信贷风控四：高校地址自动化识别

信贷风控四：高校地址自动化识别

• • 一、业务背景
  • 二、解决方案
  • 三、完善补充

一、业务背景

恶意投诉一直是信贷从业人员面临的一个棘手问题，总有那么一些客户，或是受不良中介引导，或是自己没有道德底线，在信贷平台借到款之后，抓住一些可利用的漏洞，倒打一耙，把信贷平台投诉到监管平台上。而越是正规的信贷平台，越容易在面对监管投诉时表现弱势，导致信贷平台既失名又失利。面对这种情况，信贷平台能做的一般就是完善流程，留存证据。
大学生投诉，是我们面临的恶意投诉中的一种，有些客户，在自己还在就读高校的时候，钻了空子，在信贷平台上借到了一笔借款，一段时间以后，燃眉之急解决了，就借着平台给学生贷款这个违规操作，把平台投诉给监管了，以求白嫖这笔借款。
为了在业务中防控大学生投诉这种情况，我们对一批以学生身份投诉的案例进行了分析，发现这些投诉客户具有两个普遍特征，一是年龄普遍偏小，主要分布在22-25岁，最大的不超过28岁，二是很大一部分客户的人行征信住址或是公司填写的是高校，从这两个线索出发，我们就可以在前端风控侧做一些规则设计，结合年龄和人行征信住址，把疑似高校的客户都拦截掉，以期在一定程度上解决给学生客户放款的漏洞。于是有了这篇博客，如何做一个规则接口，识别一个地址或公司名是否为高校。
当然这样一个需求可以借助外部厂商解决，像是各种地图服务，或者直接查学籍数据，但这样一是需要费用较高，二是违背了自主化风控的初衷，所以有了下面这个自主化的探索方案。这个方案目前还不能做到百分百准确，但能做到大概率准确，在测试的几千条地址转化结果上面，准确率可以达到94%左右。这个高校识别方案，不仅可以用作贷前风控拦截的接口，也可以用于基于地址数据的数据挖掘方面。

二、解决方案

识别地址是否为高校的基本逻辑是使用正则表达式做关键词识别，在识别准入的基础上，做定向排除。
准入的关键词分为三类：

1. “大学”、“高校”、“学院”等这类高校的关键字；
2. “本科”、“研究生”、“学生宿舍”等学生类的关键词；
3. 各个大学的简称，像“哈工大”、“陕西师大”、“西安交大”等。

在准入的基础上，做如下关键词的定向排除：

1. 附属中学、附属小学等；
2. 职工宿舍、专家楼、家属楼等；
3. 对面、对过、旁边等方位类的关键词；
4. 大学路、学院路、华中大街、中南大厦等街道、楼宇名；
5. 某某大学店等分店名称；
6. 大学村、师范镇等村镇地名；
7. 保卫处、食堂、教务处等办公地点；
8. 进修学校、老年大学、成人大学等非学生类学校等

基于以上逻辑，使用python实现的代码如下，供大家参考：

三、完善补充

以上逻辑还有可以补充完善的一部分，就是只写高校地址，不明确写出某某高校的情况，比如“”汉口路22号”，虽然没有明确出现大学类字样，但它就是南京大学的地址。所以我们可以在准入规则里面加入一条，所有高校的详细地址信息。对于明确指明某某路某某号的大学地址，我们同样可以用正则表达式的形式写出来。比如北京大学的详细地址是“北京市海淀区颐和园路5号”，因为我们面临的地址大多是客户手写的，导致写法比较随意，地址中区、市部分可写可不写，但同时，如果我们去掉市、区信息，只匹配某路某号，又容易造成歧义，毕竟像南京路、上海路这样的路名，全国很多城市都有，所以，为了既保证一定的精准度，又具有一定的普遍性，我们可以把上述地址的匹配逻辑写成如下的正则形式：
‘.*((北京(市)海淀区)颐和园路5号).*’
把地址信息的正则逻辑加到准入规则中，可以一定程度提高高校识别规则的覆盖率，但同时，这样的正则规则较长，会拖慢判断响应时间，如果做线下特征衍生，问题不大；做实时接口判断，就要考虑取舍。（全国2700多所高校的详细地址数据，可私信作者索取）

总之，本文只是从实际业务需求出发，提供了一个解决高校地址识别的思路，虽然不完善，但能够解决大部分问题，如二八原则，花费了20%的精力，能够解决80%的问题，如果想要做到100%，就需要再进一步花费80%的精力才能做到，性价比不高。大家可以在这个思路的基础上继续做完善补充，以期识别准确度能够更高。或者有任何更好的解决方案，欢迎大家讨论。

来源：白白的一团团