[发明专利]一种信用风险评价方法及装置、存储介质及电子设备

权利要求书

1.一种信用风险评价方法，其特征在于，包括：

响应于信用风险评价指令，确定所述信用风险评价指令对应的用户；

获取所述用户的信用行为数据；

通过预先构建的信用风险评价模型中的第一特征提取模块对所述用户的信用行为数据进行特征提取，获得所述信用行为数据的第一信用行为特征；

通过所述信用风险评价模型中的第二特征提取模块对所述用户的信用行为数据进行特征提取，获得所述信用行为数据的第二信用行为特征；

通过所述信用风险评价模型中的输出模块基于所述第一信用行为特征和所述第二信用行为特征，获得所述用户的信用风险评价结果。

2.根据权利要求1所述的方法，其特征在于，所述通过所述信用风险评价模型中的输出模块基于所述第一信用行为特征和所述第二信用行为特征，获得所述用户的信用风险评价结果，包括：

通过所述信用风险评价模型中的输出模块的特征融合层对所述第一信用行为特征和第二信用行为特征进行特征融合，获得融合特征；

通过所述信用风险评价模型中的输出模块的输出层基于所述融合特征，确定所述用户与每个预设的候选标签之间的概率值；将各个所述概率值中数值最大的目标概率值所属的候选标签作为所述用户的信用风险评价结果。

3.根据权利要求1所述的方法，其特征在于，构建所述信用风险评价模型的过程，包括：

获取训练数据集以及初始信用风险评价模型；所述训练数据集包括多个训练样本，每个所述训练样本包括一个历史用户的已标注样本标签的历史信用行为数据；所述标本标签表征所述历史用户的信用风险评价结果；

利用所述训练数据集中的各个训练样本训练所述初始信用风险评价模型，直到所述初始信用风险评价模型满足预设的训练条件；

将满足所述训练条件的初始信用风险评价模型确定为信用风险评价模型。

4.根据权利要求1所述的方法，其特征在于，通过预先构建的信用风险评价模型中的第一特征提取模块对所述用户的信用行为数据进行特征提取，获得所述信用行为数据的第一信用行为特征，包括：

通过所述信用风险评价模型的第一特征提取模块中的卷积神经网络，对所述信用行为数据进行特征提取，获得第一信用行为初始特征；

通过所述信用风险评价模型的第一特征提取模块中的多头注意力机制层，对所述第一信用行为初始特征进行处理，获得所述信用行为数据的第一信用行为特征。

5.根据权利要求1所述的方法，其特征在于，所述获得所述用户的信用风险评价结果之后，还包括：

在所述用户的信用风险评价结果满足预设的信用风险告警条件的情况下，输出针对所述用户的信用风险告警信息。

6.一种信用风险评价装置，其特征在于，包括：

确定单元，用于响应于信用风险评价指令，确定所述信用风险评价指令对应的用户；

获取单元，用于获取所述用户的信用行为数据；

第一特征提取单元，用于通过预先构建的信用风险评价模型中的第一特征提取模块对所述用户的信用行为数据进行特征提取，获得所述信用行为数据的第一信用行为特征；

第二特征提取单元，通过所述信用风险评价模型中的第二特征提取模块对所述用户的信用行为数据进行特征提取，获得所述信用行为数据的第二信用行为特征；

输出单元，用于通过所述信用风险评价模型中的输出模块基于所述第一信用行为特征和所述第二信用行为特征，获得所述用户的信用风险评价结果。

7.根据权利要求6所述的装置，其特征在于，所述输出单元，包括：

特征融合子单元，用于通过所述信用风险评价模型中的输出模块的特征融合层对所述第一信用行为特征和第二信用行为特征进行特征融合，获得融合特征；

输出子单元，用于通过所述信用风险评价模型中的输出模块的输出层基于所述融合特征，确定所述用户与每个预设的候选标签之间的概率值；将各个所述概率值中数值最大的目标概率值所属的候选标签作为所述用户的信用风险评价结果。