[发明专利]一种用户信用风险的评估方法、系统、装置及存储介质

权利要求书

1.一种用户信用风险的评估方法，其特征在于，包括：

获取待测用户的时间特征信息；

利用数据挖掘算法对所述时间特征信息进行处理，得到目标隐含特征；

从预设的对应表中查询得到所述目标隐含特征对应的目标评估权重；其中，所述对应表中记录有隐含特征与评估权重间的对应关系；

依据加权计算法进行所述目标隐含特征与所述目标评估权重之间的计算，得到所述待测用户的信用风险评估数据。

2.根据权利要求1所述的评估方法，其特征在于，所述对应表的生成过程包括：

获取历史时间特征信息；其中，所述历史时间特征信息为存量用户的时间特征信息；

利用所述数据挖掘算法对所述历史时间特征信息进行处理，得到隐含特征集；

利用全连接层分别计算所述隐含特征集中每个所述隐含特征的评估权重，得到评估权重集；

根据所述隐含特征集和所述评估权重集建立所述对应表。

3.根据权利要求2所述的评估方法，其特征在于，在利用全连接层分别计算所述隐含特征集中每个所述隐含特征的评估权重之前，还包括：

利用长短期记忆网络对所述隐含特征集中包含的隐含特征进行筛选，得到优选信用特征集；

利用全连接层分别计算所述隐含特征集中每个所述隐含特征的评估权重，得到评估权重集具体为：利用所述全连接层分别计算所述优选信用特征集中每个优选特征信息的评估权重，得到优选评估权重集；

利用根据所述隐含特征集和所述评估权重集建立所述对应表具体为：利用所述优选信用特征集和所述优选评估权重集建立所述对应表。

4.根据权利要求2或3所述的评估方法，其特征在于，在利用所述数据挖掘算法对所述历史时间特征信息进行处理之前，还包括：

将所述历史时间特征信息按预设格式转换为历史时间特征图谱；

利用所述数据挖掘算法对所述历史时间特征信息进行处理具体为：

利用所述数据挖掘算法对所述历史时间特征图谱进行处理。

5.根据权利要求4所述的评估方法，其特征在于，将所述历史时间特征信息按预设格式转换为历史时间特征图谱，包括：

将所述历史时间特征信息按时间特征种类的不同进行归并处理，得到与时间特征种类数相同数量的特征信息集；

将每个所述特征信息集中的特征元素按产生时间的先后顺序排列于时间轴上，得到相应种类时间特征随时间变换的参数变化表；

按预设排列方式排列各所述参数变化表，得到所述历史时间特征图谱。

6.根据权利要求5所述的评估方法，其特征在于，在利用数据挖掘算法对所述时间特征信息进行处理之前，还包括：

将所述时间特征信息按所述预设格式转换为时间特征图谱；

利用数据挖掘算法对所述时间特征信息进行处理具体为：利用所述数据挖掘算法对所述时间特征图谱进行处理。

7.根据权利要求2所述的评估方法，其特征在于，还包括：

利用所述存量用户的信用风险实际数据调整所述隐含特征集、所述评估权重集以及所述对应表。

8.根据权利要求1所述的评估方法，其特征在于，利用数据挖掘算法对所述时间特征信息进行处理，包括：

利用卷积神经网络中的卷积层和池化层对所述时间特征信息进行处理。

9.一种用户信用风险的评估系统，其特征在于，包括：

时间特征信息获取单元，用于获取待测用户的时间特征信息；

第一数据挖掘单元，用于利用数据挖掘算法对所述时间特征信息进行处理，得到目标隐含特征；

目标评估权重查询单元，用于从预设的对应表中查询得到所述目标隐含特征对应的目标评估权重；其中，所述对应表中记录有隐含特征与评估权重之间的对应关系；

信用风险评估数据计算单元，用于依据加权计算法进行所述目标隐含特征与所述目标评估权重之间的计算，得到所述待测用户的信用风险评估数据。