[發(fā)明專利]交易信息處理方法、裝置、設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910062959.0
• 申請日: 2019-01-23
• 公開（公告）號: CN110020938A
• 公開（公告）日: 2019-07-16
• 發(fā)明（設計）人: 高利翠;肖凱
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q20/40;G06N3/04;G06K9/62
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 許振新;朱文杰

1.一種交易信息處理方法，其特征在于，包括：

基于目標主體的交易行為數(shù)據(jù)生成所述目標主體的行為序列；

從所述目標主體的行為序列中提取所述目標主體的交易行為特征，其中，所述交易行為特征包含所述交易行為數(shù)據(jù)的主體變量信息，所述主體變量信息包含表示所述目標主體的歸屬信息的信息；

基于所述交易行為特征的維度信息，通過詞嵌入的方式生成與所述交易行為特征對應的嵌入向量；

基于所述主體變量信息對所述嵌入向量的各個維度信息進行統(tǒng)計，以基于統(tǒng)計結(jié)果對所述目標主體的交易風險進行預測。

2.根據(jù)權(quán)利要求1所述的交易信息處理方法，其特征在于，基于所述交易行為特征的維度信息通過詞嵌入的方式生成與所述交易行為特征對應的嵌入向量，包括：

對所述交易行為特征的各個特征項進行聚類處理，基于聚類結(jié)果確定所述交易行為特征的維度信息；

基于所述交易行為特征的維度信息通過詞嵌入模型將所述交易行為特征映射為對應的嵌入向量。

3.根據(jù)權(quán)利要求2所述的交易信息處理方法，其特征在于，所述詞嵌入模型為長短期記憶LSTM模型，基于所述交易行為特征的維度信息通過詞嵌入模型將所述交易行為特征映射為對應的嵌入向量，包括：

將所述交易行為特征以及所述交易行為特征的維度信息輸入到所述LSTM模型；

基于所述交易行為特征的維度信息通過所述LSTM模型的隱藏層從所述交易行為特征中提取對應的維度特征；

將提取的所述交易行為特征的各個維度特征輸出到預設全連接層，通過所述預設全連接層生成對應的嵌入向量。

4.根據(jù)權(quán)利要求3所述的交易信息處理方法，其特征在于，還包括：

獲取多個目標主體的歷史交易行為數(shù)據(jù)；

從所述歷史交易行為數(shù)據(jù)中提取所述多個目標主體的交易行為特征；

基于所述多個目標主體的交易行為特征以及所述交易行為特征的維度信息對所述LSTM模型進行訓練。

5.根據(jù)權(quán)利要求1所述的交易信息處理方法，其特征在于，基于所述主體變量信息對所述嵌入向量的各個維度信息進行統(tǒng)計，包括：

基于所述主體變量信息的完整信息對所述嵌入向量的各個維度信息進行統(tǒng)計；和/或

基于所述主體變量信息包含的所述目標主體的歸屬信息對所述嵌入向量的各個維度信息進行統(tǒng)計。

6.根據(jù)權(quán)利要求5所述的交易信息處理方法，其特征在于，所述主體變量信息為銀行賬號信息，基于所述主體變量信息包含的所述目標主體的歸屬信息對所述嵌入向量的各個維度信息進行統(tǒng)計，包括：

基于銀行賬號信息包含的銀行識別碼對所述嵌入向量的各個維度信息進行統(tǒng)計。

7.根據(jù)權(quán)利要求5所述的交易信息處理方法，其特征在于，對所述嵌入向量的各個維度信息進行統(tǒng)計，包括：

對所述嵌入向量的各個維度信息的最大值、最小值或平均值進行統(tǒng)計。

8.根據(jù)權(quán)利要求5所述的交易信息處理方法，其特征在于，基于統(tǒng)計結(jié)果對所述目標主體的交易風險進行預測，包括：

基于所述主體變量信息將所述目標主體分為新賬戶或老賬戶；

若所述目標主體為新賬戶，則基于與所述主體變量信息包含的所述目標主體的歸屬信息對應的統(tǒng)計結(jié)果對所述目標主體的交易風險進行預測；

若所述目標主體是老賬戶，則基于與所述主體變量信息的完整信息對應的統(tǒng)計結(jié)果對所述目標主體的交易風險進行預測。

9.根據(jù)權(quán)利要求1至8中任一項所述的交易信息處理方法，其特征在于，基于統(tǒng)計結(jié)果對所述目標主體的交易風險進行預測，包括：

獲取與所述主體變量對應的所述嵌入向量的各個維度的統(tǒng)計結(jié)果；

基于所述統(tǒng)計結(jié)果通過決策樹模型對所述目標主體的交易風險進行預測。