本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種用戶信用評分優(yōu)化方法和裝置。

背景技術(shù)：

近年來，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們越來越多的通過互聯(lián)網(wǎng)進(jìn)行各種數(shù)據(jù)業(yè)務(wù)，而用戶的信用評估也成為了一個互聯(lián)網(wǎng)技術(shù)領(lǐng)域的焦點(diǎn)問題。

現(xiàn)有技術(shù)中對用戶的信用評估方式通常是通過收集用戶的個人信息，然后通過統(tǒng)計模型或機(jī)器學(xué)習(xí)的一些預(yù)測算法，對用戶違約風(fēng)險進(jìn)行預(yù)測，例如常用的FICO信用評分系統(tǒng)以及Zestfinace信用評價系統(tǒng)?，F(xiàn)有的信用評分機(jī)制僅使用用戶自身維度的信息，如果對用戶個人的信息采集有所缺失或者錯誤，對其將很難進(jìn)行準(zhǔn)確的信用評價。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例提供一種用戶信用評分優(yōu)化方法和裝置，可有效提高用戶信用評分的準(zhǔn)確性。

為了解決上述技術(shù)問題，本發(fā)明實施例提供了一種用戶信用評分優(yōu)化方法，所述方法包括：

獲取多個社交用戶集合中各個用戶的初始的信用評分；

根據(jù)各個社交用戶集合中的各個用戶的初始的信用評分，獲取各個社交用戶集合的初始的信用評分；

根據(jù)兩兩社交用戶集合中的用戶之間的社交關(guān)系，確定兩兩社交用戶集合之間的社交關(guān)系；

根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整；

根據(jù)經(jīng)過所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。

相應(yīng)地，本發(fā)明實施例還提供了一種用戶信用評分優(yōu)化裝置，所述裝置包括：

用戶評分獲取模塊，用于獲取多個社交用戶集合中各個用戶的初始的信用評分；

集合評分獲取模塊，用于根據(jù)各個社交用戶集合中的各個用戶的初始的信用評分，獲取各個社交用戶集合的初始的信用評分；

集合關(guān)系獲取模塊，用于根據(jù)兩兩社交用戶集合中的用戶之間的社交關(guān)系，確定兩兩社交用戶集合之間的社交關(guān)系；

集合評分優(yōu)化模塊，用于根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整；

用戶評分修正模塊，用于根據(jù)經(jīng)過所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。

本實施例中的用戶信用評分優(yōu)化裝置通過計算用戶所屬的社交用戶集合的信用評分并進(jìn)行優(yōu)化調(diào)整后，根據(jù)優(yōu)化調(diào)整得到的社交用戶集合的信用評分對社交用戶集合內(nèi)的用戶的信用評分進(jìn)行修正，從而實現(xiàn)了結(jié)合社交用戶集合這一層面的信息對用戶的信用評分進(jìn)行優(yōu)化，不再只限于依據(jù)用戶的個人信息計算用戶的信用評分，可有效提高用戶信用評分的準(zhǔn)確性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實施例中的一種用戶信用評分優(yōu)化方法的流程示意圖；

圖2是本發(fā)明實施例中的用戶社交關(guān)系分層處理示意圖；

圖3是本發(fā)明實施例中對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代的流程示意圖；

圖4是本發(fā)明另一實施例中的用戶信用評分優(yōu)化方法的流程示意圖；

圖5是本發(fā)明實施例中對目標(biāo)社交用戶集合中的用戶的信用評分進(jìn)行優(yōu)化迭代的流程示意圖；

圖6是本發(fā)明實施例中的一種用戶信用評分優(yōu)化裝置的結(jié)構(gòu)示意圖；

圖7是本發(fā)明實施例中的集合評分優(yōu)化模塊的結(jié)構(gòu)示意圖；

圖8是本發(fā)明實施例中的用戶評分優(yōu)化模塊的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實施例中的用戶信用評分優(yōu)化方法和裝置，可以實現(xiàn)在如個人電腦、筆記本電腦、智能手機(jī)、平板電腦、電子閱讀器等計算機(jī)系統(tǒng)中，下文均以用戶信用評分優(yōu)化裝置作為本發(fā)明實施例的執(zhí)行主體進(jìn)行介紹。

圖1是本發(fā)明實施例中的一種用戶信用評分優(yōu)化方法的流程示意圖，如圖所示本實施例中的用戶信用評分優(yōu)化方法可以包括以下流程：

S101，獲取多個社交用戶集合中各個用戶的初始的信用評分。

具體的，可以通過向用戶信用評分優(yōu)化裝置數(shù)據(jù)導(dǎo)入所述多個社交用戶集合中各個用戶的初始的信用評分；用戶信用評分優(yōu)化裝置也可以通過獲取各個用戶的個人信息，根據(jù)各個用戶的個人信息以及特定的預(yù)測模型對用戶進(jìn)行信用評分從而得到所述多個社交用戶集合中各個用戶的初始的信用評分；用戶信用評分優(yōu)化裝置還可以是根據(jù)實施本發(fā)明獲得經(jīng)過優(yōu)化后的用戶的信用評分作為多個社交用戶集合中各個用戶的初始的信用評分，例如在當(dāng)前信用評分優(yōu)化時，可以將上一次優(yōu)化時得到的各個用戶的信用評分作為本次優(yōu)化時使用的初始的信用評分，所述對用戶的信用評分的優(yōu)化可以被管理員手動觸發(fā)，也可以根據(jù)更新周期觸發(fā)或根據(jù)新加入用戶或社交用戶集合的事件觸發(fā)。

在可選實施例中，若缺失某個用戶的初始的信用評分，可以采用該用戶的社交好友、同事或者親人關(guān)系的用戶的信用評分的平均分或加權(quán)平均分作為該用戶初始的信用評分，加權(quán)值可以根據(jù)用戶之間的關(guān)系類型親疏確定或根據(jù)用戶之間發(fā)生的社交事件的頻率確定。

所述多個社交用戶集合，可以是分別加入了不同的社交群組中的用戶的集合，加入同一社交群組的用戶即屬于該社交群組對應(yīng)的社交用戶集合，也可以按照用戶的興趣、地理位置等用戶特定屬性劃分得到所述多個社交用戶集合。在較優(yōu)實施例中，各個社交用戶集合相互間不存在相同的用戶，即一用戶只能屬于一個社交用戶集合。

