[发明专利]确定用户金融违约风险的方法及装置

权利要求书

1.一种确定用户金融违约风险的方法，所述方法包括：

获取待评测用户在第一时间段内的短期操作序列，以及第二时间段内的长期行为数据集序列，所述第二时间段大于所述第一时间段，所述短期操作序列包括按照时间顺序排列的、与所述待评测用户的操作行为相关的多条操作信息，所述长期行为数据集序列包括按照时间顺序排列的多个行为数据集，各行为数据集分别对应预设的第三时间段，所述行为数据集包括与所述待评测用户的交易行为相关的行为信息；

利用基于循环神经网络的第一模型处理所述短期操作序列，获得第一输出结果；

利用基于循环神经网络的第二模型处理所述长期行为数据集序列，获得第二输出结果；

至少对所述第一输出结果和所述第二输出结果进行预定处理，并根据处理结果确定所述待评测用户的金融违约风险。

2.根据权利要求1所述的方法，其中，所述操作信息包括以下至少一项：浏览信息、点击信息、登录的应用、登录的设备、地理位置信息。

3.根据权利要求1所述的方法，其中，所述行为信息包括以下至少一项：交易时间、交易对象、交易金额。

4.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述待评测用户的属性信息；

利用预测模型处理所述属性信息，得到第三输出结果；

所述至少对所述第一输出结果和所述第二输出结果进行预定处理，并根据处理结果确定所述待评测用户的金融违约风险包括：

对所述第一输出结果、所述第二输出结果和所述第三输出结果进行所述预定处理，并根据处理结果确定所述待评测用户的金融违约风险。

5.根据权利要求1或4所述的方法，其中，所述预定处理包括以下至少一项：

求平均值；

取最大值；

作为特征输入预设的逻辑回归模型，得到逻辑回归结果。

6.根据权利要求1所述的方法，其中，所述第一模型/所述第二模型包括多层叠加的长短期记忆模型LSTM。

7.根据权利要求1所述的方法，其中，所述第一模型/所述第二模型的训练样本包括多个标注用户，所述标注用户至少具有预先标注的信用标签。

8.根据权利要求7所述的方法，其中，所述多个标注用户包括第一标注用户，所述第一标注用户对应的第一信用标签通过以下方式确定：

获取所述第一标注用户在预定时间段内的信用记录；

基于所述信用记录确定所述第一信用标签。

9.根据权利要求8所述的方法，其中，所述基于所述信用记录确定所述第一信用标签包括：

从所述信用记录中确定所述第一标注用户的守信次数和失信次数；

在所述失信次数和所述守信次数的比例超过预设比例阈值的情况下，确定所述第一信用标签为失信用户。

10.根据权利要求8所述的方法，其中，所述基于所述信用记录确定所述第一信用标签包括：

检测所述第一标注用户的失信次数是否为零；

在所述失信次数非零的情况下，确定所述第一信用标签为失信用户。