(19)中华 人民共和国 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 202111213641.1 (22)申请日 2021.10.19 (71)申请人 南京星云数字技 术有限公司 地址 211800 江苏省南京市江北新区研创 园团结路9 9号孵鹰大厦834室 (72)发明人 卞月青　夏昊　 (74)专利代理 机构 北京市万慧达律师事务所 11111 代理人 周琳 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 40/02(2012.01) G06Q 20/40(2012.01) (54)发明名称 一种分类模 型构建方法、 数据分类方法及装 置 (57)摘要 本发明公开了一种分类模型构建方法、 数据 分类方法及装置， 属于数据处理领域。 方法包括： 从至少两个数据源中获取样本数据， 提取样本数 据中的数据指标； 计算各数据指标的重要程度值 以及关联程度值； 结合重要程度值和关联程度值 在数据指标中确定分类指标， 按照分类指标对各 数据源的样 本数据分类； 分别利用各数据源中不 同类别的样 本数据训练机器学习模 型， 获得子分 类模型； 将相同样本类别不同数据源的子分类模 型融合， 获得融合分类模型。 本发明打破了仅根 据一个数据源的样本进行模型训练的壁垒， 使模 型预测结果准确可靠； 通过结合数据指标的重要 程度和关联程度确定分类指标能够使样本数据 的类别区别更加明显， 从而提升分类模型的显著 性和预测能力。 权利要求书2页 说明书11页 附图4页 CN 113919432 A 2022.01.11 CN 113919432 A 1.一种分类模型构建方法， 其特 征在于， 包括： 从至少两个数据源中获取样本数据， 提取 所述样本数据中的数据指标； 计算各所述数据指标的重要程度值， 以及各所述数据指标与其他所述数据指标的关联 程度值； 结合所述重要程度值和所述关联程度值在所述数据指标中确定分类指标， 按照所述分 类指标对各 所述数据源的样本数据分类； 分别利用各所述数据源中不同类别的样本数据训练机器学习模型， 获得与 各所述数据 源中各样本类别对应的子分类模型； 将相同样本类别不同所述数据源的所述子分类模型融合， 获得与各样本类别对应的融 合分类模型。 2.如权利要求1所述的方法， 其特征在于， 所述计算确定各所述数据指标的重要程度， 以及各所述数据指标与其 他所述数据指标的关联程度， 包括： 利用预训练的重要指标机器学习模型计算所述数据指标的所述重要程度值； 利用预训练的相关指标机器学习模型计算所述数据指标的所述关联程度值。 3.如权利要求1所述的方法， 其特征在于， 所述结合所述重要程度值和所述关联程度值 在所述数据指标中确定分类指标， 按照所述分类指标对各所述数据源的样本数据分类， 包 括： 将所述数据指标的所述重要程度值与预设的重要性条件 对比； 将满足所述重要性条件的所述数据指标的所述关联程度值与 预设的关联性条件对比， 确定满足所述关联性条件的所述数据指标为所述分类指标； 按照所述分类指标对各 所述数据源的样本数据分类。 4.如权利要求1～3中任一项所述的方法， 其特征在于， 所述分别利用各所述数据源中 不同类别的样本数据训练机器学习模型， 获得与各所述数据源中各样本类别对应的子 分类 模型， 包括： 分别利用与 各所述数据源中各所述样本类别对应的所述样本数据训练机器学习 模型， 获得与各 所述数据源中各样本类别对应的子分类模型和各 所述子分类模型的测试 结果； 根据所述测试 结果对所述子分类模型打 分， 获得各所述子分类模型的模型评分。 5.如权利要求4所述的方法， 其特征在于， 所述将相同样本类别不同所述数据源的所述 子分类模型融合， 获得与各样本类别对应的融合分类模型， 包括： 将相同样本类别不同所述数据源对应的所述子分类模型的模型评分作为变量进行逻 辑回归融合， 获得 所述融合分类模型。 6.如权利要求5所述的方法， 其特征在于， 所述将相同样本类别不同所述数据源对应的 所述子分类模型的模型评分作为变量进行逻辑回归融合， 获得 所述融合分类模型， 包括： 对各所述数据源中相同样本类别对应的所述子分类模型的模型评分进行分箱 处理， 并 根据分箱结果计算所述子分类模型的模型评分对应的分析参数； 将所述模型评分的分析参数与变量筛选标准比较， 利用符合所述变量筛选标准的所述 模型评分进行逻辑回归拟合， 获得拟合结果， 并计算所述拟合结果的分析参数； 将所述拟合结果的分析参数与模型筛选标准比较， 确定满足所述模型筛选标准的逻辑 回归模型为所述融合分类模型。权　利　要　求　书 1/2 页 2 CN 113919432 A 27.一种数据分类方法， 其特 征在于， 包括如下任意 一项或多 项： 利用如权利要求1～6中任一项构建的融合分类模型根据信贷数据对信贷申请人在贷 款前进行贷前分类评估； 利用如权利要求1～6中任一项构建的融合分类模型根据信贷数据对信贷借款人在贷 款后还款逾期前进行贷后分类评估； 利用如权利要求1～6中任一项构建的融合分类模型根据信贷数据对所述信贷借款人 在贷款后还款逾期后对应的贷款进行催收分类评估。 8.一种分类模型构建装置， 其特 征在于， 包括： 数据获取模块， 用于从至少两个数据源中获取样本数据， 提取所述样本数据中的数据 指标； 计算模块， 用于计算各所述数据指标的重要程度值， 以及各所述数据指标与其他所述 数据指标的关联程度值； 分类模块， 用于结合所述重要程度值和所述关联程度值在所述数据指标中确定分类指 标， 按照所述分类指标对各 所述数据源的样本数据分类； 训练模块， 用于分别利用各所述数据源中不同类别的样本数据训练机器学习模型， 获 得与各所述数据源中各样本类别对应的子分类模型； 融合模块， 用于将相同样本类别不同所述数据源的所述子分类模型融合， 获得与各样 本类别对应的融合分类模型。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 以及 与所述一个或多个处理器关联的存储器， 所述存储器用于存储程序指令,所述程序指 令在被所述 一个或多个处 理器读取 执行时， 执行如权利要求1～6中任一所述的方法。 10.一种计算机可读介质， 其上存储有计算机程序， 其中， 该程序被处理器执行时实现 如权利要求1～6中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 113919432 A 3