(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 202210391681.3 (22)申请日 2022.04.14 (71)申请人 上海硕恩网络科技股份有限公司 地址 200003 上海市徐汇区虹桥路3 33号1 幢210室 (72)发明人 韦南　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 蔡舒野 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06Q 40/02(2012.01) (54)发明名称 一种信用等级确定方法、 装置、 设备及存储 介质 (57)摘要 本发明公开了一种信用等级确定方法、 装 置、 设备及存储介质。 该方法包括： 获取待确定客 户信息； 将待确定客户信息输入至预先构建的用 户相似性度量模 型， 根据输出结果确定相似历史 客户； 根据相似历史客户确定待确定客户信息对 应客户的信用等级； 其中， 预先构建的用户相似 性度量模型中包括至少两个并行的独立特征抽 取子模型和特征关系确定子模型。 本发明实施例 的技术方案， 解决了传统信用等级确定过程中仅 能对同一信用等级的同类样本归类抽取共同特 征， 而忽略可能对相似度造成影响的差异化特 征， 降低不同客户及信用等级间相似度确定准确 性的问题， 提升了待确定客户信息对应客户的信 用等级确定的准确度。 权利要求书2页 说明书13页 附图6页 CN 114818892 A 2022.07.29 CN 114818892 A 1.一种信用等级确定方法， 其特 征在于， 包括： 获取待确定客户信息； 将所述待确定客户信 息输入至预先构建的用户相似性度量模型， 根据输出结果确定相 似历史客户； 根据所述相似历史客户确定所述待确定客户信息对应客户的信用等级； 其中， 所述预先构建的用户相似性度量模型中包括至少两个并行的独立特征抽取子模 型和特征关系确定 子模型。 2.根据权利要求1所述的方法， 其特征在于， 所述用户相似性度量模型的训练步骤包 括： 对客户信息训练样本集中的客户信息集进行全局特征提取， 确定全局特征样本集； 其 中， 所述客户信息训练样本集包括客户信息集以及与客户信息集对应的标定信息集， 所述 标定信息集中包括与所述 客户信息集对应的信用等级信息； 根据所述全局特 征样本集中的特 征类型个数确定第一数量； 通过所述全局特征样本集对初始独立特征抽取子模型进行训练， 确定第 一数量个独立 特征抽取子模型， 并根据各 所述独立特 征抽取子模型的输出确定独立特 征集合； 通过所述独立特征集合与 所述标定信 息集对初始特征关系确定子模型进行训练， 确定 特征关系确定 子模型； 将并行的各所述独立特征抽取子模型与 所述特征关系确定子模型进行融合， 构 成用户 相似性度量模型。 3.根据权利要求2所述的方法， 其特征在于， 所述通过所述全局特征样本集对初始独立 特征抽取子模型进行训练， 确定第一数量个 独立特征抽取子模型， 包括： 通过最小化重构损失将所述全局特 征样本集划分为第一数量个 独立特征样本子集； 针对每一个所述初始独立特征抽取子模型， 由所述第 一数量个独立特征样本子集中提 取一个未被训练的独立特 征样本子集确定为目标独立特 征样本子集； 将所述目标独立特征样本子集输入至所述初始独立特征抽取子模型中， 提取第 一中间 结果集； 将所述第一中间结果集、 所述目标独立特征样本子集与给定的损失函数表达式相结 合， 确定对应的第一损失函数； 基于所述第 一损失函数对所述初始独立特征抽取子模型进行训练， 直到满足预设 收敛 条件获得独立特 征抽取子模型。 4.根据权利要求2所述的方法， 其特征在于， 所述通过所述独立特征集合与 所述标定信 息集对初始特 征关系确定 子模型进行训练， 确定特 征关系确定 子模型， 包括： 将所述独立特 征集合输入至所述初始特 征关系确定 子模型中， 提取第二中间结果 集； 将所述第二中间结果集、 所述标定信息集与给定的损 失函数表达式相结合， 确定对应 的第二损失函数； 基于所述第 二损失函数对所述初始特征关系确定子模型进行训练， 直到满足预设 收敛 条件获得 特征关系确定 子模型。 5.根据权利要求4所述的方法， 其特征在于， 所述特征关系确定子模型为关系图卷积网 络模型。权　利　要　求　书 1/2 页 2 CN 114818892 A 26.根据权利要求1所述的方法， 其特征在于， 所述将所述待确定客户信 息输入至预先构 建的用户相似性度量模型， 根据输出 结果确定相似历史客户， 包括： 将所述待确定客户信 息输入至所述用户相似性度量模型中进行全局特征提取， 确定待 确定客户全局特 征； 将所述待确定客户全局特征输入所述用户相似性度量模型中的各所述独立特征抽取 子模型中， 确定第一 生成结果； 将所述第一生成结果输入所述用户相似性度量模型中的所述特征关系确定子模型中， 确定第二 生成结果； 根据所述第二生成结果确定客户信息训练样本集中与所述待确定客户信息相似度最 高的相似历史客户。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述相似历史客户确定所述待确 定客户信息对应客户的信用等级， 包括： 将所述相似历史客户的信用等级确定为相似信用等级； 将所述相似信用等级确定为所述待确定客户信息对应客户的信用等级。 8.一种信用等级确定装置， 其特 征在于， 包括： 信息获取模块， 用于获取待确定客户信息； 相似客户确定模块， 用于将所述待确定客户信 息输入至预先构建的用户相似性度量模 型， 根据输出 结果确定相似历史客户； 信用等级确定模块， 用于根据 所述相似历史客户确定所述待确定客户信 息对应客户的 信用等级； 其中， 所述预先构建的用户相似性度量模型中包括至少两个并行的独立特征抽取子模 型和特征关系确定 子模型。 9.一种信用等级确定设备， 其特 征在于， 所述信用等级确定设备包括： 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能够执行权利要求1 ‑7中任一项所述的 信用等级确定方法。 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计算机指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑7中任一项所述的信用等级确定 方法。权　利　要　求　书 2/2 页 3 CN 114818892 A 3