用户金融风险预估方法、装置、电子设备及可读介质制造方法及图纸

本公开涉及一种基于时序行为模型的用户金融风险预估方法、装置、电子设备及计算机可读介质。该方法包括：获取用户的基础数据，所述基础数据包括行为数据与属性数据；通过所述行为数据与所述属性数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入时序行为模型中，获取所述用户的目标行为概率；以及基于所述目标行为概率确定所述用户的金融风险等级。本公开涉及的基于时序行为模型的用户金融风险预估方法、装置、电子设备及计算机可读介质，能够预测用户在未来一段时间内的金融风险等级，企业可依据金融风险等级及时采取措施，避免损失。

User Financial Risk Prediction Method, Device, Electronic Equipment and Readable Media

【技术实现步骤摘要】
用户金融风险预估方法、装置、电子设备及可读介质
本公开涉及计算机信息处理领域，具体而言，涉及一种基于时序行为模型的用户金融风险预估方法、装置、电子设备及计算机可读介质。
技术介绍
信贷是指以偿还和付息为条件的价值运动形式，通常包括银行存款、贷款等信用活动，信贷是社会主义国家用有偿方式动员和分配资金的重要形式，是发展经济的有力杠杆。贷款的产生必然伴随着金融风险，在还款期限届满之前，用户个人的财务商务状况的重大不利变化很可能影响其履约能力，从而发生呆账、坏账等风险，因此，为了降低此类风险的发生概率，需要对用户的金融风险进行评估。传统金融机构对于用户的金融风险评估主要依据两种方式：一种是人为评估，主要依靠人类的历史经验进行评估，这种人工评判的方式一方面增加了人工成本和处理时间，另一方面通过人工方式生成的经验规则，通常是需要在一个危险行为已经发生一段时间之后，给企业带来了大量的经济损失之后才被建立，这种滞后的方式增加了企业的风险；另一种是依据个人信用评分系统，现有技术中用户金融风险评估系统在进行用户金融风险评估时依赖于一些基础数据，评估维度单一，导致评估结果不够准确。而且，通过该方法与用户的本文档来自技高网...

【技术保护点】
1.一种基于时序行为模型的用户金融风险预估方法，其特征在于，包括：获取用户的基础数据，所述基础数据包括行为数据与属性数据；通过所述行为数据与所述属性数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入时序行为模型中，获取所述用户的目标行为概率；以及基于所述目标行为概率确定所述用户的金融风险等级。

【技术特征摘要】
1.一种基于时序行为模型的用户金融风险预估方法，其特征在于，包括：获取用户的基础数据，所述基础数据包括行为数据与属性数据；通过所述行为数据与所述属性数据生成多维度特征数据，所述多维度特征数据包括时长维度数据，行为维度数据，频率维度数据，和属性维度数据；将所述多维度特征数据输入时序行为模型中，获取所述用户的目标行为概率；以及基于所述目标行为概率确定所述用户的金融风险等级。2.如权利要求1所述的方法，其特征在于，还包括：通过历史用户的基础数据与带有时间特征的用户管理模型建立所述时序行为模型。3.如权利要求1所述的方法，其特征在于，通过所述行为数据与所述属性数据生成多维度特征数据包括：基于所述行为数据确定多个目标行为及其对应的时间；将所述多个目标行为按照其对应的时间排序；以及通过排序后的所述多个目标行为与所述属性数据生成所述多维度特征数据。4.如权利要求3所述的方法，其特征在于，通过排序后的所述多个目标行为与所述属性数据生成所述多维度特征数据包括：通过首个目标行为与末尾目标行为的间隔时间确定所述时长维度数据；和/或通过所述末尾目标行为所对应的时间确定所述行为维度数据；和/或通过所述多个目标行为的数量确定所述频率维度数据；和/或通过所述属性数据中的金额确定所述属性维度数据。5.一种基于时序行为模型的用户金融风险预估装置，其特征在于，包括：基础数据模块，用于获取用户的基础数据，所述基础数据包括行为数据与属性数据；特征数据模块，用于通过所述行为数据与所述属性数据生成多维度特征数据，所述多维度特征数据包括...

【专利技术属性】
技术研发人员：张潮华，高明宇，朱明林，沈赟，郑彦，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：上海,31