[發明專利]一種特征向量的處理方法及相關裝置

在審

• 申請號: 202011289894.2
• 申請日: 2020-11-17
• 公開（公告）號: CN112200666A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 魯海生;嚴澄;楊青;楊志謀;譚大坤
• 申請（專利權）人: 上海優揚新媒信息技術有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 尹秀

1.一種特征向量的處理方法，其特征在于，包括：

分別確定待預估用戶以及至少一個目標鄰居用戶的特征向量，所述特征向量包括至少一類特征信息對應的向量；

按照特征向量對應的特征信息的類別，將所述特征向量進行歸類，分別得到每個特征信息類對應的特征向量集合；

將每個特征向量集合輸入預設的神經網絡模型，得到所述待預估用戶的信貸風險值；其中，所述神經網絡模型分別計算各個特征向量集合的合并向量，依據所述合并向量確定信貸風險值；所述神經網絡模型計算任一特征向量集合的合并向量的過程包括：計算該特征向量集合中各個目標鄰居用戶的特征向量分別相對于所述待預估用戶的特征向量的相關系數，將所述相關系數作為權重，計算該特征向量集合中各個目標鄰居用戶的特征向量的加權和。

2.根據權利要求1所述的方法，其特征在于，所述至少一類特征信息包括：節點特征信息、邊特征信息和結構特征信息；所述至少一類特征信息對應的向量包括：節點特征向量、邊特征向量，以及結構特征向量。

3.根據權利要求2所述的方法，其特征在于，在所述將每個特征向量集合輸入預設的神經網絡模型之前，還包括：

將所述待預估用戶的特征向量中兩兩特征向量進行拼接，得到所述待預估用戶的拼接向量；

分別將各個所述目標鄰居用戶的特征向量中兩兩特征向量進行拼接，得到各個所述目標鄰居用戶分別對應的拼接向量；

將所述待預估用戶與各個所述目標鄰居用戶的拼接向量中，由相同兩種特征向量拼接得到的拼接向量組成一個特征向量集合，得到多個特征向量集合；

將所述待預估用戶的全部特征向量進行拼接得到的拼接向量，以及分別對各個所述目標鄰居用戶的全部特征向量進行拼接得到的拼接向量，組成一個特征向量集合。

4.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括：第一神經網絡模型和第二神經網絡模型；所述第一神經網絡模型與所述第二神經網絡模型連接；

所述神經網絡模型分別計算各個特征向量集合的合并向量，依據所述合并向量確定信貸風險值，包括：

所述第一神經網絡模型分別計算各個特征向量集合的合并向量；

所述第二神經網絡模型依據所述合并向量，確定所述信貸風險值。

5.根據權利要求4所述的方法，其特征在于，所述第一神經網絡模型為圖注意力神經網絡；所述第二神經網絡模型為圖卷積神經網絡；

所述第二神經網絡模型依據所述合并向量，確定所述信貸風險值，具體包括：

所述第二神經網絡模型對所述合并向量進行卷積運算，得到所述信貸風險值。

6.根據權利要求4所述的方法，其特征在于，所述第一神經網絡模型為圖注意力神經網絡；所述第二神經網絡模型為圖注意力神經網絡；

所述第二神經網絡模型依據所述合并向量，確定所述信貸風險值，具體包括：

所述第二神經網絡模型分別計算所述合并向量的相關系數，并將所述合并向量的相關系數作為權重，依據所述合并向量的加權和，確定所述信貸風險值。

7.根據權利要求1所述的方法，其特征在于，所述分別確定待預估用戶以及至少一個目標鄰居用戶的特征向量，所述特征向量包括至少一類特征信息對應的向量，包括：

獲取事先建立的關聯網絡；所述關聯網絡是將歷史獲取到的用戶作為節點，依據所述用戶的信息建立節點間的關聯關系得到；

依據所述待預估用戶的信息，建立所述待預估用戶與所述關聯網絡中節點間的關聯關系，得到更新后的關聯網絡；

確定所述更新后的關聯網絡中所述待預估用戶的子圖；

將所述子圖中所述待預估用戶的各級鄰居節點作為所述目標鄰居用戶；

將所述待預估用戶與各個所述目標鄰居用戶分別對應的至少一種特征信息分別映射為特征向量，得到所述待預估用戶以及至少一個目標鄰居用戶的特征向量。