近期，CCTV9播放了自制的系列紀錄片《大數(shù)據(jù)時代》，該片是國內(nèi)首部大數(shù)據(jù)產(chǎn)業(yè)題材紀錄片，節(jié)目細致而生動地講述了大數(shù)據(jù)技術(shù)在政府治理、民生服務(wù)、數(shù)據(jù)安全、工業(yè)轉(zhuǎn)型、未來生活等方面給我們帶來的改變和影響。在第四集中，講述了芝麻信用如何助力共享經(jīng)濟，推動商業(yè)信用體系建設(shè)的故事。我們將其摘錄分享出來，并簡要介紹芝麻信用背后的技術(shù)。

曹雪瑩是一名平面模特，工作性質(zhì)讓她經(jīng)常穿著不同的服裝，在不同的場合，需要穿不同的衣服，并且風(fēng)格還不能重樣，服裝開銷占了曹雪瑩日常開支的很大一部分。很多女人，總會感覺自己的衣櫥里少一件衣服，曹雪瑩更是如此。

一個偶然的機會，曹雪瑩發(fā)現(xiàn)了一種共享衣櫥的消費模式，每月花銷不到500元，便可換穿30件衣服，其中有不少，是高于曹雪瑩消費水平的輕奢品牌，并且大部分衣服都是免押金。一年下來，曹雪瑩可以節(jié)省很多買衣服的錢，這一切得益于信用體系。

芝麻信用技術(shù)總監(jiān)毛仁歆，便是這個信用評價體系的搭建者之一。他一直在用算法和模型創(chuàng)新商業(yè)模式，信用評估，便是毛仁歆團隊利用算法創(chuàng)造的一個非金融的商業(yè)信用評價體系。

“我們其實在技術(shù)領(lǐng)域有非常非常多的創(chuàng)新，通過這樣的一個信用評價體系，我們將用戶各個維度的數(shù)據(jù)計算，最終輸出一個用戶的守約畫像?！泵熟дf道。

商業(yè)信用評價體系，從一個人的身份特征、信用歷史、履約能力等方面進行綜合評分，通過機器學(xué)習(xí)、時序建模、深度學(xué)習(xí)、網(wǎng)絡(luò)分析等技術(shù)，精確評估出用戶在不同商業(yè)場景的守約行為，信用評估作為共享經(jīng)濟中買賣雙方建立信任的紐帶，它的評分規(guī)則必須保證客觀和公平，這促使毛仁歆和他的團隊，要不斷提高守約行為預(yù)估的精準(zhǔn)度，這樣可以讓商家擴大自身業(yè)務(wù)的同時，有效控制經(jīng)營風(fēng)險。

隨著信用平臺體系的不斷完善，越來越多的網(wǎng)民加入到中國人自創(chuàng)的購物狂歡節(jié)中，一個新的產(chǎn)業(yè)鏈也隨之誕生。這里便是新經(jīng)濟體系下的另一個環(huán)節(jié)，工作人員正在把回收的衣服運到清洗車間，衣服經(jīng)過分揀，被放進大型洗衣機中清洗，然后經(jīng)過高溫熨燙，臭氧消毒，塑封包裝等環(huán)節(jié)，進入巨大的服裝倉庫。

當(dāng)共享衣櫥系統(tǒng)，接收到消費者的訂單后，工作人員會從服裝倉庫的幾十萬件衣服中揀選出對應(yīng)的款式，然后衣服在流水線上被電腦系統(tǒng)細化分揀，打包后快遞發(fā)出。

借助于這個信用評估體系，共享衣櫥這種共享經(jīng)濟消費模式越來越受年輕人青睞，隨著共享經(jīng)濟模式的普及，更多用戶有機會展示自己的守約行為，積累自身信用，信用評價體系也得到持續(xù)優(yōu)化，進而刺激了中國消費市場的活力。

信用評估中涉及的機器學(xué)習(xí)方法由淺到深均有涉及，其從線性、時序和結(jié)構(gòu)數(shù)據(jù)上進行統(tǒng)一建模的框架即芝麻分背后的DeepCredit技術(shù)。傳統(tǒng)評分卡技術(shù)，雖然能給每一個用戶提供一個可解釋的芝麻分組成，但模型的評估準(zhǔn)確度非常依賴底層的特征工程。近幾年來深度學(xué)習(xí)技術(shù)極大的推動了時序挖掘、圖網(wǎng)絡(luò)分析、自然語言處理、圖像識別等領(lǐng)域的發(fā)展，也為更準(zhǔn)確的用戶信用畫像評估提供了可能。

通過對時序挖掘方法的研究，芝麻信用對深度學(xué)習(xí)在信用評估中的應(yīng)用做了探索，其通過對用戶的守約歷史進行時序建模，完整刻畫了一個用戶在時間維度上的守約表現(xiàn)。傳統(tǒng)在金融領(lǐng)域的守約歷史數(shù)據(jù)挖掘主要依賴開發(fā)人員的業(yè)務(wù)經(jīng)驗，受到工作量大、特征維度少等影響，最終無法達到商業(yè)應(yīng)用的性能要求。在建模過程中，深度學(xué)習(xí)中的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變種時序算法能較好的對序列數(shù)據(jù)建模，當(dāng)前在語音識別、機器翻譯、序列預(yù)測上都有非常棒的應(yīng)用。芝麻分團隊首次將多層循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用在數(shù)億用戶規(guī)模的守約時序行為上，模型示意圖如下圖所示。通過在模型結(jié)構(gòu)中引入了Stacking、Embedding、Wide&Deep等優(yōu)化技術(shù)，通過算法學(xué)習(xí)到了用戶的守約習(xí)慣，如按時守約、多用多守約等。最終的性能效果相比傳統(tǒng)方法有顯著提升40%+，給商業(yè)場景帶來更多的準(zhǔn)入用戶、更低的資金成本。

當(dāng)前芝麻信用已經(jīng)深入滲透到支付寶的各個產(chǎn)品當(dāng)中，同時對外開放向合作伙伴提供服務(wù)。芝麻信用也將投入更多精力優(yōu)化技術(shù)，推動商業(yè)信用體系的加速到來。

原文鏈接
本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的助力共享经济，芝麻信用背后的技术的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。