用户风险模型生成方法、装置及电子设备制造方法及图纸

本公开涉及一种用户风险模型生成方法、装置、电子设备及计算机可读介质。该方法包括：基于对多个用户的金融信息的分析生成正样本用户集合和负样本用户集合；分别获取正样本用户集合和负样本用户集合中的多个用户的终端应用列表；基于所述终端应用列表分别生成正样本应用集合和负样本应用集合；通过长短期记忆网络对正样本应用集合和负样本应用集合进行训练，生成用户特征向量字典；以及基于所述特征向量字典生成用户风险模型。本公开涉及的用户风险模型生成方法、装置、电子设备及计算机可读介质，能够对体现用户特征的各方面信息进行充分挖掘，用更多的特征维度的用户的风险概率进行描述，生成高效搞准确率的用户风险模型。

User risk model generation method, device and electronic equipment

【技术实现步骤摘要】
用户风险模型生成方法、装置及电子设备
本公开涉及计算机信息处理领域，具体而言，涉及一种用户风险模型生成方法、装置、电子设备及计算机可读介质。
技术介绍
随着经济的发展，为了满足其自身发展的需要，个人用户或者企业用户经常由金融服务机构进行借款活动，对于金融服务机构而言，用户的借款活动很可能会给金融服务公司带来风险。在还款期限届满之前，借款人(信贷用户)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，金融服务机构需要对借款人进行风险评估，根据风险评估结果，金融服务公司可拒绝为金融风险较高、不能还款的用户提供服务。目前，金融风险的判别经常是通过对用户的基础信息和行为信息的进行分析获得，可例如，基础信息可包括用户的年龄、性别、职业、地域等等，行为信息可包括用户的借款信息、还款信息、违约信息等等。如何挖掘出更多的能够反映用户某一方面特征的信息，以对用户的金融风险进行更加全面的分析和判别，是目前广泛关注的课题。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可本文档来自技高网...

【技术保护点】
1.一种用户风险模型生成方法，其特征在于，包括：/n基于对多个用户的金融信息的分析生成正样本用户集合和负样本用户集合；/n分别获取正样本用户集合和负样本用户集合中的多个用户的终端应用列表，所述终端应用列表中包括已安装的应用信息；/n基于所述终端应用列表分别生成正样本应用集合和负样本应用集合；/n通过长短期记忆网络对正样本应用集合和负样本应用集合进行训练，生成用户特征向量字典；以及/n基于所述特征向量字典生成用户风险模型。/n

【技术特征摘要】
1.一种用户风险模型生成方法，其特征在于，包括：
基于对多个用户的金融信息的分析生成正样本用户集合和负样本用户集合；
分别获取正样本用户集合和负样本用户集合中的多个用户的终端应用列表，所述终端应用列表中包括已安装的应用信息；
基于所述终端应用列表分别生成正样本应用集合和负样本应用集合；
通过长短期记忆网络对正样本应用集合和负样本应用集合进行训练，生成用户特征向量字典；以及
基于所述特征向量字典生成用户风险模型。


2.如权利要求1所述的方法，其特征在于，还包括：
获取当前用户的金融信息和终端应用列表；
根据所述终端应用列表生成用户特征向量；以及
将所述用户特征向量和金融信息输入所述用户风险模型中生成风险评分，所述风险评分用于描述所述当前用户具备金融风险的概率。


3.如权利要求1-2所述的方法，其特征在于，根据所述终端应用列表生成用户特征向量，包括：
提取所述终端应用列表中的多个应用信息；以及
将所述多个应用信息和所述用户特征向量字典进行比较以生成所述用户特征向量。


4.如权利要求1-3所述的方法，其特征在于，基于对多个用户的金融信息的分析生成正样本用户集合和负样本用户集合，包括：
由用户的金融信息中提取借款时间、还款时间、欠款金额；
根据借款时间、还款时间、欠款金额和预设策略为所述用户分配正样本标签或负样本标签。


5.如权利要求1-4所述的方法，其特征在于，基于所述终端应用列表分别生成正样本应用集合和负样本应用集合，包括：
分别统计正样本用户集合和负样本用户集合中终端应用列表中各应用的安装数量；
基于正样本用户集合和负样本用户集合中的所述安装数量，确定多个目标应用；以及
通过所述多个目标应用生成所述正样本应用集合和负样本应...

【专利技术属性】
技术研发人员：赵楠，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11