圖7,好友點擊鏈接進(jìn)行點贊操作,發(fā)生點贊關(guān)系的人數(shù)、時間點、時間差、點擊數(shù)的信息;
[0059](2)強(qiáng)關(guān)系獲取:參照圖2至圖4,好友回答若干關(guān)于用戶借款的詢問,回答正確則認(rèn)證成功,發(fā)生認(rèn)證關(guān)系人數(shù)、時間點、時間差、點擊數(shù)的信息;
[0060](3)用戶社交圈閉合度:用戶社交圈在不同瑋度之間重合情況的信息;
[0061](4)投資關(guān)系獲取:參照圖8至圖10,好友對用戶資金使用進(jìn)行投資擔(dān)保中投資金額、投資時間地點的信息;
[0062](5)用戶籌滿資金額,可以提現(xiàn)的信息。
[0063]5)用戶社交數(shù)據(jù)協(xié)同用戶信用數(shù)據(jù)進(jìn)行二次授信評級。信用評級采用基于Logistic回歸模型建立的評分卡系統(tǒng)。
[0064]在步驟5)中,系統(tǒng)通過下式計算評估用戶借貸違約率,并輸出用戶社交數(shù)據(jù):
[0065]p = Exp(b0+bl*Xl+b2*X2+b3*X3+b4*X4)/(l+Exp(b0+bl*Xl+b