[发明专利]交易信息处理方法、装置、设备及存储介质

权利要求书

1.一种交易信息处理方法，其特征在于，包括：

基于目标主体的交易行为数据生成所述目标主体的行为序列；

从所述目标主体的行为序列中提取所述目标主体的交易行为特征，其中，所述交易行为特征包含所述交易行为数据的主体变量信息，所述主体变量信息包含表示所述目标主体的归属信息的信息；

基于所述交易行为特征的维度信息，通过词嵌入的方式生成与所述交易行为特征对应的嵌入向量；

基于所述主体变量信息对所述嵌入向量的各个维度信息进行统计，以基于统计结果对所述目标主体的交易风险进行预测。

2.根据权利要求1所述的交易信息处理方法，其特征在于，基于所述交易行为特征的维度信息通过词嵌入的方式生成与所述交易行为特征对应的嵌入向量，包括：

对所述交易行为特征的各个特征项进行聚类处理，基于聚类结果确定所述交易行为特征的维度信息；

基于所述交易行为特征的维度信息通过词嵌入模型将所述交易行为特征映射为对应的嵌入向量。

3.根据权利要求2所述的交易信息处理方法，其特征在于，所述词嵌入模型为长短期记忆LSTM模型，基于所述交易行为特征的维度信息通过词嵌入模型将所述交易行为特征映射为对应的嵌入向量，包括：

将所述交易行为特征以及所述交易行为特征的维度信息输入到所述LSTM模型；

基于所述交易行为特征的维度信息通过所述LSTM模型的隐藏层从所述交易行为特征中提取对应的维度特征；

将提取的所述交易行为特征的各个维度特征输出到预设全连接层，通过所述预设全连接层生成对应的嵌入向量。

4.根据权利要求3所述的交易信息处理方法，其特征在于，还包括：

获取多个目标主体的历史交易行为数据；

从所述历史交易行为数据中提取所述多个目标主体的交易行为特征；

基于所述多个目标主体的交易行为特征以及所述交易行为特征的维度信息对所述LSTM模型进行训练。

5.根据权利要求1所述的交易信息处理方法，其特征在于，基于所述主体变量信息对所述嵌入向量的各个维度信息进行统计，包括：

基于所述主体变量信息的完整信息对所述嵌入向量的各个维度信息进行统计；和/或

基于所述主体变量信息包含的所述目标主体的归属信息对所述嵌入向量的各个维度信息进行统计。

6.根据权利要求5所述的交易信息处理方法，其特征在于，所述主体变量信息为银行账号信息，基于所述主体变量信息包含的所述目标主体的归属信息对所述嵌入向量的各个维度信息进行统计，包括：

基于银行账号信息包含的银行识别码对所述嵌入向量的各个维度信息进行统计。

7.根据权利要求5所述的交易信息处理方法，其特征在于，对所述嵌入向量的各个维度信息进行统计，包括：

对所述嵌入向量的各个维度信息的最大值、最小值或平均值进行统计。

8.根据权利要求5所述的交易信息处理方法，其特征在于，基于统计结果对所述目标主体的交易风险进行预测，包括：

基于所述主体变量信息将所述目标主体分为新账户或老账户；

若所述目标主体为新账户，则基于与所述主体变量信息包含的所述目标主体的归属信息对应的统计结果对所述目标主体的交易风险进行预测；

若所述目标主体是老账户，则基于与所述主体变量信息的完整信息对应的统计结果对所述目标主体的交易风险进行预测。

9.根据权利要求1至8中任一项所述的交易信息处理方法，其特征在于，基于统计结果对所述目标主体的交易风险进行预测，包括：

获取与所述主体变量对应的所述嵌入向量的各个维度的统计结果；

基于所述统计结果通过决策树模型对所述目标主体的交易风险进行预测。