S102，根據(jù)各個社交用戶集合中的各個用戶的初始的信用評分，獲取各個社交用戶集合的初始的信用評分。

具體實現(xiàn)中，可以根據(jù)某個社交用戶集合中的各個用戶的初始的信用評分的平均分或加權(quán)平均分作為該社交用戶集合的初始的信用評分。即

或

$S_i=\underset{j=1}{\overset{n_i}{\Σ}}{a}_j{s}_j/n_i.$

其中S_i為某個社交用戶集合的初始的信用評分，s_j為該社交用戶集合中的第j個用戶的初始的信用評分，n_i為該社交用戶集合中的用戶數(shù)量，而a_j為該第j個用戶對于該社交用戶集合的信用評分的加權(quán)值。

各個用戶的加權(quán)值可以根據(jù)用戶在與該社交用戶集合內(nèi)部的用戶之間的社交關(guān)系確定，例如某個用戶在社交用戶集合(共6人)內(nèi)部存在4個社交好友，那么其加權(quán)值可為4/(6-1)＝0.8，依次類推，還可以根據(jù)某個用戶在與社交用戶集合內(nèi)部的用戶之間發(fā)生的社交事件的頻率確定該用戶對于該社交用戶集合的信用評分的加權(quán)值，或結(jié)合上述兩種方式共同確定某個用戶對于其所在的社交用戶集合的信用評分的加權(quán)值。

S103，根據(jù)兩兩社交用戶集合中的用戶之間的社交關(guān)系，確定兩兩社交用戶集合之間的社交關(guān)系。

本發(fā)明實施例中的用戶信用評分優(yōu)化裝置可以根據(jù)分別屬于兩個社交用戶集合的用戶之間的社交關(guān)系，確定這兩個社交用戶集合之間的社交關(guān)系，例如若屬于第一社交用戶集合的第一用戶在第二社交用戶集合中存在社交好友，則第一社交用戶集合和第二社交用戶集合之間存在社交關(guān)系。進(jìn)而還可以對兩個社交用戶集合之間的社交關(guān)系的親密程度進(jìn)行量化，比如通過計算兩個社交用戶集合之間的用戶相互為社交好友的數(shù)量(用戶數(shù)或社交關(guān)系對的數(shù)量)量化兩個社交用戶集合之間的社交關(guān)系的親密程度，該親密程度可以是相互一致的，即量化的是兩個社交用戶集合之間雙向的親密程度，也可以是相互不一致的，即量化的是兩個社交用戶集合之間單向的親密程度。如通過如圖2所示的用戶社交關(guān)系分層處理得到的社交用戶集合(也可稱為社團(tuán))A、B、C以及D，通過判斷社交用戶集合A中有多少用戶在社交用戶集合B中存在社交好友，將在社交用戶集合B中有社交好友的用戶的數(shù)量除以社交用戶集合A的總用戶數(shù)的結(jié)果，作為社交用戶集合A與社交用戶集合B的社交親密度，反之，將在社交用戶集合A中有社交好友的用戶的數(shù)量除以社交用戶集合B的總用戶數(shù)的結(jié)果，作為社交用戶集合B與社交用戶集合A的社交親密度?？蛇x的還可以根據(jù)上述社交用戶集合A與社交用戶集合B的社交親密度結(jié)合社交用戶集合B與社交用戶集合A的社交親密度，計算社交用戶集合A與社交用戶集合B之間雙向的親密程度。后續(xù)還可以根據(jù)量化得到的兩個社交用戶集合之間的社交關(guān)系的親密程度，確定兩個社交用戶集合之間的社交權(quán)重，即在計算目標(biāo)社交用戶集合的信用評分時與目標(biāo)社交用戶集合存在社交關(guān)系的另一社交用戶集合的信用評分的加權(quán)值，因為若兩個社交用戶集合之間社交關(guān)系越親密，則該兩個社交用戶集合的信用評分接近的可能性越高，換而言之即為目標(biāo)社交用戶集合的親密的社交用戶集合的信用評分越有可能反映目標(biāo)社交用戶集合的信用評分，因此在對目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整時應(yīng)該將其親密的社交用戶集合的信用評分的影響度(參考權(quán)重)設(shè)得更高。

在圖2所示的社交關(guān)系分層處理方式中，根據(jù)上層的原始社交關(guān)系中跨社團(tuán)(社交用戶集合)的用戶社交關(guān)系處理得到中間一層社團(tuán)間的社交關(guān)系，保留社團(tuán)內(nèi)的用戶社交關(guān)系作為下層社團(tuán)內(nèi)的用戶社交關(guān)系。

S104，根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。

根據(jù)步驟S103得到的兩兩社交用戶集合之間的社交關(guān)系，可以認(rèn)為兩個存在社交關(guān)系的社交用戶集合之間是存在相互影響的，或兩個存在社交關(guān)系的社交用戶集合的信用評分是相互可以作為參考的，因此用戶信用評分優(yōu)化裝置可以根據(jù)所有與目標(biāo)社交用戶集合存在社交關(guān)系的其他社交用戶集合的信用評分對目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，從而可以有效避免因?qū)τ脩粜畔⒉杉兴笔Щ蛘咤e誤導(dǎo)致的對目標(biāo)社交用戶集合的信用評分不準(zhǔn)確。例如直接采用所有與目標(biāo)社交用戶集合存在社交關(guān)系的其他社交用戶集合的信用評分的平均值，作為優(yōu)化調(diào)整后的目標(biāo)社交用戶集合的信用評分，或采用所有與目標(biāo)社交用戶集合存在社交關(guān)系的其他社交用戶集合的信用評分的平均值與目標(biāo)社交用戶集合初始的信用評分之間的任意值作為優(yōu)化調(diào)整后的目標(biāo)社交用戶集合的信用評分。

進(jìn)而在可選實施例中，用戶信用評分優(yōu)化裝置可以分別根據(jù)各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系確定各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重，根據(jù)所述至少一個社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重以及對應(yīng)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。即根據(jù)S103中量化得到的目標(biāo)社交用戶集合與其他社交用戶集合之間的社交關(guān)系的親密程度確定各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重，進(jìn)而根據(jù)各個與目標(biāo)社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分和與所述目標(biāo)社交用戶集合之間的社交權(quán)重，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，例如其中Q_i為目標(biāo)社交用戶集合的信用評分，Q_k為與目標(biāo)社交用戶集合存在社交關(guān)系的第k個社交用戶集合的信用評分，e_ki為該第k個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重，表示所有與目標(biāo)社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分與對應(yīng)社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重的乘積的求和結(jié)果。該實施方式尤其適用于新加入一個目標(biāo)社交用戶集合，而其他社交用戶集合均已經(jīng)過優(yōu)化調(diào)整的情況下，可以僅單獨(dú)針對目標(biāo)社交用戶集合進(jìn)行優(yōu)化調(diào)整而不需要再對其他社交用戶集合進(jìn)行再一次的優(yōu)化調(diào)整。

