[发明专利]风险评分的生成方法及装置

权利要求书

1.一种风险评分的生成方法，其特征在于，所述方法包括：

获取待评估用户在至少两个连续的预设时间窗口对应的历史行为数据集，所述历史行为数据集包括所述待评估用户在至少两个预设行为维度分别对应的历史行为数据；

根据所述待评估用户在每一所述预设时间窗口对应所述预设行为维度的所述历史行为数据，生成所述待评估用户对应的时序矩阵；

利用经训练的预设分类模型，根据所述时序矩阵预测并生成所述待评估用户对应的风险评分。

2.根据权利要求1所述的风险评分的生成方法，其特征在于，所述根据所述待评估用户在每一所述预设时间窗口对应所述预设行为维度的所述历史行为数据，生成所述待评估用户对应的时序矩阵，包括：

根据所述待评估用户对应所述预设行为维度的所述历史行为数据，生成所述待评估用户对应所述预设行为维度的向量，所述向量包括所述待评估用户在每一所述预设时间窗口对应的所述历史行为数据；

根据所述待评估用户对应所述预设行为维度的向量，生成所述待评估用户对应的时序矩阵。

3.根据权利要求1所述的风险评分的生成方法，其特征在于，所述历史行为数据包括执行次数，所述获取待评估用户在至少两个连续的预设时间窗口对应的历史行为数据集之前，所述方法还包括：

采集所述预设历史时间周期内所述待评估用户对应的历史行为信息；

根据所述历史行为信息，确定所述待评估用户在所述预设时间窗口内对应每一所述预设行为维度的历史行为分别的执行次数；

根据确定的所述待评估用户在每一所述预设时间窗口内执行对应每一所述预设行为的历史行为的执行次数，确定所述待评估用户在至少两个连续的预设时间窗口对应的历史行为数据集。

4.根据权利要求1-3任一所述的风险评分的生成方法，其特征在于，所述利用经训练的预设分类模型，根据所述时序矩阵预测并生成所述待评估用户对应的风险评分之前，所述方法还包括训练所述预设分类模型，所述预设分类模型的训练过程包括：

利用训练样本集包含的训练数据对所述预设分类模型进行训练；

利用测试样本集验证所述预设分类模型是否满足预设条件，在判断所述预设分类模型满足所述预设条件时，确定所述预设分类模型为经训练的预设分类模型。

5.根据权利要求4所述的风险评分的生成方法，其特征在于，所述预设分类模型包括长期记忆，所述利用训练样本集包含的训练数据对所述预设分类模型进行训练，包括：

所述预设分类模型根据当前训练数据对应的当前节点及所述分类模型对应的长期记忆，确定并剔除所述长期记忆中包含的待剔除部分；

所述预设分类模型根据所述训练数据，对剔除后的所述长期记忆及所述当前节点进行叠加，生成叠加结果；

所述预设分类模型根据所述叠加结果，更新所述预设分类模型对应的所述长期记忆。

6.根据权利要求1-3任一所述的风险评分的生成方法，其特征在于，所述至少两个预设行为维度包括所述待评估用户在对应的所述预设时间窗口内的借款次数、所述待评估用户在对应的所述预设时间窗口内的贷款申请次数及所述待评估用户在对应的所述预设时间窗口内在贷款机构的注册次数。

7.根据权利要求1-3任一所述的风险评分的生成方法，其特征在于，所述预设分类模型包括长短期记忆人工神经网络模型。

8.一种风险评分的生成装置，其特征在于，所述装置包括：

获取模块，用于获取待评估用户在至少两个连续的预设时间窗口对应的历史行为数据集，所述历史行为数据集包括所述待评估用户在至少两个预设行为维度分别对应的历史行为数据；

生成模块，用于根据所述待评估用户在每一所述预设时间窗口对应所述预设行为维度的所述历史行为数据，生成所述待评估用户对应的时序矩阵；

评分模块，用于利用经训练的预设分类模型，根据所述时序矩阵预测并生成所述待评估用户对应的风险评分。