(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 202211043134.2 (22)申请日 2022.08.29 (71)申请人 广发银行股份有限公司 地址 510000 广东省广州市越秀区东 风东 路713号 (72)发明人 郑晶　张华　曾宪铭　 (74)专利代理 机构 广州润禾知识产权代理事务 所(普通合伙) 44446 专利代理师 郑永泉 (51)Int.Cl. G06K 9/62(2022.01) G06Q 10/10(2012.01) G06Q 40/02(2012.01) G06F 16/2458(2019.01) G06F 16/28(2019.01)G06F 16/36(2019.01) (54)发明名称 新发卡实时审批模型的训练及审 批方法、 设 备及存储介质 (57)摘要 本发明提供新发卡实时审批模型的训练及 审批方法、 设备及存储介质， 方法包括： 根据已有 客户的信息构建客户关系网络； 在新发卡实时审 批流程中， 根据新发卡进件申请信息关联已有客 户， 通过新发卡进件申请信息及关联的已有客户 的客户标签实时计算得到实时图指标； 计算新发 卡进件数据样本实时图指标， 作为模 型训练的候 选变量； 然后对候选变量进行特征筛选， 利用候 选变量的预测能力评估指标进行最优特征变量 选择， 得到最终入模变量； 利用最终入模变量对 模型进行训练， 得到新发卡实时审批模型。 依据 银行的新发卡进件审批数据实时跑批模型得到 实时审批结果， 为识别中介欺诈团伙的攻击提供 创新性技术手段， 提高银行防范 金融风险能力。 权利要求书2页 说明书8页 附图4页 CN 115496130 A 2022.12.20 CN 115496130 A 1.一种新发卡实时审批模型的训练方法， 其特 征在于， 包括： 根据已有客户的信息构建客户关系网络； 根据新发卡进件申请信 息关联已有客户， 通过新发卡进件申请信 息及关联的已有客户 的客户标签实时计算得到实时图指标； 所述实时图指标包括黑灰名单类指标、 时间类指标、 位置类指标、 资金关系类指标、 交 叉关系类指标， 以及复杂关系类指标； 计算新发卡进件数据样本实时图指标， 作为模型训练的候选变量； 在新发卡实时审批模型训练前， 对候选变量进行特征筛选， 对特征筛选后的候选变量 进行最优特 征变量选择， 得到最终入 模变量； 利用最终入 模变量对 模型进行训练， 得到新发卡实时审批模型。 2.根据权利要求1所述的新发卡实时审批模型的训练方法， 其特征在于， 根据已有客户 的信息构建客户关系网络， 具体包括： 根据已有客户的信息设计客户关系网络的实体、 属性以及关系； 将已有客户的信 息进行数据 预处理， 至少包括： 对已有客户的信 息进行数据清洗， 将已 有客户的信息中的所有坐标 数据进行网格化处 理； 从预处理后的已有客户的信息中抽取与已设计的实体、 属性以及关系对应的数据， 并 基于所抽取的数据构建客户关系网络 。 3.根据权利要求1所述的新发卡实时审批模型的训练方法， 其特 征在于， 特征筛选后的候选变量进行最优特 征变量选择， 得到最终入 模变量， 具体包括： 确定每个候选变量的预测能力 评估指标， 根据各个候选变量的预测能力 评估指标从所 有候选变量中筛 选出重要性较强的特 征变量； 将筛选出的重要性较强的特征变量重新训练新发卡实时审批模型， 并比较单个特征变 量训练模型后的效果， 通过比较单变量的模型结果， 选择重要性较强的特征变量作为最终 入模变量。 4.根据权利要求3所述的新发卡实时审批模型的训练方法， 其特 征在于， 确定每个候选变量的预测能力 评估指标， 根据各个候选变量的预测能力 评估指标从所 有候选变量中筛 选出重要性较强的特 征变量， 具体包括： 确定所有候选变量的缺失率， 从所有候选变量中剔除缺失率大于缺失率阈值的候选变 量； 确定剔除后的每个候选变量的IV值， 根据每个候选变量的IV值筛选出IV值大于或等于 IV值阈值的特 征变量； 确定筛选后的剩余候选变量的PSI值， 根据每个候选变量的PSI值筛选出PSI值小于预 先设置的阈值的候选变量， 作为重要性较强的特 征变量。 5.根据权利要求1～4任一项所述的新发卡实时审批模型的训练方法， 其特 征在于， 所述黑灰名单类指标包括当前的新发卡进件的一度关系人的黑灰名单客户数量及占 比、 当前的新发卡进件的紧急联系 人或直系 亲属是否为黑名单客户、 与当前 的新发卡进件 在同一单位的一度关系人的黑名单客户数量及占比。 6.根据权利要求1～4任一项所述的新发卡实时审批模型的训练方法， 其特 征在于， 所述时间类指标包括与当前的新发卡进件在同一网格区域且在第一时间段内的进件权　利　要　求　书 1/2 页 2 CN 115496130 A 2量、 与当前的新发卡进件在同一网格区域且在第二时间段内的进件量； 所述位置类指标包括与当前的新发卡进件在同一网格区域的且同一单位的客户数量、 与当前的新 发卡进件在同一网格区域进件的欺诈拒绝件占比、 与当前的新发卡进件在同一 网格区域且一度关系人达到第一学历以上学历占比、 与当前的新 发卡进件在同一网格区域 且一度关系人的人均综合储蓄金额。 7.根据权利要求1～4任一项所述的新发卡实时审批模型的训练方法， 其特 征在于， 所述资金关系类指标包括与当前的新发卡进件相关的资金关系人的欺诈止付数量、 与 当前的新发卡进件相关的资金关系人的平均额度使用率； 所述交叉关系类指标包括当前的新发卡进件的本人单位电话为他人住宅电话且其关 系人中为黑名单客户的数量及占比、 当前的新发卡进件的本人家庭电话为他人单位电话且 其关系人中为 黑名单客户的数量及占比； 所述复杂关系指标包括当前的新发卡进件在第三时间段内为同一设备号的进件且同 一推荐人的一度关联人的拒绝件占比、 与当前的新发卡进件为同一单位名/单位地址/单位 电话的一度关系人的人均本行综合储蓄金额、 与当前的新发卡进件为推荐关系的二度关联 人数、 与当前 的新发卡进件为一度亲属关联且为同单位名称的一度关联人数量、 当前 的新 发卡进件的路由联系人年收入方差 。 8.一种新发卡实时审批的方法， 其特 征在于， 包括： 获取实时新发卡进件数据， 将所述实时新发卡进件数据输入权利要求1～7任一项所述 的训练后的新发卡实时审批模型， 以使所述新发卡实时审批模型输出审批通过结果或审批 不通过结果。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现权利要求 1～7任一项 所述的新 发卡实时审 批模 型的训练方法， 和/或权利要求8所述的新发卡实时审批的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1～7任一项所述的新发卡实时审批模型的训练方法， 和/或 权利要求8所述的新发卡实时审批的方法。权　利　要　求　书 2/2 页 3 CN 115496130 A 3