(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 202111582466.3 (22)申请日 2021.12.2 2 (71)申请人 云汉芯城 （上海） 互联网科技股份有 限公司 地址 201612 上海市松江区漕河泾开发区 松江高科技园莘砖公路258号32幢 1101室 (72)发明人 周雪峰　刘云锋　 (74)专利代理 机构 北京远创理想知识产权代理 事务所(普通 合伙) 11513 专利代理师 卫安乐 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01) G06F 40/30(2020.01)G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的客户授信额度预测方 法 (57)摘要 本发明涉及企业授信预测方法技术领域， 特 别涉及一种基于机器学习的客户授信额度预测 方法。 本发 明的一种基于机器学习的客户授信额 度预测方法， 使用自然语言理解算法对客户相关 分析进行语义分析， 使用梯度决策树算法对特征 进行筛选、 选择及授信额度输出， 特征重要性排 序， 其能够在减少人为主观因素， 减少人力压力 的背景下， 客观公正的对用户画像进行描摹， 对 授信额度给予判定， 并给出判定额度的相关理 由、 因素。 权利要求书1页 说明书4页 附图1页 CN 114841792 A 2022.08.02 CN 114841792 A 1.一种基于 机器学习的客户授信额度预测方法， 包括以下步骤： A、 采集指定客户的内部数据及外 部数据； B、 将所述的内部数据和外 部数据输入训练好的决策树模型； C、 所述的决策树模型输出 给予的最大授信额度和根因。 2.根据权利要求1所述的一种基于机器学习的客户授信额度 预测方法， 其特征在于， 所 述的决策树模型的训练方法具体包括： B1、 随机选取N个客户样本； B2、 根据经验值标注这 N个客户的预授信额度； B3、 通过已经标注好的客户样本数据作为模型的指导， 使用内部数据和外部数据作为 训练数据， 标注数据作为训练结果， 进行多树的xgbo ost模型训练； B4、 训练后的xgboost模型的最终输出结果为指定客户的模型建议授信额度， 以及判断 授信额度时的特 征重要性。 3.根据权利要求1或2所述的一种基于机器学习的客户授信额度预测方法， 其特征在 于， 所述的内部数据为相关客户与企业合作时发生的历史数据， 包括： 交易时长、 毛利润， 交 易金额， 订单数， 客单价， 回款逾期次数、 逾期金额、 逾期天数， 交易类型、 行业属性、 客户分 类中的一种或多种的组合。 4.根据权利要求1或2所述的一种基于机器学习的客户授信额度预测方法， 其特征在 于， 所述的外部数据是通过外部工商信息平台接口收集到的相关客户相关数据， 包括： 注册 资本、 注册时间、 营业范围、 经 营期限、 股东信息、 高管信息中的一种或多种的组合。 5.根据权利要求1或2所述的一种基于机器学习的客户授信额度预测方法， 其特征在 于， 所述的外 部数据通过训练形成N LU模型。权　利　要　求　书 1/1 页 2 CN 114841792 A 2一种基于机 器学习的客户授信额度预测方 法 技术领域 [0001]本发明涉及企业授信额度预测方法技术领域， 特别涉及 一种基于机器学习的客户 授信额度预测方法。 背景技术 [0002]企业在与客户进行交易时， 为了方便客户， 会给予客户一定授信额度， 客户可以先 拿对应额度的货物， 并在一定时间内还清欠款。 这个授信额度的大小判定就成为了企业风 险管控的一个重要问题。 除此之外， 交易专家根据经验分析用户画像， 主观因素严重， 且无 法给出原因， 故提出基于 机器学习(树模型)的客户画像分析。 [0003]目前， 对企业客户的授信额度大多由交易专家依据各类数据进行综合分析并给予 授信额度， 依据的数据有： 企业与客户交易的次数、 金额、 毛利率、 逾期次数、 时间等交易数 据， 与企业 公布在外的注册资金额、 征信记录、 外部风险等数据。 这种人为打分的方法， 工作 量大、 主观因素严重且 存在纰漏可能性， 且根因输出能力不强。 [0004]除此以外， 人为打 分无法充分利用最 新实时数据， 人力需求 严重且交易专 家稀少。 发明内容 [0005]为了解决现有技术的问题， 本发明提供了一种基于机器学习的客户授信额度预测 方法， 其能够在 减少人为主观因素， 减少人力压力的背 景下， 客观公正的对用户画像进行描 摹， 对授信额度给予判定， 并给 出判定额度的相关理由、 因素。 [0006]本发明所采用的技 术方案如下： [0007]一种基于 机器学习的客户授信额度预测方法， 包括以下步骤： [0008]A、 采集指定客户的内部数据及外 部数据； [0009]B、 将所述的内部数据和外 部数据输入训练好的决策树模型； [0010]C、 所述的决策树模型输出 给予的最大授信额度和根因。 [0011]优选地， 所述的决策树模型的训练方法具体包括： [0012]B1、 随机选取N个客户样本； [0013]B2、 根据经验值标注这 N个客户的预授信额度； [0014]B3、 通过已经标注好的客户样本数据作为模型的指导， 使用内部数据和外部数据 作为训练数据， 标注数据作为训练结果， 进行多树的xgbo ost模型训练； [0015]B4、 训练后的xgboost模型的最终输出结果为指定客户的模型建议授信额度， 以及 判断授信额度时的特 征重要性。 [0016]优选地， 内部数据为相关客户与企业合作时发生的历史数据， 包括： 交易时长、 毛 利润， 交易金额， 订单数， 客单价， 回款逾期次数、 逾期金额、 逾期天数， 交易类型、 行业属性、 客户分类中的一种或多种的组合。 [0017]优选地， 外部数据是通过外部工商信息平台接 口收集到 的相关客户相关数据， 包 括： 注册资本、 注 册时间、 营业范围、 经 营期限、 股东信息、 高管信息中的一种或多种的组合。说　明　书 1/4 页 3 CN 114841792 A 3