技术摘要：
本公开涉及一种目标用户确定方法、装置、电子设备及计算机可读介质。该方法包括：将用户的基础信息输入提前还款模型中，获取所述用户的提前还款概率；将所述基础信息输入金融风险模型中，获取所述用户的金融风险概率；通过所述提前还款概率和所述金融风险概率生成所述  全部
背景技术：
在金融业务场景中，用户提前还款时需一次性结清剩余本金及利息，这样可减少 资金占用提升资金周转率，同时增加业务收益。如果能有效识别提前还款概率高且风险较 低的客户，对他们进行差异化提额操作，对金融服务类公司的业务增长具有积极意义。 当前，已有的各种机器学习模型均是基于单目标决策模型，对于目标为多层目标 的决策，目前可例如首先基于全量用户进行提前还款预测，筛选出提前还款的概率较高的 用户，然后基于全量用户进行违约预测，筛选出违约概率较高的用户，然后可对这两部分用 户取交集，进而得出结果。这种分析问题的方式，仅仅是两个机器学习模型的简单组合，由 于用户样本的获取时存在样本偏差和样本挖掘欠缺等问题，简单的通过两个机器学习模型 组合的方式，是无法帮助金融服务类的公司准确筛选多目标的用户的，更具体的，无法准确 筛选出提前还款概率高且风险低的用户。 因此，需要一种新的目标用户确定方法、装置、电子设备及计算机可读介质。 在所述
技术实现要素：
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它 可以包括不构成对本领域普通技术人员已知的现有技术的信息。