[發(fā)明專利]基于LSTM模型的信用風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201810373757.3
• 申請(qǐng)日: 2018-04-24
• 公開（公告）號(hào): CN108734338A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計(jì)）人: 洪滿伙
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q40/04;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 林祥

基于LSTM模型的信用風(fēng)險(xiǎn)預(yù)測(cè)方法，包括：獲取目標(biāo)賬戶在預(yù)設(shè)時(shí)間段內(nèi)的用戶操作行為數(shù)據(jù)；預(yù)設(shè)時(shí)間段為由若干時(shí)間步長(zhǎng)相同的時(shí)間區(qū)間組成的時(shí)間序列；基于目標(biāo)賬戶在各個(gè)時(shí)間區(qū)間內(nèi)的用戶操作行為數(shù)據(jù)，生成對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列；將生成的對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列輸入至訓(xùn)練完畢的基于編碼?解碼架構(gòu)的LSTM模型中的LSTM編碼器進(jìn)行計(jì)算，得到對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的隱藏狀態(tài)向量；LSTM模型包括LSTM編碼器，和引入了注意力機(jī)制的LSTM解碼器；將對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的隱藏狀態(tài)向量作為風(fēng)險(xiǎn)特征，輸入至LSTM解碼器進(jìn)行計(jì)算，得到目標(biāo)賬戶在下一時(shí)間區(qū)間內(nèi)的風(fēng)險(xiǎn)評(píng)分；以及各隱藏狀態(tài)向量對(duì)應(yīng)于風(fēng)險(xiǎn)評(píng)分的權(quán)重值。

技術(shù)領(lǐng)域

本說(shuō)明書涉及通信領(lǐng)域，尤其涉及一種基于LSTM模型的信用風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置。

背景技術(shù)

在現(xiàn)有的信用風(fēng)險(xiǎn)防范體系中，已經(jīng)廣泛使用信用風(fēng)險(xiǎn)預(yù)測(cè)模型來(lái)防范信用風(fēng)險(xiǎn)。通過(guò)提供來(lái)自風(fēng)險(xiǎn)賬戶的大量風(fēng)險(xiǎn)交易作為訓(xùn)練樣本，并從這些風(fēng)險(xiǎn)交易中提取風(fēng)險(xiǎn)特征進(jìn)行訓(xùn)練，來(lái)構(gòu)建信用風(fēng)險(xiǎn)模型，然后使用構(gòu)建完成的信用風(fēng)險(xiǎn)模型來(lái)對(duì)用戶的交易賬戶進(jìn)行信用風(fēng)險(xiǎn)預(yù)測(cè)和評(píng)估。

發(fā)明內(nèi)容

本說(shuō)明書提出一種基于LSTM模型的信用風(fēng)險(xiǎn)預(yù)測(cè)方法，所述方法包括：

獲取目標(biāo)賬戶在預(yù)設(shè)時(shí)間段內(nèi)的用戶操作行為數(shù)據(jù)；其中，所述預(yù)設(shè)時(shí)間段為由若干時(shí)間步長(zhǎng)相同的時(shí)間區(qū)間組成的時(shí)間序列；

基于所述目標(biāo)賬戶在各個(gè)時(shí)間區(qū)間內(nèi)的用戶操作行為數(shù)據(jù)，生成對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列；

將生成的對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列輸入至訓(xùn)練完畢的基于編碼-解碼架構(gòu)的LSTM模型中的LSTM編碼器進(jìn)行計(jì)算，得到對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的隱藏狀態(tài)向量；其中，所述LSTM模型包括LSTM編碼器，和引入了注意力機(jī)制的LSTM解碼器；

將對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的隱藏狀態(tài)向量作為風(fēng)險(xiǎn)特征，輸入至所述LSTM解碼器進(jìn)行計(jì)算，得到所述目標(biāo)賬戶在下一時(shí)間區(qū)間內(nèi)的風(fēng)險(xiǎn)評(píng)分；以及，各隱藏狀態(tài)向量對(duì)應(yīng)于所述風(fēng)險(xiǎn)評(píng)分的權(quán)重值；其中，所述權(quán)重值表征所述隱藏狀態(tài)向量對(duì)所述風(fēng)險(xiǎn)評(píng)分的貢獻(xiàn)度。

可選的，所述方法還包括：

獲取若干被標(biāo)記了風(fēng)險(xiǎn)標(biāo)簽的樣本賬戶在所述預(yù)設(shè)時(shí)間段內(nèi)的用戶操作行為數(shù)據(jù)；

基于所述若干樣本賬戶在各個(gè)時(shí)間區(qū)間內(nèi)的用戶操作行為數(shù)據(jù)，生成對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列；

將生成的用戶行為向量序列作為訓(xùn)練樣本訓(xùn)練基于編碼-解碼架構(gòu)的LSTM模型。

可選的，基于賬戶在各個(gè)時(shí)間區(qū)間內(nèi)的用戶操作行為數(shù)據(jù)，生成對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列，包括：

獲取賬戶在各個(gè)時(shí)間區(qū)間內(nèi)的多種用戶操作行為數(shù)據(jù)；

從獲取到的用戶操作行為數(shù)據(jù)中提取關(guān)鍵因子，并對(duì)所述關(guān)鍵因子進(jìn)行數(shù)字化處理，得到與所述用戶操作行為數(shù)據(jù)對(duì)應(yīng)的用戶行為向量；

對(duì)與各個(gè)時(shí)間區(qū)間內(nèi)的多種用戶操作行為數(shù)據(jù)對(duì)應(yīng)的用戶行為向量進(jìn)行拼接處理，生成對(duì)應(yīng)于各個(gè)時(shí)間區(qū)間的用戶行為向量序列。

可選的，所述多種用戶行為包括信貸表現(xiàn)行為、用戶消費(fèi)行為、理財(cái)支付行為；

所述關(guān)鍵因子包括與信貸表現(xiàn)行為對(duì)應(yīng)的借貸訂單狀態(tài)和借貸還款金額、與用戶消費(fèi)行為對(duì)應(yīng)的用戶消費(fèi)類目和用戶消費(fèi)筆數(shù)、與理財(cái)支付行為對(duì)應(yīng)的理財(cái)支付類型和理財(cái)收益金額。

可選的，所述LSTM編碼器采用多層的many-to-one結(jié)構(gòu)；所述LSTM解碼器采用輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)數(shù)量對(duì)稱的多層的many-to-many結(jié)構(gòu)。