(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 202210910095.5 (22)申请日 2022.07.29 (71)申请人 蚂蚁区块链科技 （上海） 有限公司 地址 200010 上海市黄浦区外马路618号8 层803室 (72)发明人 刘思玥　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 孙欣欣　周良玉 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 20/40(2012.01) G06N 3/08(2006.01) G06N 7/00(2006.01) (54)发明名称 服务平台接入预测工具的方法和装置 (57)摘要 本说明书实施例提供一种服务平台接入预 测工具的方法和装置， 方法包括： 获取第一服务 平台中第一业务的历史用户群； 历史用户群包括 有违约行为的违约用户和没有违约行为的正常 用户； 将对业务指标的指标值进行预测的目标预 测工具用于历史用户群中的各个用户， 指标值用 于指示用户违约情况， 以最大化引入 该目标预测 工具的指标值后的第一净收益与引入指标值前 的第二净收益的差值为目标， 以引入指标值后用 户针对第一业务的准入率大于或等于预设数值 为约束条件， 确定引入指标值的阈值； 其中， 准入 率为指标值高于阈值的比例； 根据阈值， 确定差 值； 若差值大于第一常数， 则确定接入目标预测 工具进行用户的指标值预测。 能够兼顾到业务目 标的达成。 权利要求书3页 说明书11页 附图2页 CN 115222520 A 2022.10.21 CN 115222520 A 1.一种服 务平台接入预测工具的方法， 通过第一 服务平台执 行； 所述方法包括： 获取所述第 一服务平台中第 一业务的历史用户群； 所述历史用户群包括有违约行为的 违约用户和没有违约行为的正常用户； 将对业务指标的指标值进行预测的目标预测工具用于所述历史用户群中的各个用户， 所述指标值用于指示用户违约情况， 以最大化引入该目标预测工具的指标值后的第一净收 益与引入所述指标值前的第二净收益的差值为目标， 以引入指标值后用户针对所述第一业 务的准入率大于或等于预设数值为约束 条件， 确定引入指标值的阈值； 其中， 所述准入率为 指标值高于所述阈值的比例； 所述第一净收益与所述阈值有关； 根据所述阈值， 确定所述差值； 若所述差值大于第 一常数， 则确定在所述第 一服务平台针对所述第 一业务的业务准入 审核时， 接入所述目标 预测工具进行用户的指标值预测。 2.如权利要求1所述的方法， 其中， 所述目标预测工具利用所述第 一服务平台之外的外 部数据获得； 所述目标 预测工具 是由第二 服务平台训练并提供的神经网络模型。 3.如权利要求1所述的方法， 其中， 所述第一业务为信贷业务； 所述违约行为为逾期还 款行为。 4.如权利要求3所述的方法， 其中， 所述第二净收益至少基于所述历史用户群的用户 数、 逾期用户在所述历史用户群中的占比、 每 个用户的平均授信额度、 利率而确定 。 5.如权利要求3所述的方法， 其中， 所述第 一净收益至少基于引入指标值后的所述历史 用户群的准入用户的数量、 逾期用户在所述准入用户中的占比、 每个用户的平均授信额度、 利率而确定 。 6.如权利要求5所述的方法， 其中， 引入指标值对应有预测成本； 所述第一净收益还基 于所述预测成本而确定 。 7.如权利要求1所述的方法， 其中， 所述确定引入指标值的阈值， 包括： 定义指标值在所述历史用户群上的第一分布函数以及对应的第一 概率密度函数； 定义指标值在所述违约用户构成的用户群上的第二分布函数以及对应的第二概率密 度函数； 构建KKT方程组， 所述KKT方程组包括基于拉格朗日乘子、 第一概率密度函数和第二概 率密度函数构建的第一方程， 基于拉格朗日乘子、 第一分布 函数构建的第二方程， 对拉格朗 日乘子的第一约束条件； 通过求解所述KKT方程组， 得到所述阈值。 