[发明专利]债务数据处理方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种债务数据处理方法、装置、设备及存储介质。该方法包括：获取待处理的债务数据，其中，债务数据包括：费用项信息和数值信息；根据费用项信息，确定债务数据对应的债务类型，并根据数值信息，计算债务类型对应的还款数额；根据债务类型和还款数额，构建债务数据对应的债务信息向量；将债务信息向量输入债务数据分析模型进行债务数据分析，输出债务违约概率值，其中，债务数据分析模型包括：嵌入层、双向LSTM网络和sigmiod层；若所述第一债务违约概率值超过预置债务违约概率阈值，则生成与所述第一债务违约概率值对应的报警信息。本发明采用深度学习方式对债务数据进行分析，提高了债务数据的处理效率。

技术领域

本发明涉及人工智能领域，尤其涉及一种债务数据处理方法、装置、设备及存储介质。

背景技术

目前债务人进行还款金额费用核销是基于已经给定的费用项进行核销，比如：服务费、管理费、违约金、利息、本金等。债务人及时处理其相应的债务数据不仅有助于保护债务人本身的个人信用，也有助于债权企业的可持续发展。现有对债务人的是否会违约的概率计算中通常是由人工加部分机器的方式进行处理，这种方式的处理效率很低而且具备的参考性也很低。

传统的债务数据处理主要是基于人工指定各费用项的还款顺序，通过人工进行计算得到，由于债务情况复杂及资产数据计算繁琐，导致债务数据处理的效率较低。

发明内容

本发明的主要目的在于解决目前债务数据的处理效率低的技术问题。

本发明第一方面提供了一种债务数据处理方法，所述债务数据处理方法包括：

获取待处理的债务数据，其中，所述债务数据包括：费用项信息和数值信息；

根据所述费用项信息，确定所述债务数据对应的第一债务类型，并根据所述数值信息，计算所述第一债务类型对应的第一还款数额；

根据所述第一债务类型和所述第一还款数额，构建所述债务数据对应的第一债务信息向量；

将所述第一债务信息向量输入预置债务数据分析模型进行债务数据分析，输出第一债务违约概率值，其中，所述债务数据分析模型包括：嵌入层、双向LSTM网络和sigmiod层；

若所述第一债务违约概率值超过预置债务违约概率阈值，则生成与所述第一债务违约概率值对应的报警信息。

可选的，在本发明第一方面的第一种实现方式中，在所述获取待处理的债务数据之前，还包括：

获取多个债务数据样本和预置训练模型，其中，所述债务数据样本包括：费用项信息样本和数值信息样本；

根据所述费用项信息样本，确定所述债务数据对应的第二债务类型，并根据所述数值信息样本，计算所述第二债务类型对应的第二还款数额；

根据所述第二债务类型和所述第二还款数额，构建所述债务数据样本对应的第二债务信息向量；

将所述第二债务信息向量输入所述训练模型的嵌入层进行向量转换，得到第一债务编码向量；

将所述第一债务编码向量输入所述训练模型的双向LSTM网络进行特征提取，得到第一债务特征向量；

将所述第一债务特征向量输入所述训练模型的sigmiod层进行债务违约概率值计算，输出第二债务违约概率值；

根据所述第二债务违约概率值，调用预置损失函数对所述训练模型进行参数调优，直至所述训练模型收敛，得到债务数据分析模型。

可选的，在本发明第一方面的第二种实现方式中，所述根据所述费用项信息，确定所述债务数据对应的第一债务类型包括：

提取所述费用项信息中的多个关键词；