[发明专利]评估金融违约风险的方法及装置

说明书

本说明书实施例提供一种评估用户的金融违约风险的方法和装置。方法包括，首先获取若干个短周期的细粒度数据集，该细粒度数据集包括用户的各种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这些数据集，得到中间处理结果。另一方面，还获取用户在长周期的粗粒度统计信息作为广度特征，利用全连接的深度神经网络进一步处理这些统计信息和以上得到的中间处理结果，从而进行最终的金融风险评估。所述装置与上述方法对应。如此，通过深度特征和广度特征结合的方式，更好地评估金融违约风险。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及评估金融违约风险的方法及装置。

背景技术

计算机和网络技术的发展使得互联网已经渗透进人们生活的方方面面，人们越来越多地利用互联网进行各种各样的操作，包括金融相关操作，例如网络购物，电子支付，电子转账，在线理财，在线借贷等。在用户的诸多网络金融操作中，有一些操作行为有一定的金融风险，例如请求先享后付类服务，采用花呗、白条等透支服务，申请借贷等。这就需要对用户的金融违约风险预先进行评估和判断。尽管已经存在诸如芝麻信用这样的信用评估系统，但是仅仅根据信用分判断金融违约风险，维度比较单一，粒度不够细致。

因此，需要更有效的方式，对用户进行全面分析，从而评估其金融违约风险。

发明内容

本说明书一个或多个实施例描述了一种方法和装置，可以全面地对用户的金融违约风险进行分析和评估。

根据第一方面，提供了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对应于连续的多个第一时间段、且按照时间顺序排列的多个数据集，所述多个数据集中的各个数据集包括，对应的第一时间段中，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。

在一种可能的设计中，所述商户信息包括，与所述用户的借贷行为相关的商户ID。

进一步地，在一个实施例中，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。

在一个实施例中，所述方法还包括：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。

根据一个实施例，上述预处理还包括：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。

在一个实施例中，上述预处理还包括：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。

根据一个实施例，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。

在一个实施例中，所述方法还包括，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。