[發明專利]處理交易數據的方法及裝置

在審

• 申請號: 201810146777.7
• 申請日: 2018-02-12
• 公開（公告）號: CN108446978A
• 公開（公告）日: 2018-08-24
• 發明（設計）人: 趙科科;趙星
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06F17/30;G06F21/62
• 代理公司: 北京億騰知識產權代理事務所 11309
• 代理人: 陳霽;周良玉

1.一種處理交易數據的方法，包括：

獲取與連續的n個預設時間段分別對應的n個數據集，所述n個數據集中各個數據集i包括對應的時間段中用戶的交易明細數據；

形成與所述n個數據集分別對應的n個特征向量，其中各個特征向量Fi分別包括，基于對應的數據集i中的交易明細數據衍生出的衍生變量；

將所述n個特征向量按照時間順序輸入時間遞歸的神經網絡，從所述時間遞歸的神經網絡獲得處理結果，其中獲得處理結果包括，從所述時間遞歸的神經網絡的輸出層，獲得所述用戶發生信用違約的概率作為處理結果。

2.根據權利要求1所述的方法，其中所述交易明細數據包括多個字段，所述多個字段至少包括：交易時間字段，交易金額字段，以及至少一個類別字段。

3.根據權利要求2所述的方法，其中形成與所述n個數據集分別對應的n個特征向量包括：

獲取數據集i中所述交易明細數據的所述多個字段；

對所述多個字段的數據進行聚合操作，從而獲得衍生變量；

將所述衍生變量作為所述特征向量Fi的向量元素。

4.根據權利要求3所述的方法，其中對所述多個字段中的數據進行聚合操作包括：

從所述多個字段中選擇至少一部分字段進行組合，得到組合字段；

對組合字段的數據進行運算操作，從而得到衍生變量。

5.根據權利要求4所述的方法，其中所述運算操作包括以下中的一項或多項：數值判斷、計數、求和、求平均、求標準差、求分位數、分布統計。

6.根據權利要求2所述的方法，其中形成與所述n個數據集分別對應的n個特征向量包括：

獲取數據集i中所述至少一個類別字段的內容；

利用詞嵌入模型，將所述至少一個類別字段的內容轉換為詞向量；

將所述詞向量作為所述特征向量Fi的一部分。

7.根據權利要求1所述的方法，其中所述時間遞歸的神經網絡采用循環神經網絡RNN，長短期記憶神經網絡LSTM，門控循環單元神經網絡GRU之一。

8.根據權利要求7所述的方法，其中所述時間遞歸的神經網絡包括至少一個全連接層。

9.根據權利要求1所述的方法，所述時間遞歸的神經網絡利用已標定數據集進行訓練，所述已標定數據集包括歷史交易數據，且具有是否發生信用違約的標簽。

10.根據權利要求1所述的方法，其中從所述時間遞歸的神經網絡獲得處理結果包括：從所述時間遞歸的神經網絡的隱含層獲得節點特征值作為處理結果。

11.一種處理交易數據的裝置，包括：

數據集獲取單元，配置為獲取與連續的n個預設時間段分別對應的n個數據集，所述n個數據集中各個數據集i包括對應的時間段中用戶的交易明細數據；

向量形成單元，配置為形成與所述n個數據集分別對應的n個特征向量，其中各個特征向量Fi分別包括，基于對應的數據集i中的交易明細數據衍生出的衍生變量；

處理單元，配置為將所述n個特征向量按照時間順序輸入時間遞歸的神經網絡，從所述時間遞歸的神經網絡獲得處理結果，其中獲得處理結果包括，從所述時間遞歸的神經網絡的輸出層，獲得所述用戶發生信用違約的概率作為處理結果。

12.根據權利要求11所述的裝置，其中所述交易明細數據包括多個字段，所述多個字段至少包括：交易時間字段，交易金額字段，以及至少一個類別字段。

13.根據權利要求12所述的裝置，其中所述向量形成單元包括：

字段獲取模塊，配置為獲取數據集i中所述交易明細數據的所述多個字段；

聚合操作模塊，配置為對所述多個字段的數據進行聚合操作，從而獲得衍生變量；

元素形成模塊，配置為將所述衍生變量作為所述特征向量Fi的向量元素。