本申請實施例提供了一種交易信息處理方法、裝置、設備及存儲介質。該方法包括：基于目標主體的交易行為數據生成目標主體的行為序列；從目標主體的行為序列中提取目標主體的交易行為特征，其中，交易行為特征包含交易行為數據的主體變量信息，主體變量信息包含表示目標主體的歸屬信息的信息；基于交易行為特征的維度信息，通過詞嵌入的方式生成與交易行為特征對應的嵌入向量；基于主體變量信息對嵌入向量的各個維度信息進行統(tǒng)計，以基于統(tǒng)計結果對目標主體的交易風險進行預測。本申請實施例的技術方案能夠提高對異常特征不明顯的交易行為的風險評估的準確性，還能夠提高數據處理效率。
技術領域
本申請涉及大數據技術領域，尤其涉及一種交易信息處理方法、交易信息處理裝置、交易信息處理設備以及存儲介質。
背景技術
隨著互聯(lián)網技術的飛速發(fā)展，越來越多的人選擇通過互聯(lián)網進行各種業(yè)務交易例如購物、轉賬、匯款等交易，如何保障業(yè)務交易的安全性成為了人們關注的焦點。
在一種技術方案中，根據銀行賬戶的歷史交易行為數據對該銀行賬戶的當前交易行為的風險進行評估，基于評估結果確定該銀行賬戶的當前交易行為是否為異常交易。然而，在這種技術方案中，對于異常特征不明顯的交易行為例如新銀行賬戶的交易行為，難以準確地識別交易風險。
發(fā)明內容
本申請實施例的目的是提供一種交易信息處理方法、交易信息處理裝置、交易信息處理設備以及存儲介質，以解決難以準確地識別異常特征不明顯的交易行為的交易風險的問題。
為解決上述技術問題，本申請實施例是這樣實現的：
根據本申請實施例的第一方面，提供了一種交易信息處理方法，包括：基于目標主體的交易行為數據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據的主體變量信息，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)計結果對所述目標主體的交易風險進行預測。
在本申請的一些實施例中，基于前述方案，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。
在本申請的一些實施例中，基于前述方案，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。
在本申請的一些實施例中，基于前述方案，還包括：獲取多個目標主體的歷史交易行為數據；從所述歷史交易行為數據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。
在本申請的一些實施例中，基于前述方案，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。
在本申請的一些實施例中，基于前述方案，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。
