【技术实现步骤摘要】
预测用户的还款概率的方法、装置、设备及存储介质
[0001]本公开一个或多个实施例涉及机器学习领域,并且更具体地,涉及一种用于预测用户的还款概率的方法、装置、计算设备及存储介质。
技术介绍
[0002]随着信贷业务的蓬勃发展,信贷逾期用户的数量及逾期金额也在不断攀升,这使得对信贷逾期用户的催收回款至关重要。然而,在贷后催收场景中,逾期案件数量往往远远大于催收员每天可负荷的催收数量,信贷平台无法每天对所有逾期案件进行催收。因此,贷后催收的一个重要挑战是如何在催收员资源有限的情况下尽可能多地催收回款。
技术实现思路
[0003]本公开一个或多个实施例的一个目的是提供用于预测用户的还款概率的方法、装置、计算设备及存储介质。
[0004]根据本公开一个或多个实施例的一个方面,提供了一种用于预测用户的还款概率的方法,包括:接收用户的交易行为事件序列,所述交易行为事件序列描述用户在预设时间范围内的多个时间发生的交易行为事件;将所述预设时间范围划分为多个一级时间窗口,以将交易行为事件按照其发生的时间分配至所述多个一级时间窗口,并针对每个一级时间窗口,将该一级时间窗口内的所有交易行为事件聚合为一个一级特征;将所述多个一级时间窗口的一级特征输入第一门控循环单元以获得每个一级时间窗口的一级隐含特征;将所述预设时间范围划分为多个二级时间窗口,以将一级特征按照其一级时间窗口分配至所述多个二级时间窗口,所述二级时间窗口的时间长度大于所述一级时间窗口的时间长度并且是所述一级时间窗口的时间长度的整数倍,并针对每个二级时间窗 ...
【技术保护点】
【技术特征摘要】
1.一种用于预测用户的还款概率的方法,包括:接收用户的交易行为事件序列,所述交易行为事件序列描述用户在预设时间范围内的多个时间发生的交易行为事件;将所述预设时间范围划分为多个一级时间窗口,以将交易行为事件按照其发生的时间分配至所述多个一级时间窗口,并针对每个一级时间窗口,将该一级时间窗口内的所有交易行为事件聚合为一个一级特征;将所述多个一级时间窗口的一级特征输入第一门控循环单元以获得每个一级时间窗口的一级隐含特征;将所述预设时间范围划分为多个二级时间窗口,以将一级特征按照其一级时间窗口分配至所述多个二级时间窗口,所述二级时间窗口的时间长度大于所述一级时间窗口的时间长度并且是所述一级时间窗口的时间长度的整数倍,并针对每个二级时间窗口,将该二级时间窗口内的所有一级特征聚合为一个二级特征;将所述多个二级时间窗口的二级特征输入第二门控循环单元以获得每个二级时间窗口的二级隐含特征;融合最后一个一级时间窗口的一级隐含特征和最后一个二级时间窗口的二级隐含特征以获得用户的融合特征;以及基于用户的融合特征,确定用户的还款概率。2.根据权利要求1所述的方法,还包括:将所述预设时间范围划分为多个三级时间窗口,以将二级特征按照其二级时间窗口分配至所述多个三级时间窗口,所述三级时间窗口的时间长度大于所述二级时间窗口的时间长度并且是所述二级时间窗口的时间长度的整数倍,并针对每个三级时间窗口,将该三级时间窗口内的所有二级特征聚合为一个三级特征;将所述多个三级时间窗口的三级特征输入第三门控循环单元以获得每个三级时间窗口的三级隐含特征;融合最后一个一级时间窗口的一级隐含特征、最后一个二级时间窗口的二级隐含特征和最后一个三级时间窗口的三级隐含特征以获得用户的融合特征。3.根据权利要求1所述的方法,其中,所述交易行为事件序列包括多个交易场景与交易时间的对,并且所述方法还包括将每个交易行为事件的交易场景通过独热编码转换为行为事件向量作为该交易行为事件的向量化表示。4.根据权利要求3所述的方法,其中,针对每个一级时间窗口将该一级时间窗口内的所有交易行为事件聚合为一个一级特征包括:针对该一级时间窗口内的每个交易行为事件,利用嵌入矩阵将该交易行为事件的行为事件向量转换为该交易行为事件的嵌入向量;将通过聚合该一级时间窗口内的所有交易行为事件的嵌入向量得到的一级聚合向量作为该一级时间窗口内的一级特征的向量化表示。5.根据权利要求4所述的方法,其中,每个一级时间窗口t的一级聚合向量满足以下条件表达式:
其中,e
i
=x
i
·
E其中,N为该一级时间窗口t内的交易行为事件的数量,x
i
为该一级时间窗口内的第i交易行为事件的行为事件向量,E为嵌入矩阵,e
i
为该一级时间窗口内的第i交易行为事件的嵌入向量,w
t
为模型参数。6.根据权利要求4所述的方法,其中,针对每个二级时间窗口将该二级时间窗口内的所有一级特征聚合为一个二级特征包括:通过自注意力机制更新每个一级时间窗口的一级聚合向量以得到更新的一级聚合向量;将通过经由行为门计算该二级时间窗口内的每个更新的一级聚合向量的权重并按计算的权重聚合该二级时间窗口内的所有更新的一级聚合向量得到的二级聚合向量作为该二级时间窗口的二级特征的向量化表示。7.根据权利要求6所述的方法,其中,二级时间窗口的时间长度是一级时间窗口的时间长度的L倍,并且其中,通过自注意力机制更新每个一级时间窗口t的一级聚合向量以得到更新的一级聚合向量满足8.根据权利要求7所述的方法,其中,每个二级时间窗口s的二级聚合向量满足以下条件表达式:其中,L为该二级时间窗口s内的更新的一级聚合向量的数量,是该二级时间窗口s内的第j个一级时间窗口的更新的一级聚合向量,σ是sigmoid函数,w1是模型参数。9.根据权利要求1所述的方法,还包括:接收用户的静态特征;将所述多个一级时间窗口的一级特征与所述静态特征输入第一门控循环单元以获得一级隐含特征;将所述多个二级时间窗口的二级特征与所述静态特征输入第二门控循环单元以获得二级隐含特征;融合一级隐含特征和二级隐含特征以获得用户的融合特征。10.根据权利要求9所述的方法,其中,第一门控循环单元和第二门控循环单元中的每个门控循环单元满足:r
t
=σ(W
r
m
t
+U
r
h
t
‑1+b
r
)z
t
=σ(W
z
m
t
+U
z
h
t
‑1+b
z
)v
...
【专利技术属性】
技术研发人员:傅驰林,周俊,张晓露,王婧,王敏,吴伟昌,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。