所述各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重，可以根據(jù)目標(biāo)社交用戶集合的所有用戶中分別在各個社交用戶集合中存在社交關(guān)聯(lián)用戶的用戶比例確定得到，如采用與S103中量化兩個社交用戶集合之間的社交關(guān)系的親密程度相同的方式。

在另一可選實施例中，用戶信用評分優(yōu)化裝置可以根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代，具體的迭代流程可以如圖3所示。

S105，根據(jù)經(jīng)過所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。

具體的，用戶信用評分優(yōu)化裝置可以將目標(biāo)社交用戶集合中的用戶的信用評分修正至對應(yīng)用戶的初始的信用評分與目標(biāo)社交用戶集合經(jīng)過優(yōu)化調(diào)整后的信用評分之間的任意值。例如目標(biāo)社交用戶集合中某個用戶的信息缺失或出錯，用戶信用評分優(yōu)化裝置可以采用所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分作為該用戶修正后的信用評分。

在可選實施例中，用戶信用評分優(yōu)化裝置可以根據(jù)對所述目標(biāo)社交用戶集合的信用評分的優(yōu)化調(diào)整的調(diào)整值，對目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。例如采用下式對目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正：

s'_j＝s_j+(Q_i-S_i)，其中Q_i為經(jīng)過優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，S_i為目標(biāo)社交用戶集合的初始的信用評分，s_j為目標(biāo)社交用戶集合中的第j個用戶的初始的信用評分，s′_j為目標(biāo)社交用戶集合中的第j個用戶的經(jīng)過修正的信用評分。

可選的用戶信用評分優(yōu)化裝置還可以根據(jù)對所述目標(biāo)社交用戶集合的信用評分的優(yōu)化調(diào)整的調(diào)整比例，對目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行相應(yīng)比例的修正。

進(jìn)而在可選實施例中，用戶信用評分優(yōu)化裝置可以根據(jù)經(jīng)過本實施例上述步驟后修正得到的用戶的信用評分為對應(yīng)用戶推送產(chǎn)品信息，例如推送金融產(chǎn)品信息、固定資產(chǎn)管理產(chǎn)品信息等；或根據(jù)用戶的信用評分對對應(yīng)用戶的數(shù)據(jù)業(yè)務(wù)進(jìn)行監(jiān)控管理，例如對對應(yīng)用戶的借貸業(yè)務(wù)進(jìn)行風(fēng)控管理、對用戶的流動資金進(jìn)行管理建議等。

圖3是本發(fā)明實施例中對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代的流程示意圖，如圖3所示該實施方式中的優(yōu)化迭代過程可以包括：

S1041，分別根據(jù)兩兩社交用戶集合之間的社交關(guān)系確定對應(yīng)兩兩社交用戶集合之間的社交權(quán)重。

可選的，可以根據(jù)目標(biāo)社交用戶集合的所有用戶中分別在各個社交用戶集合中存在社交關(guān)聯(lián)用戶的用戶比例，確定各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重。例如通過如圖2所示的用戶社交關(guān)系分層處理得到的社交用戶集合(也可稱為社團(tuán))A、B、C以及D，通過判斷社交用戶集合A中有多少用戶在社交用戶集合B中存在社交好友，將在社交用戶集合B中有社交好友的用戶的數(shù)量除以社交用戶集合A的總用戶數(shù)的結(jié)果，作為社交用戶集合A與社交用戶集合B的社交權(quán)重，例如社交用戶集合A中的a1和a2分別在社交用戶集合B中有社交好友，社交用戶集合A的總用戶數(shù)為3，那么社交用戶集合A與社交用戶集合B的社交權(quán)重可以為2/3，即在對社交用戶集合A的信用評分進(jìn)行優(yōu)化時，社交用戶集合B的信用評分的社交權(quán)重為2/3；另一方面，將在社交用戶集合A中有社交好友的用戶的數(shù)量除以社交用戶集合B的總用戶數(shù)的結(jié)果，作為社交用戶集合B與社交用戶集合A的社交親密度，例如社交用戶集合B中也有2位用戶分別在社交用戶集合A中有社交好友，社交用戶集合B的總用戶數(shù)為4，那么社交用戶集合B與社交用戶集合A的社交權(quán)重可以為2/4＝0.5，即在對社交用戶集合B的信用評分進(jìn)行優(yōu)化時，社交用戶集合A的信用評分的社交權(quán)重為2/3。

S1042，對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代。

S1043，分別將所述多個社交用戶集合中的每一個社交用戶集合作為目標(biāo)社交用戶集合，根據(jù)所述至少一個社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重以及對應(yīng)社交用戶集合的信用評分對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。

即在每一次迭代時，采用下式對所述多個社交用戶集合中的每一個社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整：

其中為第r輪迭代時第i個社交用戶集合的信用評分，為第(r-1)輪迭代時與第i個社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分，e_ki為與第i個社交用戶集合存在社交關(guān)系的社交用戶集合與所述第i個社交用戶集合之間的社交權(quán)重，表示所有與第i個社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分與對應(yīng)社交用戶集合與所述第i個社交用戶集合之間的社交權(quán)重的乘積的求和結(jié)果，α為預(yù)設(shè)的阻尼因子。

S1044，判斷每一個社交用戶集合在本次迭代的信用評分與該社交用戶集合在前一次迭代的信用評分的差值的絕對值是否均小于第一預(yù)設(shè)閾值，即為：若滿足上式，則執(zhí)行S1045，否則回到S1042即進(jìn)行下一次迭代。

S1045，停止迭代，經(jīng)迭代得到的各個社交用戶集合的信用評分即為經(jīng)過優(yōu)化調(diào)整得到的社交用戶集合的信用評分。

需要指出的是，以上僅是一種迭代算法的示例，本發(fā)明對社交用戶集合的信用評分的迭代的算法不應(yīng)被視為局限于使用該算法，其他如熱傳導(dǎo)網(wǎng)絡(luò)迭代算法均可適用。

本實施例中的用戶信用評分優(yōu)化裝置通過計算用戶所屬的社交用戶集合的信用評分并進(jìn)行優(yōu)化調(diào)整后，根據(jù)優(yōu)化調(diào)整得到的社交用戶集合的信用評分對社交用戶集合內(nèi)的用戶的信用評分進(jìn)行修正，從而實現(xiàn)了結(jié)合社交用戶集合這一層面的信息對用戶的信用評分進(jìn)行優(yōu)化，不再只限于依據(jù)用戶的個人信息計算用戶的信用評分，可有效提高用戶信用評分的準(zhǔn)確性。

