用戶可信度社交網絡數據的處理方法
【技術領域】
[0001]本發明涉及互聯網應用領域，特別涉及一種用戶可信度社交網絡數據的處理方法。
【背景技術】
[0002]目前，產品采用全線上的模式對用戶進行質量評估，包含但不限于監測用戶的真實性、還款能力和還款意愿。由于全線上的模式進行數據采集時面臨用戶數據真實性無法把控，用戶還款意愿和還款能力無法通過用戶上傳的簡單的身份信息和資產信息進行評估和確定。與此同時國內沒有健全的用戶信用檔案數據，借款用戶中的絕大多數無法通過信用接口查詢歷史信用情況，致使線上評估用戶的真實性、還款能力和還款意愿存在極大困難。
[0003]面對國內的征信體系不夠健全，用戶的信用意識較為淡薄，如何解決在用戶基本信息不夠完全，資產數據不夠完整時的用戶信用評分問題，是我們面對的一個嶄新課題。

【發明內容】

[0004]本發明的目的在于克服現有技術的不足之處，提供一種用戶可信度社交網絡數據的處理方法，通過社交信息抓取系統，允許用戶在系統中進行指定的操作產生社交關系請求，用戶在經授權并允許的社交網絡中傳播該社交信息請求以達成社交信息的收集，構建圍繞該用戶的不同層級與類型的社交數據網絡，給出該用戶的信用評級與風險定價，對用戶風險進行清晰明確的刻畫，進行二次授信。
[0005]為了達到上述目的，本發明提供的用戶可信度社交網絡數據的處理方法，該方法設置包括微信的社交網絡平臺，該方法執行的步驟包括:
[0006]I)用戶通過手機號碼注冊的形式實現用戶準入，用戶填寫基本資料作為待審條件，系統根據所述待審條件給出判斷并執行接受或拒絕操作，之后系統對被接受用戶的資料進行信息量化處理生成對應的社交關系判定請求；
[0007]2)所述判定請求生成后，在用戶發起借款請求的同時，對該用戶社交關系判定請求在不同層級與類型的社交網絡平臺上進行分享傳播，獲取不同層級與類型的社交數據網絡?目息;
[0008]3)對已獲取的所述社交數據網絡信息進行錄入、清洗和梳理；
[0009]4)所述判定請求生成后，同時在用戶社交圈內進行用戶信用評估，獲取用戶信用數據；
[0010]5)所述用戶社交數據協同所述用戶信用數據進行二次授信評級；
[0011]6)根據所述二次授信評級進行可信度評估，并評判該用戶的借貸違約率與授信風險;
[0012]7)結束。
[0013]本發明用戶可信度社交網絡數據的處理方法，在其中所述步驟3)中，所述用戶社交數據至少包括時間、PV、UV、單次停留時長的信息;所述社交數據的錄入、清洗和整理至少包括:
[0014](I)數據錄入:用戶基本資料和用戶社交圈交叉比對信息；
[0015](2)數據整理:采用R語言數據清洗與整理信息；
[0016](3)數據分析:采用Logistic回歸建模；
[0017](4)模型檢驗:多重共線性、殘差分析、正態性檢驗、獨立性檢驗、VIF檢驗、D-W檢驗和異常值檢驗；
[0018](5)網絡圖譜:a.社交關系交叉驗證圖譜;b.用戶社交層級劃分圖譜。
[0019]本發明用戶可信度社交網絡數據的處理方法，在其中步驟4)中，在用戶社交圈內進行用戶信用評估至少包括:
[0020](I)弱關系獲取:好友點擊鏈接進行點贊操作，發生點贊關系的人數、時間點、時間差、點擊數的信息；
[0021](2)強關系獲取:好友回答若干關于用戶借款的詢問，回答正確則認證成功，發生認證關系人數、時間點、時間差、點擊數的信息；
[0022](3)用戶社交圈閉合度:用戶社交圈在不同瑋度之間重合情況的信息；
[0023](4)投資關系獲取:好友對用戶資金使用進行投資擔保中投資金額、投資時間地點的信息；
[0024](5)用戶籌滿資金額，可以提現的信息。
[0025]本發明用戶可信度社交網絡數據的處理方法，在其中所述步驟5)中，系統通過下式計算評估用戶借貸違約率，并輸出用戶社交數據:
[0026]p = Exp(b0+bl*Xl+b2*X2+b3*X3+b4*X4)/(l+Exp(b0+bl*Xl+b2*X2+b3*X3+b4*X4))
[0027]其中:X1為社交平臺完成對該用戶的答題認證中用戶被認證數據;X2為社交平臺完成對該用戶的信用投資中用戶被投資數據;X3為社交平臺完成對該用戶的點贊中用戶被點贊數據;X4為用戶社交圈閉合度數據;b0、bl、b2、b3、b4為系統計算所得參數。
[0028]本發明用戶可信度社交網絡數據的處理方法，在其中所述步驟6)中，信用評級采用基于Logistic回歸模型建立的評分卡系統，系統首先計算用戶借貸違約率Pl，
