[發明專利]用戶風險預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011261527.1
• 申請日: 2020-11-12
• 公開（公告）號: CN112257959A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 張寶安;楊青
• 申請（專利權）人: 上海優揚新媒信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京知帆遠景知識產權代理有限公司 11890
• 代理人: 劉巖磊

本申請實施例提供一種用戶風險預測方法、裝置、電子設備及存儲介質，該方法包括：獲取第一用戶的用戶信息，并根據該第一用戶的用戶信息對已有的第一異構圖進行更改，獲得第二異構圖，將該第二異構圖輸入訓練好的風險預測模型中，對第一用戶進行風險預測。本申請實施例，由于風險預測模型是基于豐富鄰居節點的特征信息進行訓練的，使得風險預測模型不僅學習待預測用戶的信息還學習該用戶的鄰居信息，這樣使用該風險預測模型預測第一用戶的風險時考慮第一用戶的鄰居對第一用戶的影響，進而提高了第一用戶風險預測的準確性。

技術領域

本申請實施例涉及人工智能技術領域，尤其涉及一種用戶風險預測方法、裝置、電子設備及存儲介質。

背景技術

用戶風險識別，又稱風險預測或逾期預測，是指對用戶在未來時刻的還款能力進行預測。

當前用戶風險識別大多采用基于邏輯回歸(Logistics Regression,LR)、隨機森林(Random Forest,RF)、支持向量機(Support Vector Machine,SVM)等機器學習方法，或者是基于深度神經網絡的預測方法。

但是，無論是機器學習方法還是基于深度神經網絡的預測方法，均是基于用戶自身的信息來預測用戶的風險，其預測不準確。

發明內容

本申請實施例提供一種用戶風險預測方法、裝置、電子設備及存儲介質，用于準確預測用戶的逾期風險。

第一方面，本申請實施例提供一種用戶風險預測方法，包括：

獲取待預測的第一用戶的用戶信息；

根據所述第一用戶的用戶信息對已有的第一異構圖進行更改，獲得第二異構圖，所述第二異構圖包括所述第一用戶對應的第一節點，以及第二用戶對應的第二節點，所述第二用戶與所述第一用戶具有預設關系；

將所述第二異構圖輸入風險預測模型中，對所述第一用戶進行風險預測，所述風險預測模型為使用所述第一異構圖訓練后的模型。

在第一方面的一種可能的實現方式中，所述根據所述第一用戶的用戶信息對第一異構圖進行更改，包括：

在檢查到所述第一異構圖中不存在所述第一節點時，根據所述第一用戶的用戶信息，在所述第一異構圖中創建所述第一節點；

或者，

在檢查到所述第一異構圖中存在所述第一節點時，根據所述第一用戶的用戶信息，更新所述第一節點的信息。

在第一方面的一種可能的實現方式中，還包括：

獲取訓練數據，并使用所述訓練數據構建所述第一異構圖；

獲取預設的M種元路徑，并在所述第一異構圖中，獲取中心用戶節點關于每一種元路徑的鄰居節點集合，所述M為大于或等于1的正整數，所述中心用戶節點為所述第一異構圖中的任意一個用戶節點；

根據每一種元路徑的鄰居節點集合中各鄰居節點的特征信息，對所述風險預測模型進行訓練。

在第一方面的一種可能的實現方式中，所述根據每一種元路徑的鄰居節點集合中各鄰居節點的特征信息，對所述風險預測模型進行訓練，包括：

根據每一種元路徑的鄰居節點集合中每一個鄰居節點的特征信息和所述中心用戶節點的特征信息，確定每一種元路徑對所述中心用戶節點的影響值；

根據每一種元路徑對所述中心用戶節點的影響值，確定所述中心用戶節點的風險預測值；

根據所述中心用戶節點的風險預測值和風險真值之間的偏差，對所述風險預測模型中的參數進行調整。