[发明专利]基于人工智能的授信额度管控方法、装置、设备及介质

权利要求书

1.一种授信额度管控方法，其特征在于，所述授信额度管控方法包括：

获取待选择的各信贷产品的产品信息，以及目标客户的客户信息，所述客户信息包括客户个人信息和在途产品信息；

判断所述客户个人信息是否满足各信贷产品的预设条件，筛选出满足预设条件的N个信贷产品，作为预选信贷产品，其中，N≥2；

将各预选信贷产品的产品信息，以及所述在途产品信息输入到预训练好的推荐程度模型中，确定各预选信贷产品的推荐程度，将推荐程度最大的预选信贷产品作为推荐信贷产品；

根据各预选信贷产品的推荐程度由小到大的顺序，将各预选信贷产品的产品信息和所述在途产品信息输入到预训练好的产品授信额度预测模型中，得到所述推荐信贷产品的预测授信额度。

2.根据权利要求1所述的授信额度管控方法，其特征在于，将各预选信贷产品的产品信息，以及所述在途产品信息输入到预训练好的推荐程度模型中，确定各预选信贷产品的推荐程度，包括：

根据各预选信贷产品的产品信息，以及所述在途产品信息，组成各预选信贷产品的产品行向量；

将所述各预选信贷产品的产品行向量输入到预训练好的推荐程度模型中，输出各预选信贷产品的推荐程度。

3.根据权利要求2所述的授信额度管控方法，其特征在于，所述推荐程度模型，包括：

所述推荐程度模型采用卷积神经网络，模型结构为编码器和解码器，编码器的输出端连接解码器的输入端，编码器的输入端用于输入各预选信贷产品的产品行向量，解码器的输出端用于输出各预选信贷产品的推荐程度值。

4.根据权利要求1所述的授信额度管控方法，其特征在于，所述产品授信额度预测模型，包括：

所述产品授信额度预测模型包括特征子模型和额度预测子模型，所述特征子模型采用长短时记忆神经网络，所述额度预测子模型采用全连接层，所述特征子模型的输出端连接所述额度预测子模型的输入端，所述特征子模型用于输入各预选信贷产品的产品行向量，所述额度预测子模型用于输出所述推荐信贷产品的预测授信额度。

5.根据权利要求4所述的授信额度管控方法，其特征在于，所述根据各预选信贷产品的推荐程度由小到大的顺序，将各预选信贷产品的产品信息和所述在途产品信息输入到预训练好的产品授信额度预测模型中，得到所述推荐信贷产品的预测授信额度，包括：

根据各预选信贷产品的推荐程度由小到大的顺序，将N个预选信贷产品的N个产品行向量输入到预训练好的特征子模型对应的N个记忆单元中，确定所述特征子模型的最后一个记忆单元输出的记忆特征向量为预测额度特征向量；

将所述预测额度特征向量输入到所述额度预测子模型中，确定所述额度预测子模型的输出为所述推荐信贷产品的预测授信额度。

6.根据权利要求5所述的授信额度管控方法，其特征在于，所述根据各预选信贷产品的推荐程度由小到大的顺序，将N个预选信贷产品的N个产品行向量输入到预训练好的特征子模型对应的N个记忆单元中，包括：

根据各预选信贷产品的推荐程度由小到大的顺序，将N个预选信贷产品的N个产品行向量输入到预训练好的特征子模型对应的N个记忆单元中，得到各记忆单元提取的特征子向量；

根据各记忆单元提取的特征子向量、各记忆单元提取的特征子向量的权重参数、前一相邻记忆单元输出的记忆特征向量、前一相邻记忆单元输出的记忆特征向量的权重参数，输出各记忆单元对应的记忆特征向量。