(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 202210550399.5 (22)申请日 2022.05.20 (71)申请人 北京荣达天下信息科技有限公司 地址 100102 北京市朝阳区阜荣 街10号环 球创意广场A座1- 3层 (72)发明人 白鹤来　白婧怡　杜雅秀　李松原　 (74)专利代理 机构 北京鼎佳达知识产权代理事 务所(普通 合伙) 11348 专利代理师 刘铁鸣　刘铁生 (51)Int.Cl. G06Q 40/02(2012.01) (54)发明名称 一种数据评分方法及装置 (57)摘要 本发明公开了一种数据评分方法及装置， 涉 及信贷评分技术领域。 本发明主要的技术方案 为： 将接收到的由客户端发出的目标样本输入至 第一模型中； 判断所述第一模型的输出结果是否 异常； 若异常， 则将所述目标样本输入至第二模 型中， 以获得所述第二模型对应的第二评分结 果， 所述第二模 型为与所述第一模 型的入模特征 变量存在差异且整体特征缺失率相同的灾备模 型； 基于分位数映射关系将所述第二评分结果转 换为所述第一模 型对应的第一评分结果， 所述分 位数映射关系是基于相同样本的所述第一评分 结果与所述第二评分结果确定的映射关系； 将所 述第一评分结果发送至所述客户端。 本发明用于 数据的评分。 权利要求书2页 说明书14页 附图4页 CN 114971848 A 2022.08.30 CN 114971848 A 1.一种数据评分方法， 其特 征在于， 包括： 将接收到的 由客户端发出的目标样本 输入至第一模型中； 判断所述第一模型的输出 结果是否异常； 若异常， 则将所述目标样本输入至第二模型中， 以获得所述第二模型对应的第二评分 结果， 所述第二模型为与所述第一模型的入模特征变量存在差异且整体特征缺失率相同的 灾备模型； 基于分位数映射关系将所述第 二评分结果转换为所述第 一模型对应的第 一评分结果， 所述分位数映射关系是基于相同样本的所述第一评分结果与所述第二评分结果确定的映 射关系； 将所述第一评分结果发送至所述 客户端。 2.根据权利要求1所述的方法， 其特征在于， 在将目标样本输入至第二模型中之前， 所 述方法还 包括： 从所述第一模型的建模样本集中获取所述第 一评分结果为缺失的建模样本， 并构 成分 析样本子集， 所述分析样本子集是由样本特征相对于所述第一模型对应的指定数据源的固 有特征为缺失的所述建模样本构成的集 合； 抽取所述分析样本子集中的所述样本特征相对于其他数据源的固有特征为完全缺失 的特征， 并构成基本特 征集， 所述 其他数据源为除了所述指定数据源之外的数据来源； 将剩余待选特征按其各自在所述分析样本子集中的特征缺失率进行降序排列， 所述剩 余待选特征为所述分析样本子集中的所述样本特征相对于其他数据源的固有特征为部分 缺失的特 征； 按照所述第一模型对应的所述整体特征缺失率依次将在所述分析样本子集中所述特 征缺失率最高的所述剩余待选特征添加至所述基本特征集中， 以使得所述第一模型对应的 整体特征缺失率与所述基本特 征集的整体特 征缺失率相同； 基于所述基本特 征集与所述建模样本集创建所述第二模型。 3.根据权利要求1所述的方法， 其特征在于， 在基于分位数映射关系将所述第 二评分结 果转换为所述第一模型对应的第一评分结果之前， 所述方法还 包括： 获取所述第一模型的历史样本； 将所述历史样本分别 输入所述第 一模型和所述第 二模型中， 以获得第 一评分结果数组 和第二评分结果数组； 基于所述第一评分结果数组和所述第二评分结果数组构建所述分位数映射关系。 4.根据权利要求3所述的方法， 其特征在于， 基于所述第 一评分结果数组和所述第 二评 分结果数组构建所述分位数映射关系， 包括： 分别对所述第一评分结果数组和所述第二评分结果数组中的评分结果进行升序排列； 判断所述第一评分数组和所述第二评分数组中的评分结果数量是否相同； 若不同， 则对所述第一评分结果数组和所述第二评分结果数组进行缩放转化， 以保证 所述第一评分结果数组和所述第二评分结果数组中的评分结果的整体字段长度相同； 对处于相同位置所述第一评分结果数组和所述第二评分结果数组中的评分结果构建 所述分位数映射关系。 5.根据权利要求1 ‑4中任一项所述的方法， 其特 征在于， 所述方法还 包括：权　利　要　求　书 1/2 页 2 CN 114971848 A 2按照预设周期获取所述历史样本对应的所述第一评分结果数组和所述第二评分结果 数组； 基于所述第一评分结果数组和所述第二评分结果数组更新所述分位数映射关系。 6.根据权利要求1所述的方法， 其特征在于， 判断所述第一模型的输出结果是否异常， 包括： 基于所述目标样本获取对应于所述第一模型的所述入 模特征变量； 利用所述入 模特征变量从指定数据源匹配相应的入 模特征； 将所述入 模特征输入至所述第一模型中， 以获得 所述第一模型的输出 结果； 判断所述第一模型的输出 结果是否符合预置规则； 若符合， 则确定所述第一模型的输出 结果异常。 7.一种数据评分装置， 其特 征在于， 所述装置包括： 第一输入单 元， 用于将接收到的 由客户端发出的目标样本 输入至第一模型中； 判断单元， 用于判断所述第一输入单 元获得的第一模型的输出 结果是否异常； 第二输入单元， 用于若所述判断单元判断所述第一模型的输出结果异常， 则将所述目 标样本输入至第二模型中， 以获得所述第二模型对应的第二评分结果， 所述第二模型为与 所述第一模型的入 模特征变量存在差异且整体特 征缺失率相同的灾备模型； 转换单元， 用于基于分位数映射关系将所述第 二输入单元获得的第 二评分结果转换为 所述第一模型对应的第一评 分结果， 所述分位数映射关系是基于相同样本的所述第一评分 结果与所述第二评分结果确定的映射关系； 发送单元， 用于将所述 转换单元获得的第一评分结果发送至所述 客户端。 8.根据权利要求7所述的装置， 其特征在于， 在将目标样本输入至第二模型中之前， 所 述装置还 包括： 第一获取单元， 用于从所述第 一模型的建模样本集中获取所述第 一评分结果为缺失的 建模样本， 并构成分析样本 子集； 抽取单元， 抽取所述第 一获取单元获得的分析样本子集中的所述样本特征相对于其他 数据源的固有特 征为完全缺失的特 征， 并构成基本特 征集； 排列单元， 用于将剩余待选特征按其各自在所述抽取单元抽取后的分析样本子集中的 特征缺失率进行降序排列； 添加单元， 用于按照所述第 一模型对应的所述整体特征缺失率依次将在所述分析样本 子集中所述排列单元获得 的特征缺失率最高的所述剩余待选特征添加至所述基本特征集 中， 以使得所述第一模型对应的整体特征缺失率与所述基本特征集的整体特征缺失率相 同； 调整单元， 用于基于所述添加单元获得的基本特征集与 所述建模样本集创建所述第 二 模型。 9.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 在所述程序运行 时控制所述存储介质所在设备执行如权利要求1至权利要求6中任意一项所述的数据评分 方法。 10.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行如 权利要求1至 权利要求6中任意 一项所述的数据评分方法。权　利　要　求　书 2/2 页 3 CN 114971848 A 3