(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 202210345706.6 (22)申请日 2022.03.31 (71)申请人 度小满科技 （北京） 有限公司 地址 100085 北京市海淀区西北旺路10号 院西区4号楼6层6 06 (72)发明人 万世想　杨青　 (74)专利代理 机构 北京知帆远景知识产权代理 有限公司 1 1890 专利代理师 刘岩磊 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种借贷利率预估方法、 装置、 设备及可读 存储介质 (57)摘要 本发明公开了一种借贷利率预估 方法， 该方 法提出了一种全新的触发器随机森林模型用于 实现精准的借贷利率预估， 触发器因果森林模型 为调用触发器因果推断框架加入了干预值对随 机森林模型进行模型参数训练， 通过对干预值的 递归切分帮助算法学习在特征相近但干预值显 著不同的条件下， 确定该类客户的最佳利率， 再 借助大规模 数据， 可以对几乎所有客户完成准确 的利率定价， 实现不影 响借贷意愿的情况下最大 化金融机构利润。 该方法能够基于大规模数据给 出千人千面的精准利率定价， 平衡收益与客户借 贷意愿， 具有良好的鲁棒性和实际应用能力。 本 发明还公开了一种借贷利率预估装置、 设备及可 读存储介质， 具有相应的技 术效果。 权利要求书2页 说明书9页 附图3页 CN 114820160 A 2022.07.29 CN 114820160 A 1.一种借贷利率预估方法， 其特 征在于， 包括： 获取待评估的利率定价区间以及用户金融行为信息； 对所述用户金融行为信息进行 数据预处 理， 得到行为特 征； 调用触发器因果森林模型根据所述行为特征对所述利率定价区间中各利率值进行激 活率预测， 并获取所述触发器因果森林模型中各树输出的平均值， 作为预测激活率； 其中， 所述触发器因果森林模型为调用触发器因果推断框架对随机森林模型进行模型参数训练 得到； 确定所述预测激活率中降幅低于 阈值的最大激活率， 将所述最大激活率对应的利率值 作为预估结果。 2.根据权利要求1所述的借贷利率预估方法， 其特征在于， 所述触发器因果森林模型的 训练方法， 包括： 确定训练集； 将所述训练集中各样本划分为第一样本集和第二样本集； 将所述第一样本集中各样本循环输入至所述触发器因果森林模型， 按特征取值进行干 预值分裂后递归确定最大 条件平均干预效应值平方和对应的触发值； 根据所述第二样本集对所述第一样本集训练生成的条件平均干预效应值评估。 3.根据权利要求2所述的借贷利率预估方法， 其特征在于， 所述将所述第 一样本集中各 样本循环输入至所述触发器因果森林模型， 按 特征取值进 行干预值分裂后递归确定最大条 件平均干预效应值平方和对应的触发值， 包括： 将所述第一样本集中各样本循环输入至所述触发器因果森林模型， 根据 特征直方图按 特征取值进行干预值近似分裂后递归确定最大 条件平均干预效应值平方和对应的触发值。 4.根据权利要求2所述的借贷利率预估方法， 其特 征在于， 还 包括： 确定测试集； 将所述测试集输入至所述训练集训练得到的所述触发器因果森林模型中， 调用 QiniScore进行因果效应区分能力评估。 5.根据权利要求2所述的借贷利率预估方法， 其特 征在于， 还 包括： 获取样本数据； 对所述样本数据进行 数据预处 理， 作为样本集； 将样本集按照时间窗口进行样本拆分， 生成没有时间重 叠的训练集和 测试集。 6.根据权利要求1所述的借贷利率预估方法， 其特征在于， 所述获取待评估的利率定价 区间以及用户金融行为信息， 包括： 获取高维征信报告特 征信息和互联网金融特 征信息， 作为所述用户金融行为信息 。 7.一种借贷利率预估 装置， 其特 征在于， 包括： 信息获取 单元， 用于获取待评估的利率定价区间以及用户金融行为信息； 数据预处 理单元， 用于对所述用户金融行为信息进行 数据预处 理， 得到行为特 征； 激活率预测单元， 用于调用触发器因果森林模型根据所述行为特征对所述利率定价 区 间中各利率值进行激活率预测， 并获取所述触发器因果森林模型中各树输出 的平均值， 作 为预测激活率； 其中， 所述触发器因果森林模型为模型训练单元调用触发器因果推 断框架 对随机森林模型进行模型参数训练得到；权　利　要　求　书 1/2 页 2 CN 114820160 A 2结果生成单元， 用于确定所述预测激活率中降幅低于阈值的最大激活率， 将所述最大 激活率对应的利率 值作为预估结果。 8.根据权利要求7 所述的借贷利率预估 装置， 其特 征在于， 所述模型训练单 元包括： 训练集划分子单元， 用于确定训练集， 将所述训练集中各样本划分为第一样本集和第 二样本集； 干预训练子单元， 用于将所述第 一样本集中各样本循环输入至所述触发器因果森林模 型， 按特征取值进行干预值分裂后递归确定最大条件平均干预效应值平方和对应的触发 值； 训练评估子单元， 用于根据 所述第二样本集对所述第 一样本集训练生成的条件平均干 预效应值评估。 9.一种计算机设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至6任一项所述借贷利率预估方 法的步骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处 理器执行时实现如权利要求1至 6任一项所述借贷利率预估方法的步骤。权　利　要　求　书 2/2 页 3 CN 114820160 A 3