8.如权利要求7 所述的方法， 其中， 所述 通过求解所述KKT方程组， 得到所述阈值， 包括： 通过高斯核密度来确定第 一概率密度函数的第 一估计值， 以及确定第 二概率密度函数 的第二估计值； 基于拉格朗日乘子的第一可选值、 所述第一估计值和所述第二估计值， 求解所述第一 方程， 得到所述阈值的第一取值； 根据所述第一估计值， 计算所述第一分布函数的第三估计值； 基于拉格朗日乘子的第二可选值、 所述第三估计值， 求解所述第二方程， 得到所述阈值 的第二取值； 通过比较所述第 一取值对应的所述差值和所述第 二取值对应的所述差值， 从所述第 一权　利　要　求　书 1/3 页 2 CN 115222520 A 2取值和所述第二取值中选择一个作为所述阈值。 9.一种服 务平台接入预测工具的装置， 通过第一 服务平台执 行； 所述装置包括： 获取单元， 用于获取所述第一服务平台中第一业务的历史用户群； 所述历史用户群包 括有违约行为的违约用户和没有违约行为的正常用户； 阈值确定单元， 用于将对业务指标的指标值进行预测的目标预测工具用于所述获取单 元获取的历史用户群中的各个用户， 所述指标值用于指示用户违约情况， 以最大化引入该 目标预测工具的指标值后的第一净收益与引入所述指标值前的第二净收益的差值为目标， 以引入指标值后用户针对所述第一业务的准入率大于或等于预设数值为约束 条件， 确定引 入指标值的阈值； 其中， 所述准入率为指标值高于所述阈值的比例； 所述第一净收益与所述 阈值有关； 差值确定单 元， 用于根据所述阈值确定单 元确定的阈值， 确定所述差值； 接入确定单元， 用于若所述差值确定单元确定的差值大于第一常数， 则确定在所述第 一服务平台针对所述第一业务的业务准入审核时， 接入所述目标预测工具进 行用户的指标 值预测。 10.如权利要求9所述的装置， 其中， 所述目标预测工具利用所述第一服务平台之外的 外部数据获得； 所述目标 预测工具 是由第二 服务平台训练并提供的神经网络模型。 11.如权利要求9所述的装置， 其中， 所述第 一业务为信贷业务； 所述违约行为为逾期还 款行为。 12.如权利要求11所述的装置， 其中， 所述第 二净收益至少基于所述历史用户群的用户 数、 逾期用户在所述历史用户群中的占比、 每 个用户的平均授信额度、 利率而确定 。 13.如权利要求11所述的装置， 其中， 所述第 一净收益至少基于引入指标值后的所述历 史用户群的准入用户的数量、 逾期用户在所述准入用户中的占比、 每个用户的平均授信额 度、 利率而确定 。 14.如权利要求13所述的装置， 其中， 引入指标值对应有预测成本； 所述第一净收益还 基于所述预测成本而确定 。 15.如权利要求9所述的装置， 其中， 所述阈值确定单 元包括： 第一定义子单元， 用于定义指标值在所述历史用户群上的第 一分布函数以及对应的第 一概率密度函数； 第二定义子单元， 用于定义指标值在所述违约用户构 成的用户群上的第 二分布函数以 及对应的第二 概率密度函数； 构建子单元， 用于构 建KKT方程组， 所述KKT方程组包括基于拉格朗日乘子、 所述第一定 义子单元定义的第一概率密度函数和所述第二定义子单元定义的第二概率密度函数构建 的第一方程， 基于拉格朗日乘子、 所述第一定义子单元定义的第一分布函数构建的第二方 程， 对拉格朗日乘子的第一约束条件； 求解子单元， 用于通过求 解所述构建子单 元构建的K KT方程组， 得到所述阈值。 16.如权利要求15所述的装置， 其中， 所述 求解子单元包括： 确定模块， 用于通过高斯核密度来确定第一概率密度函数的第一估计值， 以及确定第 二概率密度函数的第二估计值； 第一求解模块， 用于基于拉格朗日乘子的第一可选值、 所述第一确定模块得到的第一权　利　要　求　书 2/3 页 3 CN 115222520 A 3