[发明专利]一种逾期风险评估方法、装置、设备及可读存储介质

说明书

本发明公开了一种逾期风险评估方法，该方法获取用户在指定周期内的坐标数据，一方面根据关联的金融信息挖掘坐标的特征，另一方面提出了一种构图方案，将用户和坐标作为节点，根据用户间、用户与坐标值间的时空关联关系构建双向边将用户连接起来，这些连接的用户往往具有相似性，既可以通过经纬度坐标本身给用户输送信息，也可以通过邻居给用户传递信息，从而尽可能全面地评估用户的风险，该方法通过经纬度坐标构建用户和坐标的图结构，然后通过图神经网络模型对用户进行建模，可以有效建模用户的风险，提升了用户的逾期风险识别能力。本发明还公开了一种逾期风险评估装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种逾期风险评估方法、装置、设备及可读存储介质。

背景技术

逾期风险评估是指根据用户各个维度的信息，采用机器学习或者深度学习的方法对用户在未来的逾期还款风险进行评估，预测用户的逾期概率。现有技术中，用户停留过的经纬度坐标地理位置信息成为风险评估重要的依据，具体地，目前常通过识别用户地理位置附近兴趣点名称来对用户进行编码，通过神经网络挖掘兴趣点名称当中的信息来刻画用户的逾期风险。尽管该方法可以在一定程度上识别用户的风险，但是在实际应用中它们能够体现的风险信息比较有限，导致预测结果不够精准。

综上所述，如何更加全面评估用户的逾期风险，提升建模精准度，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种逾期风险评估方法、装置、设备及可读存储介质，以更加全面评估用户的逾期风险，提升建模精准度。

为解决上述技术问题，本发明提供如下技术方案：

一种逾期风险评估方法，包括：

获取用户在指定周期内的坐标数据，并进行数据预处理，得到坐标值；

将所述用户作为用户节点，获取对应的风险信息作为节点特征；将所述坐标值作为坐标节点，获取位置关联的金融信息作为节点特征；

确定用户间、用户与坐标值间的时空关联关系，构建节点间的双向边，生成图数据，并根据逾期情况设置用户标签；

调用图神经网络根据所述图数据对所述用户进行逾期风险识别训练；

接收目标用户的图数据，作为目标图数据，调用预训练的所述图神经网络对所述目标图数据进行逾期风险识别，生成评估结果。

可选地，所述确定用户间以及用户与坐标值间的时空关联关系，构建节点间的双向边，包括：

根据所述用户在所述坐标值的停留天数，构建所述用户节点与所述坐标节点间的双向边；

根据所述用户间同时空停留情况，构建所述用户节点间的双向边。

可选地，所述根据所述用户间同时空停留情况，构建所述用户节点间的双向边，包括：

若第一用户与第二用户在第一坐标的次数均大于第一阈值，则为第一用户节点与第二用户节点间创建高频连接边，并将所述次数作为边的特征；

若同时间段内所述第一用户与所述第二用户存在位置交集，则为所述第一用户节点与所述第二用户节点间创建时空连接边，并将出现位置交集的次数作为边的特征。

可选地，所述将所述坐标值作为坐标节点，获取位置关联的金融信息作为节点特征，包括：

将所述坐标值作为坐标节点；

提取所述坐标值对应的金融属性兴趣点数据，生成数值向量；

确定所述坐标值历史关联的逾期用户特征，作为逾期用户向量；

将所述数值向量与所述逾期用户向量组合，作为所述坐标节点对应的节点特征。