(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 202210686773.4 (22)申请日 2022.06.17 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 涂洪星　李大伟　林建贞　倪昕琦　 陈楠　邓艾兵　尚妍　薛颖　 李杰彬　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王云晓 (51)Int.Cl. G06F 16/2458(2019.01) G06Q 40/02(2012.01) (54)发明名称 贷款催收方法和装置 (57)摘要 本申请公开了一种贷款催收方法和装置， 该 方法为： 在接收到用户发送的待测客户的贷款数 据后， 对待测客户的贷款数据进行分析， 得到待 测客户的类型、 存款以及贷款余额； 对待测客户 的贷款数据进行特征提取， 得到目标特征； 将目 标特征输入至与待测客户的类型对应的评分卡 模型中， 得到评分卡模型输出的评分结果； 将待 测客户的评分、 存款以及贷款余额， 输入至与评 分的类型对应的决策树模型中， 得到决策树模型 输出的识别结果； 通过预设界面向用户展示待测 客户的催收等级。 该方法基于评分卡模型确定待 测客户的评分， 并基于决策树模 型确定待测客户 的催收等级， 能够帮助用户获悉待测客户的催收 等级， 以便用户根据催收等级提前做好催收准 备。 权利要求书3页 说明书11页 附图5页 CN 115062074 A 2022.09.16 CN 115062074 A 1.一种贷款催收方法， 其特 征在于， 包括： 在接收到用户发送 的待测客户的贷款数据后， 对所述待测客户的贷款数据进行分析， 得到所述待测客户的类型、 存款以及贷款 余额； 对所述待测客户的贷款数据进行 特征提取， 得到目标 特征； 将所述目标特征输入至与 所述待测客户的类型对应的评分卡模型中， 得到所述评分卡 模型输出的评 分结果； 所述评 分卡模型为利用预先获取的样本集对预设的逻辑回归模型进 行训练所 得到； 所述评分结果包括所述待测客户的评分， 以及所述评分的类型； 将所述待测客户的评分、 存款以及贷款余额， 输入至与所述评分的类型对应的决策树 模型中， 得到所述决策树模型输出 的识别结果； 所述决策树模型为利用预先获取 的训练数 据集构建得到； 所述识别结果包括所述待测客户的催收等级； 通过预设界面向所述用户展示所述待测客户的催收等级。 2.根据权利要求1所述的方法， 其特征在于， 所述评分卡模型包括预催收评分卡模型； 所述预催收评分卡模型为利用预先获取的第一样本集对预设的逻辑回归模型进行训练所 得到； 所述将所述目标特征输入至与所述待测客户的类型对应的评分卡模型中， 得到所述评 分卡模型输出的评分结果， 包括： 在所述待测客户的类型为未逾期客户的情况下， 将所述目标特征输入到所述预催收评 分卡模型中， 得到所述预催收评分卡模型输出 的第一评分结果； 所述第一评分结果包括所 述待测客户的预催收评分。 3.根据权利要求2所述的方法， 其特征在于， 所述利用预先获取的第 一样本集对预设的 逻辑回归 模型进行训练， 得到所述预催收评分卡模型的过程， 包括： 预先从贷款业务系统中获取多个样本客户的贷款数据； 所述样本客户包括在预设观察 期内办理贷款 业务的客户； 对各个所述样本客户的贷款数据进行特征提取， 得到特征变量集合； 所述特征变量集 合包括多个特 征变量； 对所述特 征变量集合中的各个特 征变量进行变量筛 选， 得到各个样本特 征； 从各个所述样本客户中选取在第 一预设观察点办理所述贷款业务的样本客户， 作为第 一样本客户； 所述第一预设观察点包括以比预设贷款到期时间提前第一预设时间的时间点 作为起始， 且以所述预设贷款到期时间作为终止的时间段； 按照第一预设分类规则， 