用户风险的评估方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种用户风险的评估方法、装置、电子设备及存储介质。在用户风险的评估方法中，首先获取待评估用户的用户数据，其中，用户数据至少包括用户属性、关系信息和交易信息。将用户属性和关系信息输入到知识提取单元中，得到用户知识特征。将交易信息输入到第一线性映射单元中，得到用户交易特征。然后将用户知识特征和用户交易特征输入到动态融合单元中，得到融合特征。最后将融合特征输入到第二线性映射单元中，得到待评估用户的风险等级。解决了现有技术中用户的风险评估效果较差，无法准确地对用户的风险进行评估，加大了银行等金融机构的金融业务的风险的问题。银行等金融机构的金融业务的风险的问题。银行等金融机构的金融业务的风险的问题。

User risk assessment method, device, electronic equipment and storage medium

【技术实现步骤摘要】
用户风险的评估方法、装置、电子设备及存储介质


[0001]本申请涉及金融
，尤其涉及一种用户风险的评估方法、装置、电子设备及存储介质。

技术介绍

[0002]对于金融机构来说，客户的风险评估是十分重要的，所有客户均存在一定的风险，尤其是不正当金融行为，需要被有效识别，否则不仅客户所在机构面临经济损失，而且会扰乱金融秩序，危害金融稳定，甚至危害社会稳定。
[0003]在现有技术中，在对客户进行风险评估时，通常只计算离散的客户特征值，对不同性质的特征不加以区分，导致用户的风险评估效果较差，无法准确地对用户的风险进行评估，加大了银行等金融机构的金融业务的风险。

