预测用户的还款概率的方法、装置、设备及存储介质制造方法及图纸

本公开涉及预测用户的还款概率的方法、装置、设备及存储介质。方法包括：接收描述用户在预设时间范围内的交易行为事件的交易行为事件序列；将预设时间范围分为多个一级时间窗口并将每个一级时间窗口内的交易行为事件聚合为一级特征；将各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；将预设时间范围分为多个二级时间窗口并将每个二级时间窗口内的一级特征聚合为二级特征；将各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融合特征；基于融合特征确定用户的还款概率。定用户的还款概率。定用户的还款概率。

【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。
[0005]根据本公开一个或多个实施例的另一个方面，提供了一种用于预测用户的还款概率的装置，包括：接收模块，被配置用于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；一级提取模块，被配置用于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；二级提取模块，被配置用于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；融合模块，被配置用于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；以及预测模块，被配置用于基于用户的融合特征，确定用户的还款概率。
[0006]根据本公开一个或多个实施例的又一个方面，提供了一种用于预测用户的还款概率的计算设备，包括：一个或多个处理器；以及存储计算机可执行指令的存储器，所述计算机可执行指令在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执行根据本公开的任一实施例所述的用于预测用户的还款概率的方法。
[0007]根据本公开一个或多个实施例的又一个方面，提供了一种其上存储有计算机可执行指令的非瞬态存储介质，所述计算机可执行指令在被计算机执行时使得计算机执行根据本公开的任一实施例所述的用于预测用户的还款概率的方法。
[0008]通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
[0009]构成说明书的一部分的附图描述了本公开的一个或多个实施例，并且连同说明书一起用于解释本公开一个或多个实施例的原理。
[0010]参照附图，根据下面的详细描述，可以更加清楚地理解本公开一个或多个实施例，其中：
[0011]图1是根据本公开的一个或多个示例性实施例的用于预测用户的还款概率的方法的流程示意图；
[0012]图2是根据本公开的一个或多个示例性实施例的用于将作为异步事件序列的交易行为事件序列转换为同步事件序列的过程的示意图；
[0013]图3是根据本公开的一个或多个示例性实施例的用于多层级提取用户行为特征的过程的示意图；
[0014]图4是根据本公开的一个或多个示例性实施例的用于预测用户的还款概率的装置的示意性框图；
[0015]图5是图示可以在其上实现本公开的一个或多个示例性实施例的计算机系统的示意性框图；
[0016]图6是根据本公开的一个或多个示例性实施例的计算设备的示意性框图。
具体实施方式
[0017]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。然而应当理解的是，本公开一个或多个实施例可以以多种不同的方式呈现出来，并不局限于下文描述的实施例。还应当理解的是，本公开一个或多个实施例能够以各种方式进行组合，从而提供更多额外的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
[0018]应当理解的是，在所有附图中，相同的附图标记表示相同的元件。在附图中，为清楚起见，某些特征的尺寸可以进行变形。
[0019]应当理解的是，本文中的用语仅用于描述特定的实施例，并不旨在限定。本文使用的所有术语(包括技术术语和科学术语)除非另外定义，均具有本领域技术人员通常理解的含义。为简明和/或清楚起见，公知的功能或结构可以不再详细说明。
[0020]在本文中，用语“连接”意图包含一个特征与另一个特征的物理、电性、和/或通信连接，并且这一个特征与另一个特征之间可以存在也可以不存在中间特征。当连接为通信连接时，即使提及A与B“直接连接”，只是意图强调A与B的连接之间不存在本公开一个或多个实施例所强调的一个或多个特征，但并不代表限制A与B之间不经过任何元件而连接，本领域技术人员应理解，A与B之间可以通过线缆、路由器、网关、信道、链路、网络等相连接。需要说明的是，在本公开一个或多个实施例的附图中，A与B之间的无论是直接连接还是间接连接都通过连接在A与B之间的直线或其他图形元素来表示。
[0021]在本文中，用语“A或B”包括“A和B”以及“A或B”，而不是排他地仅包括“A”或者仅包括“B”，除非另有特别说明。
[0022]在本文中，用语“示例性的”意指“用作示例、实例或说明”，而不是本文档来自技高网...

【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：