[发明专利]借贷风险预测模型的构建方法、系统及借贷风险预测方法

说明书

本发明公开一种借贷风险预测模型的构建方法、系统及借贷风险预测方法，属于计算机技术领域。模型构建方法包括：获取预设的带有时刻分类标签的训练样本集合；构建包括生成网络和判别网络的初始对抗学习网络；根据第一时刻的借贷申请信息和第二时刻的借贷申请信息输入至生成网络生成的借贷风险结果和第一时刻的借贷风险标签、第二时刻的借贷风险标签，根据生成网络生成的借贷风险结果输入至判别网络得到的时刻分类结果和时刻分类标签，对生成网络及判别网络进行训练，将训练后的生成网络确定为借贷风险预测模型。本发明通过两个阶段的数据建立一个模型，使得该模型能够应用到不同的阶段，模型效果评估简单、模型维护成本较小、模型迭代较为方便。

技术领域

本发明属于计算机技术领域，尤其涉及一种借贷风险预测模型的构建方法、系统及借贷风险预测方法。

背景技术

在风险业务场景中，一般存在两个时间节点。当用户填写相关信息后，系统自动对用户信用额度评估，给出合适的信用额度，这个阶段称为第一审批时刻，用户有了额度后，可以在平台进行申请借款，这个阶段称为第二审批时刻。一般来说，两个阶段存在一定的时间差异，在这段时间差内用户的信息可能会发生变化，比如用户在当前平台戳额后，又向其他平台申请了借款等，因此第二审批时刻的信息比第一审批时刻更为丰富。因此，利用机器学习模型尽量消除这个两个阶段带来的差异，显得很重要。传统的方法是分别利用这两个阶段的数据建立模型，应用在相应的阶段，然而两阶段的方法维护成本过高，模型效果评估需要分析各个模型的贡献，需要投入较大的人力成本，不方便后续的模型迭代。

发明内容

为了解决现有技术的问题，本发明提出了一种借贷风险预测模型的构建方法、系统及借贷风险预测方法，本发明的借贷风险预测模型克服了传统技术中分别利用两个阶段的数据建立模型导致的模型效果评估复杂、模型维护成本过大、模型迭代不方便等问题。

本发明实施例提供的具体技术方案如下：

第一方面，本发明提供一种借贷风险预测模型的构建方法，所述方法包括：

获取预设的带有时刻分类标签的训练样本集合；所述训练样本集合包括第一时刻的样本数据和第二时刻的样本数据；所述第一时刻的样本数据包括第一时刻的借贷申请信息和第一时刻的借贷风险标签，所述第二时刻的样本数据包括第二时刻的借贷申请信息和第二时刻的借贷风险标签；

构建包括生成网络和判别网络的初始对抗学习网络；

根据所述第一时刻的借贷申请信息和第二时刻的借贷申请信息输入至所述生成网络生成的借贷风险结果和所述第一时刻的借贷风险标签、第二时刻的借贷风险标签，根据所述生成网络生成的借贷风险结果输入至所述判别网络得到的时刻分类结果和输入所述生成网络的借贷申请信息对应的时刻分类标签，对所述生成网络及判别网络进行训练，将训练后的生成网络确定为借贷风险预测模型。

在一些实施例中，构建包括生成网络和判别网络的初始对抗学习网络具体包括：

根据所述第二时刻的样本数据，训练得到一生成网络；

在所述生成网络中衍生一判别网络，形成初始对抗学习网络。

在一些实施例中，根据所述第二时刻的样本数据，训练得到一生成网络具体包括：

将所述第二时刻的借贷申请信息输入至一生成网络中，得到借贷风险结果；

将所述借贷风险结果和所述第二时刻的借贷风险标签输入至交叉熵损失函数，得到一损失值，根据所述损失值，对所述生成网络进行更新。

在一些实施例中，根据所述第一时刻的借贷申请信息和第二时刻的借贷申请信息输入至所述生成网络生成的借贷风险结果和所述第一时刻的借贷风险标签、第二时刻的借贷风险标签，根据所述生成网络生成的借贷风险结果输入至所述判别网络得到的时刻分类结果和输入所述生成网络的借贷申请信息对应的时刻分类标签，对所述生成网络及判别网络进行训练具体包括：