惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - 叶小钗
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Microsoft Security Blog
Microsoft Security Blog
罗磊的独立博客
大猫的无限游戏
大猫的无限游戏
美团技术团队
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
aimingoo的专栏
aimingoo的专栏
腾讯CDC
WordPress大学
WordPress大学
Apple Machine Learning Research
Apple Machine Learning Research
F
Fortinet All Blogs
G
Google Developers Blog
MongoDB | Blog
MongoDB | Blog
Microsoft Azure Blog
Microsoft Azure Blog
小众软件
小众软件
Engineering at Meta
Engineering at Meta
博客园_首页
B
Blog RSS Feed
D
Docker
M
MIT News - Artificial intelligence
爱范儿
爱范儿
I
InfoQ

月光博客

AI编程从零开始:环境配置到开发调试-月光博客 母亲被保健品诈骗-月光博客 向身体低头,向岁月妥协:我的高血压“还债日记” -月光博客 月光博客电子书:《信息安全指南》 谷歌发布2025年度搜索排行榜 中国2025社会热点大事记 2025年十大流行语发布 7天3次,骗子骗走我母亲95万元 “技术男”设三重安全墙,母亲95万存款还是被骗走了 电信诈骗后的复盘:母亲的95万元,是怎么从手机银行里消失的 母亲被电信诈骗95万元的全过程 阿根廷警察被谷歌街景相机拍到裸照 网信办开展“清朗·整治恶意挑动负面情绪问题”专项行动 翟欣欣敲诈勒索案一审获刑12年 《绝命毒师》影评:力工觉醒后的梭哈至死 《人工智能生成合成内容标识办法》正式施行 用AI分析你的财务信息 腾讯子公司实习HR怒怼求职者后被开除 OpenAI发布最强模型GPT-5,免费向所有用户开放 用AI解构你的日记 用AI分析你的游戏偏好 用AI分析你的观影偏好 用AI分析你的听歌偏好 《白鹿原》人物分析:乱世浮沉中的人性剖析 乌托邦的捷径:让AI治理“失败国家” 苹果AI的“路径错误”:为什么它在大模型时代掉队了? 《暗黑破坏神3》第35赛季开荒指南 我对特朗普的看法 欧·亨利十大经典小说鉴赏 HBO电视剧《最后生还者》第二季影评
提升支付宝芝麻信用评分
投稿 · 2016-11-29 · via 月光博客

日前,支付宝新上线的“圈子”在微信、微博等网络平台引发热议。其中,一个很重要的信息就是,芝麻信用分很重要。有消息称,芝麻信用达到750分以上,支付宝会根据不同人群特征“邀请进入生活圈”,包括“校园日记圈子”“白领日记圈子”“海外日记圈子”等。

根据芝麻信用评分体系,350-550分为较差,550-600位中等,600-650为良好,650-700为优秀,而700-950为极好。

芝麻信用评分体系,严格来说,也是一种评分体系,只是参考的因素以及具体的评分方式有所差别。在国外有一套比较比较标化的信用评分体系,并且算法模型相对公开。但在国内,显然是没有的,所以各家具有信用评估资质的公司,都有自己的一套信用评估模型,来衡量用户的信用程度。

绕的有点远,我们回到芝麻信用评分。

根据支付宝说明显示,影响评分的有五大维度:身份特质,行为偏好,人际关系,信用历史,履约能力。

笔者估计这五大纬度对应这五大因子:

身份特质包含的是身份信息、学历信息、以及实名的消费记录等,个人一直没有鸟支付宝的怂恿,坚持没有绑定自己的学历、企业、车辆信息、职业信息,看来这项是零分了。

关于信用历史,应该是调取的信用历史,以及自身的花呗等相关的信用数据,如果支付宝无法关联绑定银行卡的信息的话,那么他只能拿诸如花呗的信息作为评估支撑了,对于这点来说说,估计它能获取我的信息有限,因为我连花呗都几乎不用。

履约能力,这个跟信用历史有点像了,同样,如果他无法通过关联的银行卡获取信息话,只能通过自身入口造成的履约情景进行判断了,包括花呗还款情况、支付宝的各家信用卡入口等,关于这一点,估计我的信息不多。

行为偏好,这个好理解,各种消费记录、消费能力评估,以及生活缴费的情况,对于这点来说,估计我的分数应该不低,算是个支付宝使用大户了。

人际关系,这点应该参考了协同算法的模型,通过衡量好友的信用关系,来协同评估目标的信用。

再回到我的信用评分,我的芝麻信用分只有700,这样看来,这700分大体上应该是行为偏好占大头,人际关系次之,然后信用能力以及履约能力起到微弱的作用,身份特质基本没起到什么卵用,因为我没有关联。

那么,如果单纯的从最上层的权重模型来分析的话,占据最大权重的应该是行为偏好,以及对应其他信息次之,不然无法解释我绑定的信息如此之少,而信用分依然可以达到,极好的边界值。

其实这点也好解释,对于支付宝来说,其最大的信息来源在于内部的数据,即消费行为数据,即使是人际交往关系数据,在支付宝的社交真正起来之前,都不会有太多的累积。

至于说其他几个维度,能关联更是少之又少。

至于说在未来,芝麻信用评分会不会调整各个维度的权重,甚至是增加参考维度,那是肯定的。

严格来说,行为偏好的信用价值信息,其实还是相对较弱的,但其他几个维度的信息获取成本太高,甚至包括看起来不难的人际关系。

但人际关系在真正的设计关系网络建立起来之前,其实参考度有限,除非他能构建诸如微信的社交网络规模,才有比较良好的参考意义。

最后,抛开这个评分模型,信息体系其实是蛮重要的。

来源:投稿,作者微信公众号·blogchong

提升支付宝芝麻信用评分