[0029]當滿足Pl〈KUf自動進入下一步驗證，當P1>K2時自動駁回，當Κ1〈Ρ1〈Κ2時進入人工審核;然后系統計算用戶借貸違約率，在滿足信用差值條件ΙΡ1-Ρ2 I〈Κ3時，用戶被通過，否則進入人工審核，其中:P1為參與社交互動用戶的借貸違約率，Ρ2為參與社交互動用戶借貸違約率的加權平均值，Kl、K2、K3為信用評級系數。
[0030]本發明用戶可信度社交網絡數據的處理方法的優點和積極效果是:通過對用戶在平臺進行一系列的社交行為采集，基于采集數據對用戶進行建模與分析，給出了用戶的逾期率預估，實現了基于用戶的社交數據給用戶一個的評估作為用戶授信的標準。通過用戶的逾期率預估，用以區別用戶優劣的模型評估值能達到40以上，而傳統模型的評估值只在35左右，用戶評估的識別率能達到70%以上，即通過模型能夠準確識別70%用戶的還款結果。這在實際應用中相較于傳統模式的授信取得了顯著的效果。
[0031]為使本發明的目的、技術方案及效果更加清楚、明確，以下參照附圖對本發明進一步詳細說明。
【附圖說明】
[0032]圖1為本發明用戶可信度社交網絡數據的處理方法的流程圖；
[0033]圖2為用戶借款的界面圖；
[0034]圖3為用戶生成借款詳情的界面截圖；
[0035]圖4為網絡分享的界面截圖；
[0036]圖5為朋友圈點贊互動截圖；
[0037]圖6為朋友圈收到分享截圖；
[0038]圖7為用戶點贊互動截圖；
[0039]圖8為投資確認截圖；
[0040]圖9為投資成功截圖；
[0041]圖10為授信完成截圖；
[0042]圖11為社交關系交叉驗證的示意圖；
[0043]圖12為用戶社交層級劃分的示意圖。
【具體實施方式】
[0044]為使本發明的目的、技術方案及效果更加清楚、明確，以下參照附圖對本發明進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發明，并不用于限定本發明。
[0045]本發明是基于用戶個人資料生成一套評估社交關系的方法，并以此收集用戶社交行為中的各項數據進而評估用戶在社交行為中的各項表現。通過用戶社交行為數據給出用戶一次授信，在此基礎上依據與被授信用戶發生關聯的社交圈的授信情況對被授信用戶進行二次授信。
[0046]參照圖1，本發明用戶可信度社交網絡數據的處理方法，該方法設置包括微信的社交網絡平臺，該方法執行的步驟包括:
[0047]I)用戶注冊:用戶通過手機號碼注冊的形式實現用戶準入，用戶填寫基本資料作為待審條件，系統根據待審條件給出判斷并執行接受或拒絕操作，之后系統對被接受用戶的資料進行信息量化處理生成對應的社交關系判定請求；
[0048]2)判定請求生成后，在用戶發起借款請求的同時，對該用戶社交關系判定請求在不同層級與類型的社交網絡平臺上進行分享傳播，獲取不同層級與類型的社交數據網絡信息;
[0049]3)已獲取的社交數據網絡信息進行錄入、清洗和梳理。
[0050]在步驟3)中，用戶社交數據至少包括時間、PV、UV、單次停留時長的信息;社交數據的錄入、清洗和整理至少包括:
[0051](I)數據錄入:用戶基本資料和用戶社交圈交叉比對信息；
[0052](2)數據整理:采用R語言數據清洗與整理信息；
[0053 ] (3)數據分析:采用Log i s t i c回歸建模；
[0054](4)模型檢驗:多重共線性、殘差分析、正態性檢驗、獨立性檢驗、VIF檢驗、D-W檢驗和異常值檢驗；
[0055](5)網絡圖譜:參照圖11和圖12，a.社交關系交叉驗證圖譜;b.用戶社交層級劃分圖譜。
[0056]4)判定請求生成后，同時在用戶社交圈內進行用戶信用評估，獲取用戶信用數據。
[0057]在步驟4)中，在用戶社交圈內進行用戶信用評估至少包括:
[0058](I)弱關系獲取:參照圖5至圖7，好友點擊鏈接進行點贊操作，發生點贊關系的人數、時間點、時間差、點擊數的信息；
[0059](2)強關系獲取:參照圖2至圖4，好友回答若干關于用戶借款的詢問，回答正確則認證成功，發生認證關系人數、時間點、時間差、點擊數的信息；
[0060](3)用戶社交圈閉合度:用戶社交圈在不同瑋度之間重合情況的信息；
[0061](4)投資關系獲取:參照圖8至圖10，好友對用戶資金使用進行投資擔保中投資金額、投資時間地點的信息；
[0062](5)用戶籌滿資金額，可以提現的信息。
[0063]5)用戶社交數據協同用戶信用數據進行二次授信評級。信用評級采用基于Logistic回歸模型建立的評分卡系統。
[0064]在步驟5)中，系統通過下式計算評估用戶借貸違約率，并輸出用戶社交數據:
[0065]p = Exp(b0+bl*Xl+b2*X2+b3*X3+b4*X4)/(l+Exp(b0+bl*Xl+b