评估金融违约风险的方法及装置制造方法及图纸

本说明书实施例提供一种评估用户的金融违约风险的方法和装置。方法包括，首先获取若干个短周期的细粒度数据集，该细粒度数据集包括用户的各种与借贷行为相关的金额信息和商户信息，利用循环神经网络处理这些数据集，得到中间处理结果。另一方面，还获取用户在长周期的粗粒度统计信息作为广度特征，利用全连接的深度神经网络进一步处理这些统计信息和以上得到的中间处理结果，从而进行最终的金融风险评估。所述装置与上述方法对应。如此，通过深度特征和广度特征结合的方式，更好地评估金融违约风险。

Method and device for assessing financial default risk

The embodiment of the specification provides a method and device for evaluating the financial default risk of users. The method includes: firstly, several short-period fine-grained data sets are obtained. The fine-grained data sets include user's various amount information and merchant's information related to borrowing behavior. These data sets are processed by cyclic neural network to obtain intermediate processing results. On the other hand, the coarse-grained statistical information of users in a long period is taken as the breadth feature, and the full-connected deep neural network is used to further process these statistical information and the above intermediate processing results, so as to carry out the final financial risk assessment. The device corresponds to the above method. In this way, we can better evaluate the risk of financial default through the combination of depth characteristics and breadth characteristics.

【技术实现步骤摘要】
评估金融违约风险的方法及装置
本说明书一个或多个实施例涉及计算机
，尤其涉及评估金融违约风险的方法及装置。
技术介绍
计算机和网络技术的发展使得互联网已经渗透进人们生活的方方面面，人们越来越多地利用互联网进行各种各样的操作，包括金融相关操作，例如网络购物，电子支付，电子转账，在线理财，在线借贷等。在用户的诸多网络金融操作中，有一些操作行为有一定的金融风险，例如请求先享后付类服务，采用花呗、白条等透支服务，申请借贷等。这就需要对用户的金融违约风险预先进行评估和判断。尽管已经存在诸如芝麻信用这样的信用评估系统，但是仅仅根据信用分判断金融违约风险，维度比较单一，粒度不够细致。因此，需要更有效的方式，对用户进行全面分析，从而评估其金融违约风险。
技术实现思路
本说明书一个或多个实施例描述了一种方法和装置，可以全面地对用户的金融违约风险进行分析和评估。根据第一方面，提供了一种评估金融违约风险的方法，包括：获取数据集序列，所述数据集序列包括对应于连续的多个第一时间段、且按照时间顺序排列的多个数据集，所述多个数据集中的各个数据集包括，对应的第一时间段中，用户的与借贷行为相关的金额信息和商户信息；本文档来自技高网...

【技术保护点】
1.一种评估金融违约风险的方法，包括：获取数据集序列，所述数据集序列包括按照时间顺序排列的多个数据集，各数据集分别对应预设的第一时间段；所述多个数据集中的各个数据集包括用户的与借贷行为相关的金额信息和商户信息；利用循环神经网络处理所述数据集序列，获得第一输出结果；获取与所述用户在第二时间段内的借贷行为相关的统计信息，所述第二时间段大于所述第一时间段；利用全连接神经网络处理所述第一输出结果和所述统计信息，获得第二输出结果；根据所述第二输出结果评估所述用户的金融违约风险。

【技术特征摘要】
1.一种评估金融违约风险的方法，包括：获取数据集序列，所述数据集序列包括按照时间顺序排列的多个数据集，各数据集分别对应预设的第一时间段；所述多个数据集中的各个数据集包括用户的与借贷行为相关的金额信息和商户信息；利用循环神经网络处理所述数据集序列，获得第一输出结果；获取与所述用户在第二时间段内的借贷行为相关的统计信息，所述第二时间段大于所述第一时间段；利用全连接神经网络处理所述第一输出结果和所述统计信息，获得第二输出结果；根据所述第二输出结果评估所述用户的金融违约风险。2.根据权利要求1所述的方法，其中所述商户信息包括，与所述用户的借贷行为相关的商户ID。3.根据权利要求2所述的方法，其中与所述用户的借贷行为相关的商户ID包括以下中的一项或多项，用户申请借款的商户ID，用户借款成功的商户ID，用户借款失败的商户ID，用户履约的商户ID，用户违约的商户ID。4.根据权利要求2所述的方法，还包括：对所述商户信息进行预处理，所述预处理包括：通过词嵌入模型将所述商户ID转化为ID向量。5.根据权利要求4所述的方法，其中所述预处理还包括：在同一数据集中，对所述用户的同类型借贷行为所针对的商户ID的ID向量求平均，获得各类型对应的均值向量；将所述均值向量包含在预处理的商户信息中。6.根据权利要求5所述的方法，其中所述预处理还包括：对所述用户的不同类型的借贷行为中各个类型对应的所述均值向量求和，获得商户向量和；将所述商户向量和包含在预处理的商户信息中。7.根据权利要求1所述的方法，其中所述多个数据集中的各个数据集还包括，用户在对应的第一时间段内的信用信息。8.根据权利要求1所述的方法，还包括，获取所述用户的属性特征信息，所述利用全连接神经网络处理所述第一输出结果和所述统计信息，获得第二输出结果，包括：将所述第一输出结果、所述统计信息和所述属性特征信息输入所述全连接神经网络，获得第二输出结果。9.根据权利要求8所述的方法，其中所述全连接神经网络为多层全连接神经网络，其中将所述第一输出结果、所述统计信息和所述属性特征信息输入所述全连接神经网络包括：将所述第一输出结果和所述属性特征信息输入所述多层全连接神经网络的第一层，将所述统计信息输入所述全连接神经网络的最后一层。10.根据权利要求1-9中任一项所述的方法，其中所述循环神经网络包括多层叠加的长短期记忆模型LSTM。11.一种评估金融违约风险的装置，包括：数据集获取单元，配置为获取数据集序列，所述数据集序列包括按照时间顺序排列的多个数据集，各数据集分别对应预设的第一时间段，所述...

【专利技术属性】
技术研发人员：程微宏，赵星，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY