[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

说明书

本发明公开了一种基于LSTM网络的客户存款流失情况预测方法及装置，该方法包括：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。本发明实现了较为准确的对客户的存款流失情况进行预测的有益效果。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种基于LSTM网络的客户存款流失情况预测方法及装置。

背景技术

目前，人们对于投资理财的关注度越来越高。移动互联网除了让人们花钱变得更容易，也让购买理财产品也变得更容易，在手机上买卖股票和基金的人越来越多。人们把原本要存入银行的闲置钱都购买了理财产品，自然的银行的存款就下降了。因此各类商业银行不但要不断扩充业务领域，也需要提前规避存款下降的风险。因此，如何对客户的存款流失情况进行预测，以降低银行资金风险显得极为重要。但是目前现有缺少一种较为准确的对客户的存款流失情况进行预测的方法。

发明内容

本发明为了解决上述背景技术中的技术问题，提出了一种基于LSTM网络的客户存款流失情况预测方法及装置。

为了实现上述目的，根据本发明的一个方面，提供了一种基于LSTM网络的客户存款流失情况预测方法，该方法包括：

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。

可选的，该基于LSTM网络的客户存款流失情况预测方法，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。

可选的，该基于LSTM网络的客户存款流失情况预测方法，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。

可选的，该基于LSTM网络的客户存款流失情况预测方法，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。

可选的，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。

可选的，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。

为了实现上述目的，根据本发明的另一方面，提供了一种基于LSTM网络的客户存款流失情况预测装置，该装置包括：