圖4是本發(fā)明另一實施例中的用戶信用評分優(yōu)化方法的流程示意圖，如圖所示本實施例中的用戶信用評分優(yōu)化方法可以包括以下流程：

S201，獲取多個社交用戶集合中各個用戶的初始的信用評分。

S202，根據(jù)各個社交用戶集合中的各個用戶的初始的信用評分，獲取各個社交用戶集合的初始的信用評分。

S203，根據(jù)兩兩社交用戶集合中的用戶之間的社交關(guān)系，確定兩兩社交用戶集合之間的社交關(guān)系。

S204，根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。

S205，根據(jù)經(jīng)過所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。

本實施例中的S201-S205與前一實施例中的S101-S105相同，本實施例中不再贅述，本實施例與前一實施例的區(qū)別在于，在根據(jù)經(jīng)過所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正，對目標(biāo)社交用戶集合中的用戶的信用評分進(jìn)行進(jìn)一步的優(yōu)化調(diào)整。

S206，根據(jù)目標(biāo)用戶分別與所述目標(biāo)社交用戶集合中的其他用戶之間的社交關(guān)系，以及所述目標(biāo)社交用戶集合中的其他用戶的信用評分，對所述目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整。

如圖2所示的社交關(guān)系分層處理得到的下層社團(tuán)內(nèi)的用戶社交關(guān)系，例如社交用戶集合A中的用戶a1、a2以及a3之間的社交關(guān)系。在可選實施例中，可以排除將用戶a1、a2以及a3劃分至社交用戶集合A的原因，例如是根據(jù)用戶a1、a2以及a3加入的同一個社交群組將三個用戶劃分為社交用戶集合A，那么考慮用戶a1、a2以及a3之間的社交關(guān)系時，可以將用戶a1、a2以及a3加入的同一個社交群組這一信息忽略，可以基于其之間是否有建立社交好友關(guān)系、是否有共同的興趣、是否有同時參與的社交事件或是否處于同一地理位置等因素確定用戶a1、a2以及a3之間的社交關(guān)系。

若在同一社交用戶集合中的兩個用戶之間存在社交關(guān)系，那么可以認(rèn)為兩個存在社交關(guān)系的用戶之間是存在相互影響的，或兩個存在社交關(guān)系的用戶的信用評分是相互可以作為參考的，因此用戶信用評分優(yōu)化裝置可以根據(jù)屬于同一社交用戶集合中與目標(biāo)用戶存在社交關(guān)系的其他用戶的信用評分對目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整，從而可以有效避免因?qū)τ脩粜畔⒉杉兴笔Щ蛘咤e誤導(dǎo)致的對目標(biāo)用戶的信用評分不準(zhǔn)確。例如直接采用所有與目標(biāo)用戶存在社交關(guān)系的其他用戶的信用評分的平均值，作為優(yōu)化調(diào)整后的目標(biāo)用戶的信用評分，或采用所有與目標(biāo)用戶存在社交關(guān)系的其他用戶的信用評分的平均值與目標(biāo)用戶初始的信用評分之間的任意值作為優(yōu)化調(diào)整后的目標(biāo)用戶的信用評分

進(jìn)而在可選實施例中，用戶信用評分優(yōu)化裝置可以分別根據(jù)目標(biāo)用戶與同一社交用戶集合中的其他用戶之間的社交關(guān)系確定其他用戶與目標(biāo)用戶之間的社交權(quán)重，進(jìn)而根據(jù)屬于同一社交用戶集合中的其他用戶與目標(biāo)用戶之間的社交權(quán)重以及對應(yīng)用戶的信用評分，對所述目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整。所述社交權(quán)重可以是對兩個用戶之間的社交關(guān)系的親密程度進(jìn)行量化的結(jié)果，比如通過計算兩個用戶的共同擁有的社交好友的數(shù)量、共同參與的社交群組、共同參與的社交事件或兩個用戶之間發(fā)生的社交事件的頻率等，量化兩個用戶之間的社交關(guān)系的親密程度從而得到兩個用戶之間的社交權(quán)重。因為若兩個用戶之間社交關(guān)系越親密，則該兩個用戶的信用評分接近的可能性越高，換而言之即為目標(biāo)用戶的親密的用戶的信用評分越有可能反映目標(biāo)用戶的信用評分，因此在對目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整時應(yīng)該將其親密的用戶的信用評分的影響度(參考權(quán)重)設(shè)得更高。根據(jù)各個目標(biāo)社交用戶集合中的其他用戶的信用評分和與所述目標(biāo)用戶之間的社交權(quán)重，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，例如其中q_i為目標(biāo)用戶的信用評分，q_k為與目標(biāo)用戶存在社交關(guān)系的第k個用戶的信用評分，w_ki為該第k個用戶與所述目標(biāo)用戶之間的社交權(quán)重，表示在目標(biāo)社交用戶集合中所有與目標(biāo)用戶存在社交關(guān)系的用戶的信用評分與對應(yīng)用戶與目標(biāo)用戶之間的社交權(quán)重的乘積的求和結(jié)果。該實施方式尤其適用于在目標(biāo)社交用戶集合中新加入一個目標(biāo)用戶，而其他用戶均已經(jīng)過優(yōu)化調(diào)整的情況下，可以僅單獨(dú)針對目標(biāo)用戶進(jìn)行優(yōu)化調(diào)整而不需要再對目標(biāo)社交用戶集合中的其他用戶進(jìn)行再一次的優(yōu)化調(diào)整。

在另一可選實施例中，用戶信用評分優(yōu)化裝置可以根據(jù)社交用戶集合中的各個用戶的信用評分，以及所述社交用戶集合中的各個用戶之間的社交關(guān)系，對社交用戶集合中的用戶的信用評分進(jìn)行優(yōu)化迭代，在每一次迭代時，分別將所述目標(biāo)社交用戶集合中的每一個社交用戶作為目標(biāo)用戶，根據(jù)各個所述目標(biāo)社交用戶集合中的其他用戶與所述目標(biāo)用戶的社交權(quán)重以及對應(yīng)用戶的信用評分對所述目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整，直至所述目標(biāo)社交用戶集合中的每一個用戶本次迭代的信用評分與該用戶在前一次迭代的信用評分的差值均小于第二預(yù)設(shè)閾值，停止迭代，得到的用戶的信用評分為經(jīng)過優(yōu)化調(diào)整得到的信用評分。具體的迭代流程可以如圖5所示包括以下：

