一种用户信用评分预测方法及相关设备技术

本公开提供的一种用户信用评分预测方法及相关设备，可应用于人工智能领域以及金融领域。该用户信用评分预测方法可以利用预设领域自适应算法对源域用户初始数据和目标域用户数据进行特征融合，获得待训练源域数据集，待训练源域数据集包括与源域用户初始数据对应的源域用户目标数据；利用源域用户目标数据和目标域用户数据，获得目标用户信用评分预测模型；通过目标用户信用评分预测模型，获得与目标用户数据对应的用户信用评分预测结果。本公开通过预设领域自适应算法对源域和目标域的数据进行特征融合，实现了不同领域数据之间的知识迁移，使得训练出的目标用户信用评分预测模型对目标用户数据的信用评分预测更加准确。模型对目标用户数据的信用评分预测更加准确。模型对目标用户数据的信用评分预测更加准确。

【技术实现步骤摘要】
一种用户信用评分预测方法及相关设备


[0001]本公开涉及数据处理领域，尤其涉及一种用户信用评分预测方法及相关设备。

技术介绍

[0002]随着互联网技术在金融行业的蓬勃发展，互联网金融业务得到了广泛地应用。对于互联网金融业务而言，客户的信用评分是银行等金融机构顺利开展业务的重要前提。
[0003]然而，虽然银行拥有的历史用户数据的数量多，但是由于银行当前的金融业务发展较快、类型较多，可供直接用来构建信用评分模型的训练数据较少，无论是直接使用历史用户数据或是使用少量的新业务数据进行信用评分预测模型的构建，构建出来的模型进行信用评分预测的准确率都不高。

技术实现思路

[0004]鉴于上述问题，本公开提供一种克服上述问题或者至少部分地解决上述问题的一种用户信用评分预测方法及相关设备，技术方案如下：
[0005]一种用户信用评分预测方法，包括：
[0006]获得初始源域数据集和目标域数据集，其中，所述初始源域数据集包括至少一个源域用户初始数据，所述目标域数据集包括至少一个目标域用户数据，所述源域用户初始数据和所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户信用评分预测方法，其特征在于，包括：获得初始源域数据集和目标域数据集，其中，所述初始源域数据集包括至少一个源域用户初始数据，所述目标域数据集包括至少一个目标域用户数据，所述源域用户初始数据和所述目标域用户数据分别携带有对应的信用评分标签；利用预设领域自适应算法对所述初始源域数据集中的所述源域用户初始数据和所述目标域数据集中的所述目标域用户数据进行特征融合，获得待训练源域数据集，其中，所述待训练源域数据集包括与所述源域用户初始数据对应的源域用户目标数据；利用所述源域用户目标数据和所述目标域用户数据，获得目标用户信用评分预测模型；将目标用户数据输入至所述目标用户信用评分预测模型中，获得所述目标用户信用评分预测模型输出的与所述目标用户数据对应的用户信用评分预测结果。2.根据权利要求1所述的方法，其特征在于，所述获得初始源域数据集和目标域数据集，包括：获得原始用户数据集；按照预设领域划分条件，将所述原始用户数据集中的用户数据划分为初始源域数据集和目标域数据集。3.根据权利要求2所述的方法，其特征在于，所述按照预设领域划分条件，将所述原始用户数据集中的用户数据划分为初始源域数据集和目标域数据集，包括：将所述原始用户数据集中的用户数据按照预设数据生成时间节点，将在所述预设数据生成时间节点之前生成的所述用户数据划分至所述初始源域数据集，将在所述预设数据生成时间节点以后生成的所述用户数据划分至所述目标域数据集。4.根据权利要求1所述的方法，其特征在于，所述利用所述源域用户目标数据和所述目标域用户数据，获得目标用户信用评分预测模型，包括：将所述待训练源域数据集中的所述源域用户目标数据输入至预先构建的卷积神经网络中进行机器学习，获得初始用户信用评分预测模型；将所述目标域数据集中的所述目标域用户数据输入至所述初始用户信用评分预测模型中，对所述初始用户信用评分预测模型中的目标结构层进行模型微调，获得目标用户信用评分预测模型。5.根据权利要求4所述的方法，其特征在于，所述目标结构层包括所...

【专利技术属性】
技术研发人员：徐梓丞，黄康，杨晓明，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：