(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 202210301109.3 (22)申请日 2022.03.25 (71)申请人 深圳微言科技有限责任公司 地址 518049 广东省深圳市福田区梅林街 道孖岭社区凯丰 路10号翠林大厦13层 1305、 1306、 1307、 1308室 (72)发明人 韩彧　苏树清　 (74)专利代理 机构 上海创开专利代理事务所 (普通合伙) 31374 专利代理师 李兰兰 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) (54)发明名称 一种智能决策引擎、 决策系统及决策方法 (57)摘要 本发明公开了一种智能决策引擎、 决策系统 及决策方法， 涉及计算机决策系统技术领域。 本 发明的决策引擎包括以下模块： 用于对整个决策 引擎的数据进行初始化的初始化模块； 用于对用 户录入的信息进行处理的数据处理模块； 用于根 据用户录入的新数据进行违约的预测， 并输出预 测结果的违约预测模块； 用于对违约预测模块中 的训练模型进行训练新的训练模型以及对模型 版本进行管理的模型管理模块； 决策引擎数据 库。 本发明基于训练的模型对接收来自客户对应 的多种类、 多途径的各项数据及信息进行预测， 参考信息 数据更加全面， 且采用的是由训练模型 基于决策引擎自动化给出的违约风险结果， 准确 率及效率高， 决策评价 客观性强。 权利要求书2页 说明书5页 附图3页 CN 114626938 A 2022.06.14 CN 114626938 A 1.一种智能决策引擎， 以SDK的形式提供给业务端， 嵌入至贷款系统中， 其特征在于， 包 括： 初始化模块： 用于对整个决策引擎的数据进行初始化， 具体包括创建决策引擎实例、 创 建模型实例； 所述创建决策引擎 实例为选择具体对应的决策引擎 实例用于后续对对应贷款 人员基于决策引擎实例下进行决策动作； 所述创建模型实例是选择具体的对应的训练模型 用于后续输入数据进行训练； 数据处理模块： 用于对用户录入的信 息进行处理， 包括数据采集和数据清洗； 所述数据 采集用于对贷款系统端用户输入的数据进 行接口数据获取后采集； 所述数据 清洗用于对采 集的数据进行正确 性及规范性的判断， 对不符合要求的数据进行异常提示， 并由抓取和识 别程序自动修改为满足要求的标准化格式的数据后进 行收录， 对于缺少的信息进 行自动化 补充； 违约预测模块： 用于根据用户录入的新数据进行违约的预测， 并输出预测结果， 在预测 之前， 先读取文件中的训练模型， 该训练模型由训练模块进 行训练并保存， 在读取到训练模 型后， 即可将数据 处理模块读入的数据传入至由训练模型训练后形成的违约预测模块中， 经违约预测模块预测 后将预测的结果返回给用户， 给到用户该笔贷款是否可能违约的判断 结果， 并基于判断结果给 出是否同意 放贷的决策意见； 模型管理模块： 用于对违约预测模块中的训练模型进行优化迭代， 以及对模型版本进 行管理； 决策引擎数据库： 用于决策引擎的决策过程提供数据存储及支持， 存储的数据包括违 约预测模型信息、 模型参数信息、 模型评估信息、 模型 预测结果信息、 预测数据信息 。 2.根据权利要求1所述的一种智能决策引擎， 其特征在于， 所述训练模块包括初级学习 器及次级学习器， 由初级学习器将训练集以及分类属 性作为初级学习器的输入， 然后根据 初级学习器输出作为次级学习器的输入进行构建XGBoost复合树模型， 最终得到学习模型 并进行预测。 3.根据权利要求2所述的一种智能决策引擎， 其特征在于， 所述初级学习器包括 Logistics回归、 支持向量机、 随机森林、 神经网络 。 4.根据权利要求1所述的一种智能决策引擎， 其特征在于， 所述智能决策引擎的工作流 程是： 模型训练及对应评估结果训练： 获取用于预测的原始数据， 利用数据处理模块对原始 数据进行清洗获得符合要求及标准的模型数据， 然后根据所获取的模型数据基于训练模块 进行训练， 获得对应的训练模型及训练模型对应的模型评估结果； 实际预测： 获得需要预测的用户原始数据， 利用 初始化模块选择对应的训练模型及决 策引擎实例用于后续预测 动作， 利用数据处理模块对原始数据进 行清洗获得符合要求及标 准的模型数据， 使用该模型数据进行实际的预测， 并由违约预测模块预测后将预测的结果 返回给用户， 给到用户贷款是否可能违约的判断结果， 并基于判断结果给出是否同意放贷 的决策意见。 5.根据权利要求4所述的一种智能决策引擎， 其特征在于， 所述原始数据包括用户所填 报客户对应的个人基本信息、 银行征信信息、 单位征信信息、 房产信息、 车产信息以及 网查 信息； 所述网查信息为基于客户姓名、 身份证号、 手机号及工作单位于工商信息网、 法院信权　利　要　求　书 1/2 页 2 CN 114626938 A 2息综合查询网、 犯罪信息查询网前述所列途径外查询到的信息 。 6.一种决策系统， 其特征在于， 采用如权利要求1 ‑5任一项所述的智能决策引擎实现， 包括： 智能决策引擎； 支持层： 与智能决策引擎相连， 为智能决策引擎提供客户贷款审批所需数据的录入和 接入， 包括录入客户的个人基本信息、 单位征信信息以及接入对应的征信系统、 房产信息、 车产信息及以及网查信息的平台接口， 用于用户实现对客户贷款信息操作且带有登录权限 验证的终端； 逻辑层： 将支持层与智能决策引擎之间进行关联的程序代码及功能结构。 7.一种智能决策决策方法， 其特征在于， 采用 如权6所述的一种决策系统实现， 包括如 下步骤： S1、 用户基于授权的登录权限使用终端登录决策系统， 填写需要进行贷款风险违约评 测的客户的个人基本信息、 单位征信信息， 并勾选需要进行连接并抓取的征信系统、 房产信 息、 车产信息及以及网查信息平台， 自动抓取对应的原 始数据信息； S2、 对所获得的需要预测的原始数据， 利用初始化模块选择对应的训练模型及决策引 擎实例用于后续预测 动作， 利用数据处理模块对原始数据进 行清洗获得符合要求及标准的 模型数据， 使用该模型 数据进行实际的预测； S3、 由违约预测模块预测后将预测的结果通过终端返回给用户， 并于终端上进行显示， 给到用户该笔贷款是否可能违约的判断结果， 并基于判断结果给出是否同意放贷的决策意 见。权　利　要　求　书 2/2 页 3 CN 114626938 A 3