信贷风险评估方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种信贷风险评估方法、装置、计算机设备及存储介质，涉及人工智能技术领域，主要在于能够提高信贷风险评估的准确率，确保信贷风险评估结果的可靠性。其中方法包括：获取待评估用户对应的消费行为时序数据和属性数据；将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。本发明专利技术采用了机器学习技术，主要适用于信贷风险的评估。

【技术实现步骤摘要】
信贷风险评估方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，尤其是涉及一种信贷风险评估方法、装置、计算机设备及存储介质。
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，贷款的产生必然伴随着风险，在还款期限届满之前，贷款人财务状况的重大变化很可能影响其履约能力，从而发生呆账、坏账等风险，因此预先对贷款人进行信贷风险评估有重要意义。目前，通常根据贷款人的个人信息、价值数据和征信数据等，对贷款人的信贷风险进行评估，其中，个人信息包括贷款的人的性别、学历等信息，价值数据包括贷款人的月收入、固定资产等，征信数据包括贷款人的信用卡数量、信贷逾期次数等。然而，贷款人的价值数据和征信数据均为静态数据，静态数据的特点是稳定而不易变化或者变化缓慢，其无法反映贷款人未来的变化趋势，因此如果仅依据贷款人的静态数据进行信贷风险评估，无法得到准确的信贷风险评估结果，对信贷风险评估的准确率较低。
技术实现思路
本专利技术提供了一种信贷风险评估方法、装置、计算机设备及存储介质，主要在于能够提高信贷风险评估的准确率，确保信贷风险评估结果的可靠性。根据本专利技术的第一个方面，提供一种信贷风险评估方法，包括：获取待评估用户对应的消费行为时序数据和属性数据；将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。根据本专利技术的第二个方面，提供一种信贷风险评估装置，包括：获取单元，用于获取待评估用户对应的消费行为时序数据和属性数据；第一提取单元，用于将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；第二提取单元，用于将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；确定单元，用于根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。根据本专利技术的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取待评估用户对应的消费行为时序数据和属性数据；将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。根据本专利技术的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：获取待评估用户对应的消费行为时序数据和属性数据；将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。本专利技术提供的一种信贷风险评估方法、装置、计算机设备及存储介质，与目前根据待评估用户的静态数据对待评估用户的信贷风险进行评估的方式相比，本专利技术能够获取待评估用户对应的消费行为时序数据和属性数据；并将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；与此同时，将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；最终根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果，由此通过获取待评估用户的消费行为时序数据，能够引入反映待评估用户未来变化趋势的动态数据，在对待评估用户进行风险评估时，通过提取待评估用户的消费行为特征向量和属性特征向量，并依据消费行为特征向量和属性特征向量预测待评估用户的信贷风险评估结果，能够同时考虑静态数据和动态数据对信贷风险评估的影响，从而能够保证信贷风险评估结果的可靠性，提高对信贷风险评估结果的预测精度。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1示出了本专利技术实施例提供的一种信贷风险评估方法流程图；图2示出了本专利技术实施例提供的另一种信贷风险评估方法流程图；图3示出了本专利技术实施例提供的一种信贷风险评估装置的结构示意图；图4示出了本专利技术实施例提供的另一种信贷风险评估装置的结构示意图；图5示出了本专利技术实施例提供的一种计算机设备的实体结构示意图。具体实施方式下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。目前，通常根据贷款人的个人信息、价值数据和征信数据等，对贷款人的信贷风险进行评估，其中，个人信息包括贷款的人的性别、学历等信息，价值数据包括贷款人的月收入、固定资产等，征信数据包括贷款人的信用卡数量、信贷逾期次数等。然而，贷款人的价值数据和征信数据均为静态数据，静态数据的特点是稳定而不易变化或者变化缓慢，其无法反映贷款人未来的变化趋势，因此如果仅依据贷款人的静态数据进行信贷风险评估，无法得到准确的信贷风险评估结果，对信贷风险评估的准确率较低。为了解决上述问题，本专利技术实施例提供了一种信贷风险评估方法，如图1所示，所述方法包括：101、获取待评估用户对应的消费行为时序数据和属性数据。其中，待评估用户为需要进行信贷风险评估的用户，待评估用户的消费行为时序数据为根据待评估用户在一段时间内的消费记录建立的，具体包括待评估用户的历史消费频次时序数据、消费总金额时序数据、最大消费金额所属商品大类的时序数据、消费和月收入占比时序数据等，例如，获取评估用户一年内的消费记录，并确定等分时间区间为一个月，构建待评估用户的历史消费频次时序数据为(3,2,3,5,7,8,9,10,3,6,7,5)，即代表待评估用户在这一年的1-12月份的消费频次，第一月共消费3次，第二个月共消费2次，第三个月共消费3次，第四个月消费5次等，此外，待评估用户的属性数据包括：待评估用户的的个人信息、价值数据和征信数据，其中，个人信息包括待评估用户的性别、年龄、学历、地狱、婚姻状况等；价值数据主要指待评估用户的个人财务状况，具体包括：月收入、固定资产、账户余额、每月消费收入占比、还款额等；征信数据包括：待评估用户的信用卡数量、信贷总额、成功借款本文档来自技高网...

【技术保护点】
1.一种信贷风险评估方法，其特征在于，包括：/n获取待评估用户对应的消费行为时序数据和属性数据；/n将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；/n将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；/n根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。/n

【技术特征摘要】
1.一种信贷风险评估方法，其特征在于，包括：
获取待评估用户对应的消费行为时序数据和属性数据；
将所述消费行为时序数据输入至预设消费行为特征提取模型进行特征提取，得到所述消费行为时序数据对应的消费行为特征向量；
将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量；
根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果，包括：
根据所述消费行为特征向量，确定所述待评估用户对应的初步风险评估结果；
根据所述初步风险评估结果、所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果。


3.根据权利要求2所述的方法，其特征在于，所述根据所述初步风险评估结果、所述消费行为特征向量和所述属性特征向量，确定所述待评估用户对应的信贷风险评估结果，包括：
对所述初步风险评估结果、所述消费行为特征向量和所述属性特征向量进行整合，得到整合后的特征向量；
将所述整合后的特征向量输入至预设信贷风险评估模型进行风险评估，得到所述待评估用户对应的信贷风险评估结果。


4.根据权利要求1所述的方法，其特征在于，在所述获取获取待评估用户对应的消费行为时序数据和属性数据之后，所述方法还包括：
若存在多个属性数据，则对各个属性数据之间的相关性进行验证，得到所述各个属性数据之间的相关性验证结果；
根据所述相关性验证结果，从所述各个属性数据中筛选目标属性数据；
所述将所述属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量，包括：
将所述目标属性数据输入至预设属性特征提取模型进行特征提取，得到所述待评估用户对应的属性特征向量。


5.根据权利要求...

【专利技术属性】
技术研发人员：苏雪琦，王健宗，程宁，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44