[发明专利]一种识别人行征信报告代偿回购行为的方法

说明书

本发明公开了一种识别人行征信报告代偿回购行为的方法，属于计算机技术领域，以解决现有技术中人为加工特征变量不仅费时费力，成本非常高，不适合工业化，并且人为加工较难设计出高分度变量，丢失一些信息的问题。本发明提供一种识别人行征信报告代偿回购行为的方法，具体步骤包括：步骤A：利用循环神经网络自动提取人行代偿回购的特征；步骤B：利用注意力机制增强网络效果，提高识别人行代偿回购的特征的效果；步骤C:在实际应用场景中基于用户的借据级别进行建立模型，当用户有一笔贷款出现代偿回购行为时，判定该用户为代偿回购用户。本发明用于识别人行征信报告代偿回购行为。

技术领域

本发明属于计算机技术领域，具体涉及一种识别人行征信报告代偿回购行为的方法。

背景技术

人行征信报告代偿回购是指当下的金融机构为了维护自身平台的活跃度，在客户有逾期的行为后平台主动替客户还款或结清的行为，由于存在这种行为，造成了客户在人行征信报告上的逾期信息被消除或被减弱。破坏了失信约束制度，危害了社会信用体系建设，甚至造成其他金融机构在错误的信息指导下发生了经济损失。因此识别人行征信报告代偿回购是非常重要且有重大意义的工作。

现有技术中，识别人行征信报告代偿回购的方法主要是根据行业经验人为地加工特征变量，然后利用特征变量建立信用模型，从而识别客户代偿与否。

现有技术中存在的问题：人为加工特征变量不仅费时费力，成本非常高，不适合工业化，并且人为加工较难设计出高分度变量，容易造成一些信息丢失。

发明内容

针对现有技术中人为加工特征变量不仅费时费力，成本非常高，不适合工业化，并且人为加工较难设计出高分度变量，丢失一些信息的问题，本发明提供一种识别人行征信报告代偿回购行为的方法，其目的在于：利用深度学习自动提取特征，通过算法来寻找特征，可以更好的区分代偿回购人群。

为了达到上述目的，本发明采用如下技术方案：

一种识别人行征信报告代偿回购行为的方法，包括：

步骤A：利用循环神经网络自动提取人行征信报告代偿回购的特征；

步骤B：利用注意力机制增强网络效果，提高识别人行征信报告代偿回购的特征的效果；

步骤C:在实际应用场景中基于用户的借据级别进行建立模型，当用户有一笔贷款出现代偿回购行为时，判定该用户为代偿回购用户。本发明利用循环神经网络提取人行征信报告中的贷款信息并加工成特征变量，然后利用注意力机制加强对人行征信报告中代偿回购的识别，基于用户的借据级别建立模型，当用户有一笔贷款出现代偿回购行为时，判定该用户为代偿回购用户。

进一步的，所述步骤A中，通过循环神经网络不断学习，得到并提取人行代偿回购的特征。本发明中人为加工特征可能会出现特征只加工有效特征，漏掉无效特征，导致特征不全，通过循环网络加工特征能够对所有特征进行加工，避免人为遗漏。

进一步的，所述步骤B中，对提取的特征计算注意力分布，利用注意力分布计算特征的加权平均。本发明中利用注意力机制精细化地提取高区分度的变量从而提高识别效果。

进一步的，所述步骤C中，所述建立模型包括：输入层、embedding层、LSTM层、Attentiong层和输出层。

进一步的，所述embedding层获取输入的特征的信息并对单词序列做预处理，将单词序列转化为向量形式，本发明中，所述单词序列为还款序列，然后利用LSTM神经网络对于时序性数据的学习能力提取相关数据特征；所述Attentiong层引入Attentiong机制，在数据特征中聚焦关键信息点。本发明充分利用时间序列数据，大幅度提高识别人行征信报告代偿回购行为的准确率和效率。