S2061，分別根據(jù)目標(biāo)社交用戶集合中兩兩用戶之間的社交關(guān)系確定對應(yīng)兩兩用戶之間的社交權(quán)重。

可選的，可以分別根據(jù)同一社交用戶集合中的任意兩個用戶之間的社交關(guān)系確定這兩個用戶之間的社交權(quán)重。所述社交權(quán)重可以是對兩個用戶之間的社交關(guān)系的親密程度進(jìn)行量化的結(jié)果，比如通過計算兩個用戶的共同擁有的社交好友的數(shù)量、共同參與的社交群組、共同參與的社交事件或兩個用戶之間發(fā)生的社交事件的頻率等，量化兩個用戶之間的社交關(guān)系的親密程度從而得到兩個用戶之間的社交權(quán)重。

S2062，對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代。

S2063，分別將所述多個社交用戶集合中的每一個社交用戶集合作為目標(biāo)社交用戶集合，根據(jù)所述至少一個社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重以及對應(yīng)社交用戶集合的信用評分對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。

即在每一次迭代時，采用下式對所述目標(biāo)社交用戶集合中的每一個用戶的信用評分進(jìn)行優(yōu)化調(diào)整：

其中為第r輪迭代時目標(biāo)社交用戶集合中第i個用戶的信用評分，為第(r-1)輪迭代時所述目標(biāo)社交用戶集合中與第i個用戶存在社交關(guān)系的用戶的信用評分，w_ki為所述目標(biāo)社交用戶集合中與第i個用戶存在社交關(guān)系的用戶與所述第i個用戶之間的社交權(quán)重，表示所述目標(biāo)社交用戶集合中所有與第i個用戶存在社交關(guān)系的用戶的信用評分與對應(yīng)用戶與所述第i個用戶之間的社交權(quán)重的乘積的求和結(jié)果，λ為預(yù)設(shè)的阻尼因子。

S2064，判斷目標(biāo)社交用戶集合中的每一個用戶在本次迭代的信用評分與該用戶在前一次迭代的信用評分的差值的絕對值是否均小于第一預(yù)設(shè)閾值，即為：若滿足上式，則執(zhí)行S2065，否則回到S2062即進(jìn)行下一次迭代。

S2065，停止迭代，經(jīng)迭代得到的各個社交用戶集合的信用評分即為經(jīng)過優(yōu)化調(diào)整得到的社交用戶集合的信用評分。

需要指出的是，以上僅是一種迭代算法的示例，本發(fā)明對社交用戶集合中的用戶的信用評分的迭代的算法不應(yīng)被視為局限于使用上述算法，其他如熱傳導(dǎo)網(wǎng)絡(luò)迭代算法均可適用。

進(jìn)而在可選實施例中，用戶信用評分優(yōu)化裝置可以根據(jù)經(jīng)過本實施例上述步驟后修正得到的用戶的信用評分為對應(yīng)用戶推送產(chǎn)品信息，例如推送金融產(chǎn)品信息、固定資產(chǎn)管理產(chǎn)品信息等；或根據(jù)用戶的信用評分對對應(yīng)用戶的數(shù)據(jù)業(yè)務(wù)進(jìn)行監(jiān)控管理，例如對對應(yīng)用戶的借貸業(yè)務(wù)進(jìn)行風(fēng)控管理、對用戶的流動資金進(jìn)行管理建議等。

本實施例中的用戶信用評分優(yōu)化裝置通過計算用戶所屬的社交用戶集合的信用評分，根據(jù)社交用戶集合之間的社交關(guān)系對社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整后，根據(jù)優(yōu)化調(diào)整得到的社交用戶集合的信用評分對社交用戶集合內(nèi)的用戶的信用評分進(jìn)行修正，進(jìn)而根據(jù)社交用戶集合內(nèi)用戶之間的社交關(guān)系對社交用戶集合內(nèi)的用戶的信用評分進(jìn)行優(yōu)化調(diào)整，從而實現(xiàn)了結(jié)合社交用戶集合這一層面的信息對用戶的信用評分進(jìn)行優(yōu)化，不再只限于依據(jù)用戶的個人信息計算用戶的信用評分，可有效提高用戶信用評分的準(zhǔn)確性，同時雖然經(jīng)過兩次優(yōu)化過程，但是兩次優(yōu)化分別僅依據(jù)社交用戶集合之間的社交關(guān)系以及社交用戶集合內(nèi)部用戶之間的社交關(guān)系，實際并沒有帶來非常大的計算量。

圖6是本發(fā)明實施例中的一種用戶信用評分優(yōu)化裝置的結(jié)構(gòu)示意圖，如圖所示本發(fā)明實施例中的用戶信用評分優(yōu)化裝置至少可以包括：

用戶評分獲取模塊610，用于獲取多個社交用戶集合中各個用戶的初始的信用評分。

具體的，用戶評分獲取模塊610可以通過接收數(shù)據(jù)導(dǎo)入的方式獲取所述多個社交用戶集合中各個用戶的初始的信用評分；用戶評分獲取模塊610也可以通過獲取各個用戶的個人信息，根據(jù)各個用戶的個人信息以及特定的預(yù)測模型對用戶進(jìn)行信用評分從而得到所述多個社交用戶集合中各個用戶的初始的信用評分；用戶評分獲取模塊610還可以是根據(jù)實施本發(fā)明獲得經(jīng)過優(yōu)化后的用戶的信用評分作為多個社交用戶集合中各個用戶的初始的信用評分，例如在當(dāng)前信用評分優(yōu)化時，可以將上一次優(yōu)化時得到的各個用戶的信用評分作為本次優(yōu)化時使用的初始的信用評分，所述對用戶的信用評分的優(yōu)化可以被管理員手動觸發(fā)，也可以根據(jù)更新周期觸發(fā)或根據(jù)新加入用戶或社交用戶集合的事件觸發(fā)。

在可選實施例中，若缺失某個用戶的初始的信用評分，用戶評分獲取模塊610可以采用該用戶的社交好友、同事或者親人關(guān)系的用戶的信用評分的平均分或加權(quán)平均分作為該用戶初始的信用評分，加權(quán)值可以根據(jù)用戶之間的關(guān)系類型親疏確定或根據(jù)用戶之間發(fā)生的社交事件的頻率確定。

所述多個社交用戶集合，可以是分別加入了不同的社交群組中的用戶的集合，加入同一社交群組的用戶即屬于該社交群組對應(yīng)的社交用戶集合，也可以按照用戶的興趣、地理位置等用戶特定屬性劃分得到所述多個社交用戶集合。在較優(yōu)實施例中，各個社交用戶集合相互間不存在相同的用戶，即一用戶只能屬于一個社交用戶集合。

集合評分獲取模塊620，用于根據(jù)各個社交用戶集合中的各個用戶的初始的信用評分，獲取各個社交用戶集合的初始的信用評分。

具體實現(xiàn)中，集合評分獲取模塊620可以根據(jù)某個社交用戶集合中的各個用戶的初始的信用評分的平均分或加權(quán)平均分作為該社交用戶集合的初始的信用評分。

各個用戶的加權(quán)值可以根據(jù)用戶在與該社交用戶集合內(nèi)部的用戶之間的社交關(guān)系確定，例如某個用戶在社交用戶集合(共6人)內(nèi)部存在4個社交好友，那么其加權(quán)值可為4/(6-1)＝0.8，依次類推，還可以根據(jù)某個用戶在與社交用戶集合內(nèi)部的用戶之間發(fā)生的社交事件(發(fā)送會話消息、進(jìn)行視頻會話等)的頻率確定該用戶對于該社交用戶集合的信用評分的加權(quán)值，或結(jié)合上述兩種方式共同確定某個用戶對于其所在的社交用戶集合的信用評分的加權(quán)值。

集合關(guān)系獲取模塊630，用于根據(jù)兩兩社交用戶集合中的用戶之間的社交關(guān)系，確定兩兩社交用戶集合之間的社交關(guān)系。

集合關(guān)系獲取模塊630可以根據(jù)分別屬于兩個社交用戶集合的用戶之間的社交關(guān)系，確定這兩個社交用戶集合之間的社交關(guān)系，例如若屬于第一社交用戶集合的第一用戶在第二社交用戶集合中存在社交好友，則第一社交用戶集合和第二社交用戶集合之間存在社交關(guān)系。進(jìn)而集合關(guān)系獲取模塊630還可以對兩個社交用戶集合之間的社交關(guān)系的親密程度進(jìn)行量化，比如通過計算兩個社交用戶集合之間的用戶相互為社交好友的數(shù)量(用戶數(shù)或社交關(guān)系對的數(shù)量)量化兩個社交用戶集合之間的社交關(guān)系的親密程度，該親密程度可以是相互一致的，即量化的是兩個社交用戶集合之間雙向的親密程度，也可以是相互不一致的，即量化的是兩個社交用戶集合之間單向的親密程度。如通過如圖2所示的用戶社交關(guān)系分層處理得到的社交用戶集合(也可稱為社團(tuán))A、B、C以及D，通過判斷社交用戶集合A中有多少用戶在社交用戶集合B中存在社交好友，將在社交用戶集合B中有社交好友的用戶的數(shù)量除以社交用戶集合A的總用戶數(shù)的結(jié)果，作為社交用戶集合A與社交用戶集合B的社交親密度，反之，將在社交用戶集合A中有社交好友的用戶的數(shù)量除以社交用戶集合B的總用戶數(shù)的結(jié)果，作為社交用戶集合B與社交用戶集合A的社交親密度?？蛇x的還可以根據(jù)上述社交用戶集合A與社交用戶集合B的社交親密度結(jié)合社交用戶集合B與社交用戶集合A的社交親密度，計算社交用戶集合A與社交用戶集合B之間雙向的親密程度。后續(xù)還可以根據(jù)量化得到的兩個社交用戶集合之間的社交關(guān)系的親密程度，確定兩個社交用戶集合之間的社交權(quán)重，即在計算目標(biāo)社交用戶集合的信用評分時與目標(biāo)社交用戶集合存在社交關(guān)系的另一社交用戶集合的信用評分的加權(quán)值，因為若兩個社交用戶集合之間社交關(guān)系越親密，則該兩個社交用戶集合的信用評分接近的可能性越高，換而言之即為目標(biāo)社交用戶集合的親密的社交用戶集合的信用評分越有可能反映目標(biāo)社交用戶集合的信用評分，因此在對目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整時應(yīng)該將其親密的社交用戶集合的信用評分的影響度(參考權(quán)重)設(shè)得更高。

在圖2所示的社交關(guān)系分層處理方式中，根據(jù)上層的原始社交關(guān)系中跨社團(tuán)(社交用戶集合)的用戶社交關(guān)系處理得到中間一層社團(tuán)間的社交關(guān)系，保留社團(tuán)內(nèi)的用戶社交關(guān)系作為下層社團(tuán)內(nèi)的用戶社交關(guān)系。

集合評分優(yōu)化模塊640，用于根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。

根據(jù)集合關(guān)系獲取模塊630得到的兩兩社交用戶集合之間的社交關(guān)系，可以認(rèn)為兩個存在社交關(guān)系的社交用戶集合之間是存在相互影響的，或兩個存在社交關(guān)系的社交用戶集合的信用評分是相互可以作為參考的，因此集合評分優(yōu)化模塊640可以根據(jù)所有與目標(biāo)社交用戶集合存在社交關(guān)系的其他社交用戶集合的信用評分對目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，從而可以有效避免因?qū)τ脩粜畔⒉杉兴笔Щ蛘咤e誤導(dǎo)致的對目標(biāo)社交用戶集合的信用評分不準(zhǔn)確。例如集合評分優(yōu)化模塊640可以直接采用所有與目標(biāo)社交用戶集合存在社交關(guān)系的其他社交用戶集合的信用評分的平均值，作為優(yōu)化調(diào)整后的目標(biāo)社交用戶集合的信用評分，或采用所有與目標(biāo)社交用戶集合存在社交關(guān)系的其他社交用戶集合的信用評分的平均值與目標(biāo)社交用戶集合初始的信用評分之間的任意值作為優(yōu)化調(diào)整后的目標(biāo)社交用戶集合的信用評分。

進(jìn)而在可選實施例中，集合評分優(yōu)化模塊640如圖7所示進(jìn)一步包括：

集合權(quán)重獲取單元641，用于分別根據(jù)各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系確定各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重。例如可以根據(jù)目標(biāo)社交用戶集合的所有用戶中分別在各個社交用戶集合中存在社交關(guān)聯(lián)用戶的用戶比例，確定各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重。

集合評分優(yōu)化單元642，用于根據(jù)所述至少一個社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重以及對應(yīng)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整。

即根據(jù)量化得到的目標(biāo)社交用戶集合與其他社交用戶集合之間的社交關(guān)系的親密程度確定各個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重，進(jìn)而根據(jù)各個與目標(biāo)社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分和與所述目標(biāo)社交用戶集合之間的社交權(quán)重，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，例如其中Q_i為目標(biāo)社交用戶集合的信用評分，Q_k為與目標(biāo)社交用戶集合存在社交關(guān)系的第k個社交用戶集合的信用評分，e_ki為該第k個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交權(quán)重，表示所有與目標(biāo)社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分與對應(yīng)社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重的乘積的求和結(jié)果。該實施方式尤其適用于新加入一個目標(biāo)社交用戶集合，而其他社交用戶集合均已經(jīng)過優(yōu)化調(diào)整的情況下，集合評分優(yōu)化模塊640可以僅單獨(dú)針對目標(biāo)社交用戶集合進(jìn)行優(yōu)化調(diào)整而不需要再對其他社交用戶集合進(jìn)行再一次的優(yōu)化調(diào)整。

在另一可選實施例中，集合評分優(yōu)化單元642可以根據(jù)與目標(biāo)社交用戶集合存在社交關(guān)系的至少一個社交用戶集合的信用評分，以及所述至少一個社交用戶集合與所述目標(biāo)社交用戶集合之間的社交關(guān)系，對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代，具體的迭代流程可以如圖3所示，具體包括：對社交用戶集合的信用評分進(jìn)行優(yōu)化迭代，在每一次迭代時，分別將所述多個社交用戶集合中的每一個社交用戶集合作為目標(biāo)社交用戶集合，根據(jù)所述至少一個社交用戶集合與目標(biāo)社交用戶集合之間的社交權(quán)重以及對應(yīng)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，直至所述多個社交用戶集合中的每一個社交用戶集合在本次迭代的信用評分與該社交用戶集合在前一次迭代的信用評分的差值均小于第一預(yù)設(shè)閾值，則停止迭代，得到的社交用戶集合的信用評分為經(jīng)過優(yōu)化調(diào)整得到的信用評分。例如集合評分優(yōu)化單元642通過下式對所述多個社交用戶集合中的每一個社交用戶集合的信用評分進(jìn)行迭代：其中為第r輪迭代時第i個社交用戶集合的信用評分，為第(r-1)輪迭代時與第i個社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分，e_ki為與第i個社交用戶集合存在社交關(guān)系的社交用戶集合與所述第i個社交用戶集合之間的社交權(quán)重，表示所有與第i個社交用戶集合存在社交關(guān)系的社交用戶集合的信用評分與對應(yīng)社交用戶集合與所述第i個社交用戶集合之間的社交權(quán)重的乘積的求和結(jié)果，α為預(yù)設(shè)的阻尼因子。

需要指出的是，以上僅是一種迭代算法的示例，本發(fā)明對社交用戶集合的信用評分的迭代的算法不應(yīng)被視為局限于使用該算法，其他如熱傳導(dǎo)網(wǎng)絡(luò)迭代算法均可適用。

用戶評分修正模塊650，用于根據(jù)經(jīng)過所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分，對所述目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。

具體的，用戶評分修正模塊650可以將目標(biāo)社交用戶集合中的用戶的信用評分修正至對應(yīng)用戶的初始的信用評分與目標(biāo)社交用戶集合經(jīng)過優(yōu)化調(diào)整后的信用評分之間的任意值。例如目標(biāo)社交用戶集合中某個用戶的信息缺失或出錯，用戶評分修正模塊650可以采用所述優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分作為該用戶修正后的信用評分。

在可選實施例中，用戶評分修正模塊650可以根據(jù)對所述目標(biāo)社交用戶集合的信用評分的優(yōu)化調(diào)整的調(diào)整值，對目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正。例如采用下式對目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行修正：

s'_j＝s_j+(Q_i-S_i)，其中Q_i為經(jīng)過優(yōu)化調(diào)整的目標(biāo)社交用戶集合的信用評分S_i為目標(biāo)社交用戶集合的初始的信用評分，s_j為目標(biāo)社交用戶集合中的第j個用戶的初始的信用評分，s′_j為目標(biāo)社交用戶集合中的第j個用戶的經(jīng)過修正的信用評分。

可選的用戶評分修正模塊650還可以根據(jù)對所述目標(biāo)社交用戶集合的信用評分的優(yōu)化調(diào)整的調(diào)整比例，對目標(biāo)社交用戶集合中的各個用戶的信用評分進(jìn)行相應(yīng)比例的修正。

在可選實施例中，用戶信用評分優(yōu)化裝置進(jìn)一步還可以包括：

用戶評分優(yōu)化模塊660，用于根據(jù)目標(biāo)用戶分別與所述目標(biāo)社交用戶集合中的其他用戶之間的社交關(guān)系，以及所述目標(biāo)社交用戶集合中的其他用戶的信用評分，對所述目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整。

如圖2所示的社交關(guān)系分層處理得到的下層社團(tuán)內(nèi)的用戶社交關(guān)系，例如社交用戶集合A中的用戶a1、a2以及a3之間的社交關(guān)系。在可選實施例中，可以排除將用戶a1、a2以及a3劃分至社交用戶集合A的原因，例如是根據(jù)用戶a1、a2以及a3加入的同一個社交群組將三個用戶劃分為社交用戶集合A，那么考慮用戶a1、a2以及a3之間的社交關(guān)系時，可以將用戶a1、a2以及a3加入的同一個社交群組這一信息忽略，可以基于其之間是否有建立社交好友關(guān)系、是否有共同的興趣、是否有同時參與的社交事件或是否處于同一地理位置等因素確定用戶a1、a2以及a3之間的社交關(guān)系。

若在同一社交用戶集合中的兩個用戶之間存在社交關(guān)系，那么可以認(rèn)為兩個存在社交關(guān)系的用戶之間是存在相互影響的，或兩個存在社交關(guān)系的用戶的信用評分是相互可以作為參考的，因此用戶評分優(yōu)化模塊660可以根據(jù)屬于同一社交用戶集合中與目標(biāo)用戶存在社交關(guān)系的其他用戶的信用評分對目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整，從而可以有效避免因?qū)τ脩粜畔⒉杉兴笔Щ蛘咤e誤導(dǎo)致的對目標(biāo)用戶的信用評分不準(zhǔn)確。例如直接采用所有與目標(biāo)用戶存在社交關(guān)系的其他用戶的信用評分的平均值，作為優(yōu)化調(diào)整后的目標(biāo)用戶的信用評分，或采用所有與目標(biāo)用戶存在社交關(guān)系的其他用戶的信用評分的平均值與目標(biāo)用戶初始的信用評分之間的任意值作為優(yōu)化調(diào)整后的目標(biāo)用戶的信用評分。

進(jìn)而在可選實施例中，用戶評分優(yōu)化模塊660可以如圖8所示進(jìn)一步包括：

用戶權(quán)重獲取單元661，用于分別根據(jù)所述目標(biāo)用戶與所述目標(biāo)社交用戶集合中的其他用戶之間的社交關(guān)系確定各個所述目標(biāo)社交用戶集合中的其他用戶與所述目標(biāo)用戶的社交權(quán)重。