技术实现思路

[0004]有鉴于此，本申请提供了一种用户风险的评估方法、装置、电子设备及存储介质，以解决现有技术中通常只计算离散的客户特征值，对不同性质的特征不加以区分，导致用户的风险评估效果较差，无法准确地对用户的风险进行评估，加大了银行等金融机构的金融业务的风险的问题。
[0005]为实现上述目的，本申请提供如下技术方案：
[0006]本申请第一方面公开了一种用户风险的评估方法，应用于风险评估模型，其中，所述风险评估模型包括知识提取单元、第一线性映射单元、第二线性映射单元和动态融合单元，所述用户风险的评估方法，包括：
[0007]获取待评估用户的用户数据，其中，所述用户数据至少包括用户属性、关系信息和交易信息；
[0008]将所述用户属性和所述关系信息输入到所述知识提取单元中，得到用户知识特征；/>[0009]将所述交易信息输入到所述第一线性映射单元中，得到用户交易特征；
[0010]将所述用户知识特征和所述用户交易特征输入到所述动态融合单元中，得到融合特征；
[0011]将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级。
[0012]可选的，上述的方法，所述风险评估模型的构建过程，包括：
[0013]获取标注风险等级的用户数据样本集；
[0014]将所述标注风险等级的用户数据样本集输入到初始模型中进行运算，得到当前用户数据的风险等级；
[0015]判断所述当前用户数据的风险等级与实际标注的用户数据的风险等级是否一致；
[0016]若所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成
所述风险评估模型的构建；
[0017]若所述当前用户数据的风险等级与实际标注的用户数据的风险等级不一致，则求出损失函数，并利用所述损失函数调整所述神经网络模型的参数，直至输出的所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建。
[0018]可选的，上述的方法，所述获取待评估用户的用户数据之后，还包括：
[0019]对所述用户数据进行数据预处理。
[0020]可选的，上述的方法，所述将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级之后，还包括：
[0021]将所述风险等级与预设的阈值进行对比；
[0022]若所述风险等级大所述阈值，则生成风险用户的提示信息。
[0023]本申请第二方面还提供了一种用户风险的评估装置，应用于风险评估模型，其中，所述风险评估模型包括知识提取单元、第一线性映射单元、第二线性映射单元和动态融合单元，所述用户风险的评估方法，包括：
[0024]获取单元，用于获取待评估用户的用户数据，其中，所述用户数据至少包括用户属性、关系信息和交易信息；
[0025]第一特征提取单元，用于将所述用户属性和所述关系信息输入到所述知识提取单元中，得到用户知识特征；
[0026]第二特征提取单元，用于将所述交易信息输入到所述第一线性映射单元中，得到用户交易特征；
[0027]融合单元，用于将所述用户知识特征和所述用户交易特征输入到所述动态融合单元中，得到融合特征；
[0028]评估单元，用于将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级。
[0029]可选的，上述的装置，所述用户风险的评估装置还包括用于构建所述风险评估模型的模型构建单元，所述模型构建单元，包括：
[0030]获取子单元，用于获取标注风险等级的用户数据样本集；
[0031]运算子单元，用于将所述标注风险等级的用户数据样本集输入到初始模型中进行运算，得到当前用户数据的风险等级；
[0032]判断子单元，用于判断所述当前用户数据的风险等级与实际标注的用户数据的风险等级是否一致；
[0033]构建子单元，用于若所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建；
[0034]调参子单元，用于若所述当前用户数据的风险等级与实际标注的用户数据的风险等级不一致，则求出损失函数，并利用所述损失函数调整所述神经网络模型的参数，直至输出的所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建。
[0035]可选的，上述的装置，还包括：
[0036]预处理单元，用于对所述用户数据进行数据预处理。
[0037]可选的，上述的装置，所述将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级之后，还包括：
[0038]对比单元，用于将所述风险等级与预设的阈值进行对比；
[0039]信息生成单元，用于若所述风险等级大所述阈值，则生成风险用户的提示信息。
[0040]本申请第三方面公开了一种电子设备，包括：
[0041]一个或多个处理器；
[0042]存储装置，其上存储有一个或多个程序；
[0043]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如本申请第一方面中任意一项所述的方法。
[0044]本申请第四方面公开了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如本申请第一方面中任意一项所述的方法。
[0045]从上述技术方案可以看出，本申请提供的一种用户风险的评估方法中，首先获取待评估用户的用户数据，其中，用户数据至少包括用户属性、关系信息和交易信息。将用户属性和关系信息输入到知识提取单元中，得到用户知识特征。将交易信息输入到第一线性映射单元中，得到用户交易特征。然后将用户知识特征和用户交易特征输入到动态融合单元中，得到融合特征。最后将融合特征输入到第二线性映射单元中，得到待评估用户的风险等级。由此可知，利用本申请的方法，通过不同的模块对用户知识特征和用户交易特征进行特征提取，并设计了动态融合单元对用户的两类特征赋予不同的权重，通过动态调节权重区分不同特征的贡献度，使融合特征具有更强的表达能力，从而降低简单拼接或直接融合产生的噪声影响，增强特征表达能力，从而提高分类准确性。解决了现有技术中通常只计算离散的客户特征值，对不同性质的特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户风险的评估方法，其特征在于，应用于风险评估模型，其中，所述风险评估模型包括知识提取单元、第一线性映射单元、第二线性映射单元和动态融合单元，所述用户风险的评估方法，包括：获取待评估用户的用户数据，其中，所述用户数据至少包括用户属性、关系信息和交易信息；将所述用户属性和所述关系信息输入到所述知识提取单元中，得到用户知识特征；将所述交易信息输入到所述第一线性映射单元中，得到用户交易特征；将所述用户知识特征和所述用户交易特征输入到所述动态融合单元中，得到融合特征；将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级。2.根据权利要求1所述的方法，其特征在于，所述风险评估模型的构建过程，包括：获取标注风险等级的用户数据样本集；将所述标注风险等级的用户数据样本集输入到初始模型中进行运算，得到当前用户数据的风险等级；判断所述当前用户数据的风险等级与实际标注的用户数据的风险等级是否一致；若所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建；若所述当前用户数据的风险等级与实际标注的用户数据的风险等级不一致，则求出损失函数，并利用所述损失函数调整所述神经网络模型的参数，直至输出的所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建。3.根据权利要求1所述的方法，其特征在于，所述获取待评估用户的用户数据之后，还包括：对所述用户数据进行数据预处理。4.根据权利要求1所述的方法，其特征在于，所述将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级之后，还包括：将所述风险等级与预设的阈值进行对比；若所述风险等级大所述阈值，则生成风险用户的提示信息。5.一种用户风险的评估装置，其特征在于，应用于风险评估模型，其中，所述风险评估模型包括知识提取单元、第一线性映射单元、第二线性映射单元和动态融合单元，所述用户风险的评估方法，包括：获取单元，用于获取待评估用户的用户数据，其中，所述用户数据至少包括用户属性、关系信息和交易信息；第一特征提取单元，用于将所述...

【专利技术属性】
技术研发人员：朱宏康，王浩楠，郑宝，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：