[发明专利]基于LSTM网络的客户存款流失情况预测方法及装置

权利要求书

1.一种基于LSTM网络的客户存款流失情况预测方法，其特征在于，包括：

获取客户的评估指标参数，其中，所述评估指标参数包括：信誉评级、存款能力指标、获利能力指标、财务管理能力指标、履约经历指标以及发展能力和潜力指标中的至少一种；

将所述评估指标参数输入到预设的存款流失情况预测模型中，得到预测的所述客户的存款流失情况，其中，所述存款流失情况预测模型为根据训练数据采用LSTM网络训练得出的，所述存款流失情况包括：存款流失以及存款不流失。

2.根据权利要求1所述的基于LSTM网络的客户存款流失情况预测方法，其特征在于，还包括：

获取训练数据；

根据所述训练数据采用LSTM网络进行模型训练，得到所述存款流失情况预测模型。

3.根据权利要求1或2所述的基于LSTM网络的客户存款流失情况预测方法，其特征在于，还包括：

根据所述客户在多个历史时间点的评估指标参数以及每个所述历史时间点对应的存款流失情况生成所述训练数据，其中，所述训练数据为时序数据。

4.根据权利要求1或2所述的基于LSTM网络的客户存款流失情况预测方法，其特征在于，还包括：

获取多个历史时间点的评估指标参数以及在每个所述历史时间点对应的存款流失情况标签，其中，所述多个历史时间点的评估指标参数为多个不同客户的评估指标参数；

根据多个历史时间点的评估指标参数以及在每个所述历史时间点对应的存款流失情况标签生成所述训练数据，其中，所述训练数据为时序数据。

5.根据权利要求1所述的基于LSTM网络的客户存款流失情况预测方法，其特征在于，将所述评估指标参数输入到预设的存款流失情况预测模型中，得到预测的所述客户的存款流失情况，具体包括：

获取所述客户对应的存款流失情况预测模型；

将所述评估指标参数输入到所述客户对应的存款流失情况预测模型中，得到预测的所述客户的存款流失情况。

6.根据权利要求2所述的基于LSTM网络的客户存款流失情况预测方法，其特征在于，所述LSTM网络的输入层的节点数量与所述评估指标参数的数量一致，所述LSTM网络的隐藏层以Relu为激活函数，所述LSTM网络的输出层采用Softmax函数。

7.一种基于LSTM网络的客户存款流失情况预测装置，其特征在于，包括：

评估指标参数获取模块，用于获取客户的评估指标参数，其中，所述评估指标参数包括：信誉评级、存款能力指标、获利能力指标、财务管理能力指标、履约经历指标以及发展能力和潜力指标中的至少一种；

预测模块，用于将所述评估指标参数输入到预设的存款流失情况预测模型中，得到预测的所述客户的存款流失情况，其中，所述存款流失情况预测模型为根据训练数据采用LSTM网络训练得出的，所述存款流失情况包括：存款流失以及存款不流失。

8.根据权利要求7所述的基于LSTM网络的客户存款流失情况预测装置，其特征在于，还包括：

训练数据获取模块，用于获取训练数据；

模型训练模块，用于根据所述训练数据采用LSTM网络进行模型训练，得到所述存款流失情况预测模型。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序在计算机处理器中执行时实现如权利要求1至6任意一项所述的方法。