[发明专利]评估金融违约风险的方法及装置

权利要求书

1.一种评估金融违约风险的方法，包括：

获取数据集序列，所述数据集序列包括按照时间顺序排列的多个数据集，各数据集分别对应预设的第一时间段；所述多个数据集中的各个数据集包括用户的与借贷行为相关的金额信息和商户信息；

利用循环神经网络处理所述数据集序列，获得第一输出结果；

获取与所述用户在第二时间段内的借贷行为相关的统计信息，所述第二时间段大于所述第一时间段；

利用全连接神经网络处理所述第一输出结果和所述统计信息，获得第二输出结果；

根据所述第二输出结果评估所述用户的金融违约风险。

2.根据权利要求1所述的方法，其中所述商户信息包括，与所述用户的借贷行为相关的商户ID。

3.根据权利要求2所述的方法，其中与所述用户的借贷行为相关的商户ID包括以下中的一项或多项，用户申请借款的商户ID，用户借款成功的商户ID，用户借款失败的商户ID，用户履约的商户ID，用户违约的商户ID。

4.根据权利要求2所述的方法，还包括：对所述商户信息进行预处理，所述预处理包括：通过词嵌入模型将所述商户ID转化为ID向量。

5.根据权利要求4所述的方法，其中所述预处理还包括：

在同一数据集中，对所述用户的同类型借贷行为所针对的商户ID的ID向量求平均，获得各类型对应的均值向量；

将所述均值向量包含在预处理的商户信息中。

6.根据权利要求5所述的方法，其中所述预处理还包括：

对所述用户的不同类型的借贷行为中各个类型对应的所述均值向量求和，获得商户向量和；

将所述商户向量和包含在预处理的商户信息中。

7.根据权利要求1所述的方法，其中所述多个数据集中的各个数据集还包括，用户在对应的第一时间段内的信用信息。

8.根据权利要求1所述的方法，还包括，获取所述用户的属性特征信息，所述利用全连接神经网络处理所述第一输出结果和所述统计信息，获得第二输出结果，包括：将所述第一输出结果、所述统计信息和所述属性特征信息输入所述全连接神经网络，获得第二输出结果。

9.根据权利要求8所述的方法，其中所述全连接神经网络为多层全连接神经网络，其中将所述第一输出结果、所述统计信息和所述属性特征信息输入所述全连接神经网络包括：将所述第一输出结果和所述属性特征信息输入所述多层全连接神经网络的第一层，将所述统计信息输入所述全连接神经网络的最后一层。

10.根据权利要求1-9中任一项所述的方法，其中所述循环神经网络包括多层叠加的长短期记忆模型LSTM。

11.一种评估金融违约风险的装置，包括：

数据集获取单元，配置为获取数据集序列，所述数据集序列包括按照时间顺序排列的多个数据集，各数据集分别对应预设的第一时间段，所述多个数据集中的各个数据集包括，用户的与借贷行为相关的金额信息和商户信息；

第一处理单元，配置为利用循环神经网络处理所述数据集序列，获得第一输出结果；

统计信息获取单元，配置为获取与所述用户在第二时间段内的借贷行为相关的统计信息，所述第二时间段大于所述第一时间段；

第二处理单元，配置为利用全连接神经网络处理所述第一输出结果和所述统计信息，获得第二输出结果；

评估单元，配置为根据所述第二输出结果评估所述用户的金融违约风险。

12.根据权利要求11所述的装置，其中所述商户信息包括，与所述用户的借贷行为相关的商户ID。