[发明专利]确定用户金融违约风险的方法及装置

说明书

本说明书实施例提供一种确定用户金融违约风险的方法和装置，根据该方法的一个实施方式，分别利用基于循环神经网络的不同模型处理用户的短期操作序列、长期行为数据集序列，对用户进行风险评估，并至少将两种不同的处理结果进行综合处理，以得到用户金融违约风险结果。这样，一方面，利用更加深度的时序数据，另一方面，通过多个模型的输出结果进行综合确定最终结果。该实施方式可以提高确定用户金融违约风险的有效性。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及通过计算机确定用户金融违约风险的方法和装置。

背景技术

随着计算机和互联网技术的发展，越来越多的业务通过计算平台来实现，例如商品交易、钱款支付、金融借贷、保险理赔等等。然而，在许多业务的执行和处理中，有一些用户操作行为对金融平台或其他用户而言有一定的金融风险，例如请求先享后付类服务，采用花呗、白条等透支服务，申请借贷等。这就需要对用户的金融违约风险预先进行评估和判断。

常规技术中，为了防止和降低上述风险，往往通过用户的身份、历史交易行为等信息对用户的信用进行评估。然而，这些信息通常是静态信息，无法体现用户行为等信息之间的关联关系，并且对于新用户，可能无法获取相应信息，从而无法确定信用风险。因此，需要更有效的方式，利用更多的网络数据以及更有效的评测方式，对用户进行全面分析，提高对用户金融违约风险评估的有效性。

发明内容

本说明书一个或多个实施例描述了一种确定用户金融违约风险的方法和装置，可以更有效地对用户的信用风险进行分析和评估。

根据第一方面，提供了一种确定用户金融违约风险的方法，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。

在一些实施例中，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。

在一些实施例中，所述交易行为信息包括以下至少一项：交易时间、交易对象、交易金额。

在一些实施例中，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；以及

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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。