[發明專利]業務風險預測方法、裝置、計算機設備與存儲介質

在審

• 申請號: 202210213135.0
• 申請日: 2022-03-04
• 公開（公告）號: CN114662570A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 陳尚志;朱祖恩;陳浩欣;魏曉聰;邱馥
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/215;G06F16/25;G06Q40/02
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃恕

本申請涉及大數據數據分析技術領域，特別是涉及一種業務風險預測方法、裝置、計算機設備、存儲介質和計算機程序產品。方法包括：獲取客戶信息數據以及業務在多個歷史時序的狀態信息數據；將客戶信息數據以及狀態信息數據映射到低維稠密向量空間，得到嵌入特征向量，嵌入特征向量包括客戶特征向量以及狀態特征向量；基于多頭注意力機制對狀態特征向量進行加權計算，得到關聯特征向量，關聯特征向量用于表征業務在歷史時序的狀態與未來狀態之間的關聯關系；將關聯特征向量與客戶特征向量進行融合，得到融合后的特征向量；將融合后的特征向量輸入至預設風險分類模型中進行識別，得到業務風險的預測結果。采用本方法能得到準確的業務風險預測結果。

技術領域

本申請涉及大數據數據分析技術領域，特別是涉及一種業務風險預測方法、裝置、計算機設備、存儲介質和計算機程序產品。

背景技術

隨著企業以及個人對貸款的需求逐漸擴大，從而導致貸款的整個周期中產生的風險也越來越多，因此貸款預警的工作在貸前、貸中、貸后都有著十分重要的意義。

現有技術在對貸款風險進行預測時候，通常只關注當前時刻的貸款資金風險對未來時刻的影響，過于單一片面，無法準確高效地預測貸款后續的演化過程，不能得到準確的風險預測結果。

可見，上述現有技術存在預測結果準確性較低的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種更準確的業務風險預測方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

第一方面，本申請提供了一種業務風險預測方法。所述方法包括：

獲取客戶信息數據以及業務在多個歷史時序的狀態信息數據；

將客戶信息數據以及狀態信息數據映射到低維稠密向量空間，得到嵌入特征向量，嵌入特征向量包括客戶特征向量以及狀態特征向量；

基于多頭注意力機制對狀態特征向量進行加權計算，得到關聯特征向量，關聯特征向量用于表征業務在歷史時序的狀態與未來狀態之間的關聯關系；

將關聯特征向量與客戶特征向量進行融合，得到融合后的特征向量；

將融合后的特征向量輸入至預設風險分類模型中進行識別，得到業務風險的預測結果。

在其中一個實施例中，將客戶信息數據以及狀態信息數據映射到低維稠密向量空間，得到嵌入特征向量包括：

將客戶信息數據以及狀態信息數據進行預處理，得到預處理后的客戶信息數據以及狀態信息數據；

將預處理后的客戶信息數據以及狀態信息數據輸入至特征嵌入網絡中進行降維處理，得到嵌入特征向量。

在其中一個實施例中，預處理包括：

數據清洗、時間排序、特征工程、異常數據識別、異常數據剔除、歸一化以及one-hot編碼中的至少一項。

在其中一個實施例中，基于多頭注意力機制對狀態特征向量進行加權計算，得到關聯特征向量包括：

將狀態特征向量輸入至預設多頭注意力模型中進行自注意力運算，得到狀態特征向量對應的注意力分布；

將注意力分布進行歸一化處理，得到歸一化注意力分布序列；

將歸一化注意力分布序列輸入至前饋神經網絡中，得到關聯特征向量。

在其中一個實施例中，將融合后的特征向量輸入至預設風險分類模型中進行識別，得到業務風險的預測結果之前，包括：

獲取預設樣本數據集，預設樣本數據集攜帶待分類數據特征向量以及待分類數據對應的真實分類結果；