(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 202210143808.X (22)申请日 2022.02.16 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 裴凯洋　黄洲　张丽　翁兆琦　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 吴梦圆 (51)Int.Cl. G06Q 40/02(2012.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 信用等级评价方法、 装置、 电子设备及存储 介质 (57)摘要 本公开提供一种信用等级评价方法， 可应用 信用风险评估技术领域。 该方法包括： 获取第一 用户信用数据， 第一用户信用数据包括带有不同 信用等级标签的用户信用数据和无信用等级标 签的用户信用数据； 通过密度聚类模 型对第一用 户信用数据进行密度聚类分析， 得到每个簇对应 的信用等级分类结果， 及针对第一用户信用数据 经过密度聚类 分析后的噪声数据； 根据每个簇对 应的信用等级分类结果， 确定与每个簇对应的用 户等级分类结果； 通过决策树模 型对噪声数据进 行分类， 得到针对噪声数据对应的信用等级分类 结果； 根据噪声数据对应的信用等级分类结果， 确定与噪声数据对应的用户等级分类结果。 本公 开还提供一种信用等级评价装置、 电子设备、 存 储介质和程序 产品。 权利要求书2页 说明书13页 附图7页 CN 114493853 A 2022.05.13 CN 114493853 A 1.一种信用等级评价方法， 包括： 获取第一用户信用数据， 其中， 所述第一用户信用数据包括带有不同信用等级标签的 用户信用数据和无信用等级标签的用户信用数据； 通过密度聚类模型对所述第 一用户信用数据进行密度聚类分析， 得到每个簇对应的信 用等级分类结果， 以及针对所述第一用户信用数据经 过所述密度聚类分析后的噪声数据； 根据每个所述簇对应的信用等级分类结果， 确定与每个所述簇对应的用户等级分类结 果； 通过决策树模型对所述噪声数据进行分类， 得到针对所述噪声数据对应的信用等级分 类结果； 根据所述噪声数据对应的信用等级分类结果， 确定与 所述噪声数据对应的用户等级分 类结果。 2.根据权利要求1所述的方法， 其中， 在所述获取第一用户信用数据之前包括： 获取第二用户信用数据； 对所述第二用户信用数据进行 数据预处 理， 得到所述第一用户信用数据； 对所述第一用户信用数据进行信用等级标注。 3.根据权利要求1所述的方法， 其中， 所述通过密度聚类模型对所述第 一用户信用数据 进行密度聚类分析， 得到每 个簇对应的信用等级分类结果， 包括： 将所述第一用户信用数据输入所述密度聚类模型进行密度聚类处 理， 得到多个簇； 根据每个所述簇 中所述第 一用户信用数据对应的不同的所述信用等级的占比， 确定每 个所述簇对应的信用等级分类结果。 4.根据权利要求3所述的方法， 其中， 所述根据每个所述簇 中所述第 一用户信用数据对 应的不同的所述信用等级标签的占比， 确定每 个所述簇对应的信用等级分类结果， 包括： 根据每个所述簇 中所述第 一用户信用数据对应的不同的所述信用等级标签的占比， 确 定所述簇中占比最大的信用等级标签； 根据所述簇 中所述占比最大的信用等级标签对应的信用等级， 确定所述簇对应的信用 等级分类结果。 5.根据权利要求1所述的方法， 其中， 所述密度聚类模型通过如下操作构建得到的， 包 括： 获取用户信用样本数据， 其中， 所述用户信用样本数据包括带有不同所述信用等级标 签的用户信用数据； 通过预设规则， 确定密度聚类参数的参数组合取值列表， 其中， 所述密度聚类参数包括 多个邻域距离和多个邻域密度阈值， 所述参数组合取值列表包括多个不同参数组合， 每个 所述参数组合包括所述邻域距离和对应的所述邻域密度阈值； 根据所述参数组合取值列表中的多个不同所述参数组合， 基于密度的聚类算法， 对带 有不同信用等级标签的样本用户对应的所述用户信用样本数据进 行循环聚类， 得到每个所 述参数组合的聚类结果； 基于每个所述参数组合的聚类结果， 对每个所述参数组合的聚类结果进行聚类效果评 估， 得到针对每 个所述参数组合的聚类效果评估值； 根据针对每 个所述参数组合的聚类效果评估值， 构建密度聚类模型。权　利　要　求　书 1/2 页 2 CN 114493853 A 26.根据权利要求5所述的方法， 其中， 所述通过预设规则， 确定密度聚类参数的参数组 合取值列表， 包括： 根据每两个所述用户信用样本数据之间的距离， 确定多个所述邻域距离 中的最小邻域 距离和最大邻域距离； 根据所述最小邻域距离和所述最大邻域距离的第一预设关系， 确定多个中间邻域距 离， 得到多个所述邻域距离； 确定多个所述邻域密度阈值的最小邻域密度阈值和最大邻域密度阈值； 根据所述邻域密度阈值和最大邻域密度阈值的第 二预设关系， 确定多个中间邻域密度 阈值， 得到多个所述邻域密度阈值； 将每个所述邻域距离和每个所述邻域密度阈值进行参数组合， 形成多个参数组合， 生 成参数组合取值列表。 7.根据权利要求1所述的方法， 其中， 在获取第一用户信用数据之前， 还 包括： 响应于用户对获取第 一用户信用数据进行授权的授权操作， 获取所述第 一用户信用数 据。 8.一种信用等级评价装置， 包括： 获取模块， 用于获取第一用户信用数据， 其中， 所述第 一用户信用数据包括带有不同信 用等级标签的用户信用数据和无信用等级标签的用户信用数据； 分析模块， 用于通过密度聚类模型对所述第一用户信用数据进行密度聚类分析， 得到 每个簇对应的信用等级分类结果， 以及针对所述第一用户信用数据经过所述密度聚类分析 后的噪声数据； 第一确定模块， 用于根据每个所述簇对应的信用等级分类结果， 确定与每个所述簇对 应的用户等级分类结果； 分类模块， 用于通过决策树模型对所述噪声数据进行分类， 得到针对所述噪声数据对 应的信用等级分类结果； 第二确定模块， 用于根据所述噪声数据对应的信用等级分类结果， 确定与所述噪声数 据对应的用户等级分类结果。 9.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器执行根据权利要求1～7中任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有可执行指令， 该指令被处理器执行时使处理 器执行根据权利要求1～7中任一项所述的方法。 11.一种计算机程序产品， 包括计算机程序， 所述计算机程序被处理器执行时实现根据 权利要求1～7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114493853 A 3