所述社交權(quán)重可以是對兩個用戶之間的社交關(guān)系的親密程度進(jìn)行量化的結(jié)果，比如通過計算兩個用戶的共同擁有的社交好友的數(shù)量、共同參與的社交群組、共同參與的社交事件或兩個用戶之間發(fā)生的社交事件的頻率等，量化兩個用戶之間的社交關(guān)系的親密程度從而得到兩個用戶之間的社交權(quán)重。

用戶評分優(yōu)化單元662，用于根據(jù)各個所述目標(biāo)社交用戶集合中的其他用戶與所述目標(biāo)用戶的社交權(quán)重以及對應(yīng)用戶的信用評分，對所述目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整。

因為若兩個用戶之間社交關(guān)系越親密，則該兩個用戶的信用評分接近的可能性越高，換而言之即為目標(biāo)用戶的親密的用戶的信用評分越有可能反映目標(biāo)用戶的信用評分，因此在對目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整時可以將其親密的用戶的信用評分的影響度(社交權(quán)重)設(shè)得更高。用戶評分優(yōu)化單元662由此根據(jù)各個目標(biāo)社交用戶集合中的其他用戶的信用評分和與所述目標(biāo)用戶之間的社交權(quán)重，對所述目標(biāo)社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整，例如其中q_i為目標(biāo)用戶的信用評分，q_k為與目標(biāo)用戶存在社交關(guān)系的第k個用戶的信用評分，w_ki為該第k個用戶與所述目標(biāo)用戶之間的社交權(quán)重，表示在目標(biāo)社交用戶集合中所有與目標(biāo)用戶存在社交關(guān)系的用戶的信用評分與對應(yīng)用戶與目標(biāo)用戶之間的社交權(quán)重的乘積的求和結(jié)果。該實施方式尤其適用于在目標(biāo)社交用戶集合中新加入一個目標(biāo)用戶，而其他用戶均已經(jīng)過優(yōu)化調(diào)整的情況下，可以僅單獨(dú)針對目標(biāo)用戶進(jìn)行優(yōu)化調(diào)整而不需要再對目標(biāo)社交用戶集合中的其他用戶進(jìn)行再一次的優(yōu)化調(diào)整。

在另一可選實施例中，用戶評分優(yōu)化單元662可以根據(jù)社交用戶集合中的各個用戶的信用評分，以及所述社交用戶集合中的各個用戶之間的社交關(guān)系，對社交用戶集合中的用戶的信用評分進(jìn)行優(yōu)化迭代。具體的迭代流程可以如圖5所示包括以下：在每一次迭代時，分別將所述目標(biāo)社交用戶集合中的每一個社交用戶作為目標(biāo)用戶，根據(jù)各個所述目標(biāo)社交用戶集合中的其他用戶與所述目標(biāo)用戶的社交權(quán)重以及對應(yīng)用戶的信用評分對所述目標(biāo)用戶的信用評分進(jìn)行優(yōu)化調(diào)整，直至所述目標(biāo)社交用戶集合中的每一個用戶本次迭代的信用評分與該用戶在前一次迭代的信用評分的差值均小于第二預(yù)設(shè)閾值，停止迭代，得到的用戶的信用評分為經(jīng)過優(yōu)化調(diào)整得到的信用評分。例如用戶評分優(yōu)化單元662可以采用下式對所述目標(biāo)社交用戶集合中的每一個用戶的信用評分進(jìn)行優(yōu)化調(diào)整：

其中為第r輪迭代時目標(biāo)社交用戶集合中第i個用戶的信用評分，為第(r-1)輪迭代時所述目標(biāo)社交用戶集合中與第i個用戶存在社交關(guān)系的用戶的信用評分，w_ki為所述目標(biāo)社交用戶集合中與第i個用戶存在社交關(guān)系的用戶與所述第i個用戶之間的社交權(quán)重，表示所述目標(biāo)社交用戶集合中所有與第i個用戶存在社交關(guān)系的用戶的信用評分與對應(yīng)用戶與所述第i個用戶之間的社交權(quán)重的乘積的求和結(jié)果，λ為預(yù)設(shè)的阻尼因子。

需要指出的是，以上僅是一種迭代算法的示例，本發(fā)明對社交用戶集合中的用戶的信用評分的迭代的算法不應(yīng)被視為局限于使用上述算法，其他如熱傳導(dǎo)網(wǎng)絡(luò)迭代算法均可適用。

進(jìn)一步可選的，本發(fā)明實施例中的還可以包括信息推送模塊670和業(yè)務(wù)監(jiān)控模塊680中的任1個或2個：

信息推送模塊670，用于根據(jù)用戶的信用評分為對應(yīng)用戶推送產(chǎn)品信息，即根據(jù)經(jīng)過本發(fā)明實施方式修正或優(yōu)化的用戶的信用評分為對應(yīng)用戶推送產(chǎn)品信息，例如推送金融產(chǎn)品信息、固定資產(chǎn)管理產(chǎn)品信息等；

業(yè)務(wù)監(jiān)控模塊680，用于根據(jù)用戶的信用評分對對應(yīng)用戶的數(shù)據(jù)業(yè)務(wù)進(jìn)行監(jiān)控管理，即根據(jù)經(jīng)過本發(fā)明實施方式修正或優(yōu)化的用戶的信用評分對應(yīng)用戶的數(shù)據(jù)業(yè)務(wù)進(jìn)行監(jiān)控管理，例如對對應(yīng)用戶的借貸業(yè)務(wù)進(jìn)行風(fēng)控管理、對用戶的流動資金進(jìn)行管理建議等。

本實施例中的用戶信用評分優(yōu)化裝置通過計算用戶所屬的社交用戶集合的信用評分，根據(jù)社交用戶集合之間的社交關(guān)系對社交用戶集合的信用評分進(jìn)行優(yōu)化調(diào)整后，根據(jù)優(yōu)化調(diào)整得到的社交用戶集合的信用評分對社交用戶集合內(nèi)的用戶的信用評分進(jìn)行修正，可選的還可以根據(jù)社交用戶集合內(nèi)用戶之間的社交關(guān)系對社交用戶集合內(nèi)的用戶的信用評分進(jìn)行優(yōu)化調(diào)整，從而實現(xiàn)了結(jié)合社交用戶集合這一層面的信息對用戶的信用評分進(jìn)行優(yōu)化，不再只限于依據(jù)用戶的個人信息計算用戶的信用評分，可有效提高用戶信用評分的準(zhǔn)確性。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機(jī)可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機(jī)存儲記憶體(Random Access Memory，RAM)等。

以上所揭露的僅為本發(fā)明較佳實施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。