贷款申请请求的处理方法、装置以及电子设备与流程

本技术涉及金融科技领域和其他相关，具体而言，涉及一种贷款申请请求的处理方法、装置以及电子设备。

背景技术：

1、现有技术中，在用户提交贷款申请请求之后，金融机构的工作人员需要浏览用户的提交的申请资料，并依据专家经验从用户征信、用户交易流水以及用户资产等多个维度进行判断和决策，然而，这种方法速度较慢，也容易出现人为错误，为了提高对用户提交的申请资料进行处理的效率，现有技术中还能够通过传统审批模型对用户的申请资料进行审核，但是，由于传统审批模型的训练数据存在样本不平衡的问题，因此，基于样本不平衡的训练数据训练得到的传统审批模型对训练样本数量较少类型的申请资料存在处理不准确的情况，从而造成现有技术中依据专家经验或传统模型对用户的贷款申请请求进行处理的准确率低的技术问题。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术提供了一种贷款申请请求的处理方法、装置以及电子设备，以至少解决现有技术中依据专家经验或传统模型对用户的贷款申请请求进行处理的准确率低的技术问题。

2、根据本技术的一个方面，提供了一种贷款申请请求的处理方法，包括：在接收到目标用户的授权信息之后，获取目标用户的第一数据，其中，第一数据用于表征目标用户在申请贷款时需要审核的信息；对第一数据进行预处理，得到目标数据，其中，预处理至少用于对目标数据中的敏感数据进行替换；对目标数据进行特征提取，得到目标用户的l个目标特征，其中，l为正整数，l个目标特征用于表征目标用户的资产信息和交易信息；将l个目标特征输入至目标模型，通过目标模型预先训练的先验知识基于l个目标特征确定目标用户对应的贷款申请请求的处理结果，其中，目标模型为对m个用户的训练样本进行训练得到的大语言模型，m为正整数，m个用户的训练样本为经过样本平衡处理得到的训练数据。

3、可选地，贷款申请请求的处理方法还包括：在接收到目标用户的授权信息之后，获取目标用户的标识；依据目标用户的标识生成查询请求，并且依据查询请求从金融系统中查询得到目标用户的交易信息和资产信息；将表征交易信息和资产信息的文本数据作为目标用户的第一数据。

4、可选地，贷款申请请求的处理方法还包括：对第一数据进行第一操作，得到目标用户的第二数据，其中，第一操作用于去除第一数据中的预设字符和网页标签；对第二数据进行第二操作，得到目标用户的第三数据，其中，第二操作用于依据哈希函数对第三数据中的敏感数据进行加密，敏感数据用于表征目标用户的禁止公开的数据；对第三数据进行第三操作，得到目标用户的目标数据，其中，第三操作用于将第三数据中的标点符号转换为预设标记，其中，预设标记用于以文本的形式表征标点符号的符号含义。

5、可选地，贷款申请请求的处理方法还包括：检测目标数据的语言类型；根据目标数据的语言类型将目标数据划分为n个单词，其中，n为正整数；依据n个单词中的每个单词的语义和上下文信息生成l个目标特征。

6、可选地，贷款申请请求的处理方法还包括：在目标数据的语言类型为目标类型的情况下，基于预设标记对目标数据进行分词，得到n个单词；在目标数据的语言类型并非为目标类型的情况下，基于目标数据中的空格对目标数据进行分词，得到n个单词。

7、可选地，贷款申请请求的处理方法还包括：依据每个单词的语义和上下文信息对n个单词进行分类，得到l个单词集合，其中，每个单词集合包括的任意两个单词之间具有上下文联系，并且每个单词集合中的所有单词的语义表征同一种资产类型或同一种交易类型；对l个单词集合中的每个单词集合包括的所有单词进行特征提取，得到l个目标特征，其中，l个目标特征与l个单词集合一一对应。

8、可选地，贷款申请请求的处理方法还包括：通过目标模型检测l个目标特征中的每个目标特征表征的信息中是否存在异常投资产品和交易风险，其中，异常投资产品为无法收回本金的投资产品，交易风险用于表征在预设时间段内目标用户的支出总金额大于收入总金额；在目标特征表征的资产信息中存在异常投资产品或目标特征表征的交易信息中存在交易风险的情况下，确定目标特征的预设权重为负值；在目标特征表征的资产信息中不存在异常投资产品或目标特征表征的交易信息中不存在交易风险的情况下，确定目标特征的预设权重为正值；获取每个目标特征的特征评分，其中，每个目标特征的特征评分用于表征该目标特征在确定处理结果过程中的重要程度；依据每个目标特征的预设权重和特征评分确定目标用户对应的贷款申请请求的处理结果。

9、可选地，贷款申请请求的处理方法还包括：依据每个目标特征的预设权重对l个目标特征对应的l个特征评分进行加权求和，得到目标用户的目标评分；在目标评分小于预设阈值的情况下，确定目标用户的贷款审批并未通过，并且依据l个目标特征中的第一特征生成第一信息，其中，第一特征为l个目标特征中预设权重为负值并且特征评分最高的目标特征，第一信息用于表征目标用户的贷款审批并未通过的理由；在目标评分大于或等于预设阈值的情况下，确定目标用户的贷款审批通过，并且依据l个目标特征中的第二特征生成第二信息，其中，第二特征为l个目标特征中预设权重为正值并且特征评分最高的目标特征，第二信息用于表征目标用户的贷款审批通过的理由。

