[发明专利]用户风险预测方法、装置、电子设备及存储介质

说明书

本申请实施例提供一种用户风险预测方法、装置、电子设备及存储介质，该方法包括：获取第一用户的用户信息，并根据该第一用户的用户信息对已有的第一异构图进行更改，获得第二异构图，将该第二异构图输入训练好的风险预测模型中，对第一用户进行风险预测。本申请实施例，由于风险预测模型是基于丰富邻居节点的特征信息进行训练的，使得风险预测模型不仅学习待预测用户的信息还学习该用户的邻居信息，这样使用该风险预测模型预测第一用户的风险时考虑第一用户的邻居对第一用户的影响，进而提高了第一用户风险预测的准确性。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种用户风险预测方法、装置、电子设备及存储介质。

背景技术

用户风险识别，又称风险预测或逾期预测，是指对用户在未来时刻的还款能力进行预测。

当前用户风险识别大多采用基于逻辑回归(Logistics Regression,LR)、随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)等机器学习方法，或者是基于深度神经网络的预测方法。

但是，无论是机器学习方法还是基于深度神经网络的预测方法，均是基于用户自身的信息来预测用户的风险，其预测不准确。

发明内容

本申请实施例提供一种用户风险预测方法、装置、电子设备及存储介质，用于准确预测用户的逾期风险。

第一方面，本申请实施例提供一种用户风险预测方法，包括：

获取待预测的第一用户的用户信息；

根据所述第一用户的用户信息对已有的第一异构图进行更改，获得第二异构图，所述第二异构图包括所述第一用户对应的第一节点，以及第二用户对应的第二节点，所述第二用户与所述第一用户具有预设关系；

将所述第二异构图输入风险预测模型中，对所述第一用户进行风险预测，所述风险预测模型为使用所述第一异构图训练后的模型。

在第一方面的一种可能的实现方式中，所述根据所述第一用户的用户信息对第一异构图进行更改，包括：

在检查到所述第一异构图中不存在所述第一节点时，根据所述第一用户的用户信息，在所述第一异构图中创建所述第一节点；

或者，

在检查到所述第一异构图中存在所述第一节点时，根据所述第一用户的用户信息，更新所述第一节点的信息。

在第一方面的一种可能的实现方式中，还包括：

获取训练数据，并使用所述训练数据构建所述第一异构图；

获取预设的M种元路径，并在所述第一异构图中，获取中心用户节点关于每一种元路径的邻居节点集合，所述M为大于或等于1的正整数，所述中心用户节点为所述第一异构图中的任意一个用户节点；

根据每一种元路径的邻居节点集合中各邻居节点的特征信息，对所述风险预测模型进行训练。

在第一方面的一种可能的实现方式中，所述根据每一种元路径的邻居节点集合中各邻居节点的特征信息，对所述风险预测模型进行训练，包括：

根据每一种元路径的邻居节点集合中每一个邻居节点的特征信息和所述中心用户节点的特征信息，确定每一种元路径对所述中心用户节点的影响值；

根据每一种元路径对所述中心用户节点的影响值，确定所述中心用户节点的风险预测值；

根据所述中心用户节点的风险预测值和风险真值之间的偏差，对所述风险预测模型中的参数进行调整。