基于协同过滤与社交网络混合算法的客户信用建模及授信方法

摘要

随着信用甄别市场需求的扩大,传统FICO信用建模方法依赖受信人大量历史信用行为、对群体属性识别能力弱的局限不断显现,造成了信用评分冷启动问题。提出了一种基于协同过滤与社交网络混合算法的信用评定模型,可有效解决信用评定冷启动困难的问题,在受信人信用评定数据不充足的情况下,亦可完成对其信用的相对准确评估。该算法首先基于受信人基本身份特征,通过协同过滤方法授予初始信用分,再通过社交网络信任图、群体聚类的学习成果修正信用评估模型。实验结果表明,该方法的信用预评估误差较低,可逐步引导预评分平稳过渡至正式评估。将该方法应用于信用培育期,可培养受信人良好的信用习惯,引导受信人信用行为良性循环。