(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211277296.2 (22)申请日 2022.10.18 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 许国华　 (74)专利代理 机构 广东良马律师事务所 4 4395 专利代理师 钟有为 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 50/16(2012.01) G06N 3/04(2006.01) (54)发明名称 房产抵押额度的计算方法及系统 (57)摘要 本发明公开了房产抵押额度的计算方法及 系统， 其中， 所述方法包括： 获取用户发起的贷 款 请求信息， 所述贷款请求信息包括所述用户名下 用于抵押的房产的房产信息； 从所述房产信息中 提取其房产区域特征信息； 将所述房产区域特征 信息输入预先训练好的房产估值模 型， 得到目标 房产估值结果； 根据所述目标房产估值结果确定 对应所述贷款请求的贷款额度。 通过本发明提供 的方法可解决现有技术中的房产抵押额度的计 算方法不够完 善、 针对性 不足的问题。 权利要求书1页 说明书9页 附图2页 CN 115456770 A 2022.12.09 CN 115456770 A 1.一种房产抵押额度的计算方法， 其特 征在于， 包括： 获取用户发起的贷款请求信 息， 所述贷款请求信 息包括所述用户名下用于抵押的房产 的房产信息； 从所述房产信息中提取其房产区域特 征信息； 将所述房产区域特 征信息输入预先训练好的房产估值模型， 得到目标房产估值结果； 根据所述目标房产估值结果确定对应所述贷款请求的贷款 额度。 2.根据权利要求1所述的房产抵押额度的计算方法， 其特征在于， 所述从所述房产信 息 中提取房产区域特征信息中， 所述房产区域特征信息包括： 房产地址、 基于所述房产地址的 区域政策信息、 基于所述房产地址的区域经济指数信息、 以及房产是否处于 抵押状态。 3.根据权利要求2所述的房产抵押额度的计算方法， 其特征在于， 所述将所述房产区域 特征信息输入预先训练好的房产估值模型， 得到目标房产估值结果中， 包括： 构建深度学习模型， 根据房产区域特征信息样本对所述深度学习模型进行训练， 生成 房产估值模型； 将提取的所述房产区域特 征信息输入所述房产估值模型， 得到目标房产估值结果。 4.根据权利要求3所述的房产抵押额度的计算方法， 其特征在于， 所述根据所述目标房 产估值结果确定对应所述贷款请求的贷款 额度之后， 包括： 将所述贷款 额度发送至区块链存证平台进行 上链保存。 5.根据权利要求4所述的房产抵押额度的计算方法， 其特征在于， 所述获取用户发起的 贷款请求信息中， 所述贷款请求信息还 包括所述用户的身份信息 。 6.根据权利要求5所述的房产抵押额度的计算方法， 其特征在于， 所述根据所述目标房 产估值结果确定对应所述贷款请求的贷款 额度中， 包括： 根据所述目标房产估值结果和所述身份信息确定对应所述贷款请求的贷款 额度。 7.一种房产抵押额度的计算系统， 其特 征在于， 包括： 获取模块， 用于获取用户发起的贷款请求信息， 所述贷款请求信息包括所述用户名下 用于抵押的房产的房产信息； 提取模块， 用于从所述房产信息中提取其房产区域特 征信息； 结果生成模块， 用于将所述房产区域特征信息输入预先训练好的房产估值模型， 得到 目标房产估值结果； 额度确定模块， 用于根据所述目标房产估值结果确定对应所述贷款请求的贷款 额度。 8.根据权利要求7 所述的房产抵押额度的计算系统， 其特 征在于， 还 包括： 上链保存 模块， 用于将所述贷款 额度发送至区块链存证平台进行 上链保存。 9.一种计算机设备， 其特 征在于， 所述计算机设备包括至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器上存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被 所述至少一个处理器执行时， 可实现如权利要求1 ‑6任一项所述的房产抵押额度的计算方 法。 10.一种非易失性计算机可读存储介质， 其特征在于， 所述非易失性计算机可读存储介 质存储有计算机程序， 所述计算机程序被至少一个处理器执行时， 可实现如权利要求 1‑6任 一项所述的房产抵押额度的计算方法。权　利　要　求　书 1/1 页 2 CN 115456770 A 2房产抵押额度的计算方 法及系统 技术领域 [0001]本发明涉及数据处理技术领域， 具体涉及一种房产抵押额度的计算方法、 系统、 计 算机设备以及非易失性计算机可读存 储介质。 背景技术 [0002]目前， 业内对于房地产抵押贷都是属于 “被动型”定价， 即用户自己选择一套房产 来进行抵押 评估， 然后银行对房产进行估值并根据借款主体的资质、 地方差异化政策来进 行定价。 这种做法会存在一个问题： 用户无法准确清楚 自己名下多套房产的实际估值范围， 大部分情况下只能通过房产的市场售价来判定， 但是实际上， 银行在对房产进行估值的时 候， 市场售价只是其中一个维度， 房产售价高不等于用户的可贷款额度高。 即现有技术中的 房产抵押额度的计算方法不够完善、 针对性不 足， 会影响用户的实际贷款额度， 对于用户来 说， 少贷款了钱， 而对于银 行来说也存在一定的资损(未能最大化授信)。 [0003]因此， 设计一种用于房产抵押额度的计算方法是本领域技术人员亟待解决的技术 问题， 即现有技 术还有待改进和提高。 发明内容 [0004]鉴于上述现有技术的不足之处， 本发明的目的在于提供一种可用于金融科技或其 他相关领域的房产抵押额度的计算方法、 系统、 计算机设备以及非易失性计算机可读存储 介质， 旨在解决现有技 术中的房产抵押额度的计算方法不够完 善、 针对性 不足的问题。 [0005]为了达到上述目的， 本发明采取了以下技 术方案： [0006]一种房产抵押额度的计算方法， 其中， 包括： [0007]获取用户发起的贷款请求信息， 所述贷款请求信息包括所述用户名下用于抵押的 房产的房产信息； [0008]从所述房产信息中提取其房产区域特 征信息； [0009]将所述房产区域特征信息输入预先训练好的房产估值模型， 得到目标房产估值结 果； [0010]根据所述目标房产估值结果确定对应所述贷款请求的贷款 额度。 [0011]在进一步的技术方案中， 所述的房产抵押额度的计算方法， 其中， 所述从所述房产 信息中提取房产区域特征信息中， 所述房产区域特征信息包括： 房产地址、 基于所述房产地 址的区域政策信息、 基于所述房产地址的区域经济指数信息、 以及房产是否处于 抵押状态。 [0012]在进一步的技术方案中， 所述的房产抵押额度的计算方法， 其中， 所述将所述房产 区域特征信息输入预先训练好的房产估值模型， 得到目标房产估值结果中， 包括： [0013]构建深度学习模型， 根据房产区域特征信息样本对所述深度学习模型进行训练， 生成房产估值模型； [0014]将提取的所述房产区域特征信息输入所述房产估值模型， 得到目标房产估值结 果。说　明　书 1/9 页 3 CN 115456770 A 3