10、可选地，贷款申请请求的处理方法还包括：获取m个用户的训练样本和每个用户的历史审批结果；将每个用户的训练样本转换为训练向量，得到m个用户对应的m个训练向量；依据m个训练向量中的每个训练向量和该训练向量对应的历史审批结果生成训练集和测试集，其中，训练集包括x个单据向量和x个单据向量对应的x个历史审批结果，测试集包括y个单据向量和y个单据向量对应的y个历史审批结果，x和y均为正整数，并且m等于x与y之和；基于训练集中的x个单据向量和x个单据向量对应的x个历史审批结果对神经网络模型进行训练，得到初始模型；基于测试集中的y个单据向量和y个单据向量对应的y个历史审批结果对初始模型进行测试，并依据测试结果对初始模型进行更新；将最后一次更新后的初始模型作为目标模型。

11、可选地，贷款申请请求的处理方法还包括：获取m个用户中的每个用户的用户信息和历史审批结果，其中，用户的用户信息包括用户的资产信息和交易信息；依据每个用户的历史审批结果和用户信息的类型对m个用户对应的m个用户信息进行分类，得到p个信息集合，其中，p为正整数，每个信息集合包括的任意两个用户信息对应的历史审批结果相同，并且每个信息集合包括的任意两个用户信息的类型相同；获取p个信息集合中的每个信息集合包括的用户信息总数；在每个信息集合包括的用户信息总数小于第一预设总数的情况下，对该信息集合包括的所有用户信息进行欠采样处理，其中，欠采样处理用于提高信息集合包括的用户信息总数；在每个信息集合包括的用户信息总数大于第二预设总数的情况下，对该信息集合包括的所有用户信息进行过采样处理，其中，过采样处理用于降低信息集合包括的用户信息总数，第二预设总数大于第一预设总数；将经过欠采样处理和过采样处理的信息集合包括的用户信息作为m个用户的训练样本。

12、根据本技术的另一个方面，还提供了一种贷款申请请求的处理装置，包括：第一获取单元，用于在接收到目标用户的授权信息之后，获取目标用户的第一数据，其中，第一数据用于表征目标用户在申请贷款时需要审核的信息；预处理单元，用于对第一数据进行预处理，得到目标数据，其中，预处理至少用于对目标数据中的敏感数据进行替换；特征提取单元，用于对目标数据进行特征提取，得到目标用户的l个目标特征，其中，l为正整数，l个目标特征用于表征目标用户的资产信息和交易信息；第一确定单元，用于将l个目标特征输入至目标模型，通过目标模型预先训练的先验知识基于l个目标特征确定目标用户对应的贷款申请请求的处理结果，其中，目标模型为对m个用户的训练样本进行训练得到的大语言模型，m为正整数，m个用户的训练样本为经过样本平衡处理得到的训练数据。

13、根据本技术的另一个方面，还提供了一种计算机程序产品，该计算机程序产品中存储有计算机程序，其中，在计算机程序运行时控制计算机程序产品执行上述任意一项的贷款申请请求的处理方法。

14、根据本技术的另一个方面，还提供了一种电子设备，其中，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项的贷款申请请求的处理方法。

15、在本技术中，在接收到目标用户的授权信息之后，获取目标用户的第一数据，其中，第一数据用于表征目标用户在申请贷款时需要审核的信息，之后，对第一数据进行预处理，得到目标数据，其中，预处理至少用于对目标数据中的敏感数据进行替换，然后，对目标数据进行特征提取，得到目标用户的l个目标特征，其中，l为正整数，l个目标特征用于表征目标用户的资产信息和交易信息，最后，将l个目标特征输入至目标模型，通过目标模型预先训练的先验知识基于l个目标特征确定目标用户对应的贷款申请请求的处理结果，其中，目标模型为对m个用户的训练样本进行训练得到的大语言模型，m为正整数，m个用户的训练样本为经过样本平衡处理得到的训练数据。

16、由上述内容可知，本技术提出了一种通过目标模型对用户的贷款申请进行处理的方法，对比现有技术中依据专家经验进行人工审核的方式，本技术通过目标模型实现了提高对用户的贷款申请进行处理的效率的目的，另外，本技术通过对用户的贷款申请的请求资料(即第一数据)进行预处理和特征提取，从而得到表征目标用户的资产信息和交易信息的l个目标特征，然后，通过目标模型对l个目标特征进行分析得到目标用户对应的贷款申请请求的处理结果，而本技术中目标模型的训练样本为经过样本平衡处理得到的训练数据，因此，本技术中的目标模型的训练数据中不存在稀疏样本，从而提高了生成的目标模型对贷款申请的请求资料的判断准确率，进而解决了现有技术中依据专家经验或传统模型对用户的贷款申请请求进行处理的准确率低的技术问题。

17、由此可见，本技术的技术方案中，采用预先对模型的训练处理进行样本平衡处理的方式，达到了提高基于样本平衡处理过的训练样本所生成的目标模型的准确率的目的，从而实现了通过目标模型对用户的贷款申请请求进行处理的准确率的技术效果，进而解决了现有技术中依据专家经验或传统模型对用户的贷款申请请求进行处理的准确率低的技术问题。