对所述第一样本客户进行分类， 得到所述第一样本客户的类 型， 并为所述第一样本客户设置与自身类型对应的类型标签； 所述第一预设分类规则为： 将 在第一预设表现期 内还款的第一样本客户， 标识为好样本， 并将在所述第一预设表现期内 未还款的第一样本客户， 标识为坏样本； 所述第一预设表现期包括以所述第一预设观察点 的结尾时间为 起始、 且延后第二预设时间的时间段； 基于所述第一样本客户的样本特 征， 构建所述第一样本集； 利用所述第一样本集对预设的逻辑回归 模型进行训练， 得到所述预催收评分卡模型。 4.根据权利要求3所述的方法， 其特征在于， 所述决策树模型包括第一决策树模型； 所 述第一决策树模型为利用预 先获取的第一训练数据集训练得到； 所述将所述待测客户的评分、 存款以及贷款余额， 输入至与所述评分的类型对应的决权　利　要　求　书 1/3 页 2 CN 115062074 A 2策树模型中， 得到所述决策树模型输出的识别结果， 包括： 将所述待测客户的预催收评分、 存款以及贷款余额， 输入至所述第一决策树模型中， 得 到所述第一决策树模型输出的第一识别结果； 所述第一识别结果包括所述待测客户的预催 收等级。 5.根据权利要求4所述的方法， 其特征在于， 所述利用预先获取的第一训练数据集， 训 练得到的所述第一决策树模型的过程， 包括： 将所述第一样本客户的样本特征输入至所述预催收评分卡模型中， 得到所述预催收评 分卡模型输出的第一样本评 分结果； 所述第一样本评分结果包括所述第一样本客户的预催 收评分； 对所述第一样本客户的贷款数据进行解析， 得到所述第 一样本客户的存款以及贷款余 额； 利用所述第一样本客户的预催收评分、 存款以及贷款 余额， 构建所述第一训练数据集； 利用所述第一训练数据集， 训练所述第一决策树模型。 6.根据权利要求1所述的方法， 其特征在于， 所述评分卡模型包括逾期催收评分卡模 型； 所述逾期催收评分卡模型为利用预先获取的第二样本集对预设的逻辑回归模型进 行训 练所得到； 所述将所述目标特征输入至与所述待测客户的类型对应的评分卡模型中， 得到所述评 分卡模型输出的评分结果， 包括： 在所述待测客户的类型为逾期客户的情况下， 将所述目标特征输入到所述逾期催收评 分卡模型中， 得到所述逾期催收评分卡模型输出 的第二评分结果； 所述第二评分结果包括 所述待测客户的逾期催收评分。 7.根据权利要求6所述的方法， 其特征在于， 所述利用预先获取的第 二样本集对预设的 逻辑回归 模型进行训练， 得到所述逾期催收评分卡模型的过程， 包括： 预先从贷款业务系统中获取多个样本客户的贷款数据； 所述样本客户包括在预设观察 期内办理贷款 业务的客户； 对各个所述样本客户的贷款数据进行特征提取， 得到特征变量集合； 所述特征变量集 合包括多个特 征变量； 对所述特 征变量集合中的各个特 征变量进行变量筛 选， 得到各个样本特 征； 从各个所述样本客户中选取在第 二预设观察点办理所述贷款业务的样本客户， 作为第 二样本客户； 所述第二预设观察 点包括预设贷款逾期时间段； 按照第二预设分类规则， 对所述第二样本客户进行分类， 得到所述第二样本客户的类 型， 并为所述第二样本客户设置与自身类型对应的类型标签； 所述第二预设分类规则为： 将 在第二预设表现期 内还款的第二样本客户， 标识为好样本， 并将在所述第二预设表现期内 未还款的第二样本客户， 标识为坏样本； 所述第二预设表现期包括以所述第二预设观察点 的结尾时间为 起始、 且延后第二预设时间的时间段； 基于所述第二样本客户的样本特 征， 构建所述第二样本集； 利用所述第二样本集对预设的逻辑回归模型进行训练， 得到所述逾期催收评分卡模 型。 8.根据权利要求7所述的方法， 其特征在于， 所述决策树模型包括第二决策树模型； 所权　利　要　求　书 2/3 页 3 CN 115062074 A 3