[發明專利]債務數據處理方法、裝置、設備及存儲介質

在審

• 申請號: 202110484106.3
• 申請日: 2021-04-30
• 公開（公告）號: CN113139866A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 馮輝
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/04;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種債務數據處理方法，其特征在于，所述債務數據處理方法包括：

獲取待處理的債務數據，其中，所述債務數據包括：費用項信息和數值信息；

根據所述費用項信息，確定所述債務數據對應的第一債務類型，并根據所述數值信息，計算所述第一債務類型對應的第一還款數額；

根據所述第一債務類型和所述第一還款數額，構建所述債務數據對應的第一債務信息向量；

將所述第一債務信息向量輸入預置債務數據分析模型進行債務數據分析，輸出第一債務違約概率值，其中，所述債務數據分析模型包括：嵌入層、雙向LSTM網絡和sigmiod層；

若所述第一債務違約概率值超過預置債務違約概率閾值，則生成與所述第一債務違約概率值對應的報警信息。

2.根據權利要求1所述的債務數據處理方法，其特征在于，在所述獲取待處理的債務數據之前，還包括：

獲取多個債務數據樣本和預置訓練模型，其中，所述債務數據樣本包括：費用項信息樣本和數值信息樣本；

根據所述費用項信息樣本，確定所述債務數據對應的第二債務類型，并根據所述數值信息樣本，計算所述第二債務類型對應的第二還款數額；

根據所述第二債務類型和所述第二還款數額，構建所述債務數據樣本對應的第二債務信息向量；

將所述第二債務信息向量輸入所述訓練模型的嵌入層進行向量轉換，得到第一債務編碼向量；

將所述第一債務編碼向量輸入所述訓練模型的雙向LSTM網絡進行特征提取，得到第一債務特征向量；

將所述第一債務特征向量輸入所述訓練模型的sigmiod層進行債務違約概率值計算，輸出第二債務違約概率值；

根據所述第二債務違約概率值，調用預置損失函數對所述訓練模型進行參數調優，直至所述訓練模型收斂，得到債務數據分析模型。

3.根據權利要求1所述的債務數據處理方法，其特征在于，所述根據所述費用項信息，確定所述債務數據對應的第一債務類型包括：

提取所述費用項信息中的多個關鍵詞；

將所述各關鍵詞與預置債務類型關鍵詞庫中的債務類型關鍵詞進行匹配，并根據匹配到的債務類型關鍵詞，確定所述債務數據對應的第一債務類型。

4.根據權利要求1所述的債務數據處理方法，其特征在于，所述根據所述數值信息，計算所述第一債務類型對應的第一還款數額包括：

對所述數值信息進行數據讀取、數據差分和數據清洗，得到標準債務數據；

對所述標準債務數據進行歸一化運算，得到所述標準債務數據對應的還款總額；

獲取所述第一債務類型對應的分配比重，并根據所述分配比重，對所述還款總額進行加權計算，得到所述第一債務類型對應的第一還款數額。

5.根據權利要求4所述的債務數據處理方法，其特征在于，所述根據所述第一債務類型和所述第一還款數額，構建所述債務數據對應的第一債務信息向量包括：

基于預置還款優先級順序，提取所述第一還款數額中的各還款項對應的還款數額，得到各還款項對應的還款數額；

對所述第一債務類型和所述各還款項對應的還款數額進行embdding向量編碼，得到所述債務數據對應的第一債務信息向量。

6.根據權利要求5所述的債務數據處理方法，其特征在于，所述將所述第一債務信息向量輸入預置債務數據分析模型進行債務數據分析，輸出第一債務違約概率值包括：

將所述第一債務信息向量輸入所述嵌入層進行向量轉換，得到第二債務編碼向量；

將所述第二債務編碼向量輸入所述雙向LSTM網絡進行特征提取，得到第二債務特征向量；

將所述第二債務特征向量輸入所述sigmiod層進行債務違約概率值計算，輸出第一債務違約概率值。