一种人机交互的实时信用审核决策系统技术方案

本申请公开了一种人机交互的实时信用审核决策系统。其先获取用户基础数据和申贷相关数据，接着，将所述用户基础数据通过包含嵌入层的第一上下文编码器以得到用户基础数据语义理解特征向量，将所述申贷相关数据通过包含嵌入层的第二上下文编码器以得到申贷相关数据语义理解特征向量，然后，对所述用户基础数据语义理解特征向量和所述申贷相关数据语义理解特征向量进行关联编码以得到分类特征矩阵，最后，将所述分类特征矩阵通过分类器以得到用于表示是否需要电核的分类结果。通过这样的方式，可以提升信用审核的效能，对审核案例做出更准确快速的判断。做出更准确快速的判断。做出更准确快速的判断。

【技术实现步骤摘要】
一种人机交互的实时信用审核决策系统
[0001]

[0002]本申请涉及智能审核
，且更为具体地，涉及一种人机交互的实时信用审核决策系统。
[0003]
技术介绍

[0004]在银行业务开展过程中，信用审核是最重要也是最为复杂的一个关键环节。现有的贷款信用审核通过人工审核来进行，不仅信审过程复杂，而且还会出现审查人员个体偏差的弊端。
[0005]因此，期待一种优化的实时信用审核决策方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种人机交互的实时信用审核决策系统。其先获取用户基础数据和申贷相关数据，接着，将所述用户基础数据通过包含嵌入层的第一上下文编码器以得到用户基础数据语义理解特征向量，将所述申贷相关数据通过包含嵌入层的第二上下文编码器以得到申贷相关数据语义理解特征向量，然后，对所述用户基础数据语义理解特征向量和所述申贷相关数据语义理解特征向量进行关联编码以得到分类特征矩阵，最后，将所述分类特征矩阵通过分类器以得到用于表示是否需要电核的分类结果。通过这样的方式，可以提升信用审核的效能，对审核案例做出更准确快速的判断。
[0007]根据本申请的一个方面，提供了一种人机交互的实时信用审核决策系统，其包括：审核数据获取模块，用于获取用户基础数据和申贷相关数据，其中，所述用户基础数据包括用户工作状态、职业、收入和资金用途，所述申贷相关数据包括申贷数据、设备环境数据、LBS和行为数据;用户数据编码模块，用于将所述用户基础数据通过包含嵌入层的第一上下文编码器以得到用户基础数据语义理解特征向量;申贷数据编码模块，用于将所述申贷相关数据通过包含嵌入层的第二上下文编码器以得到申贷相关数据语义理解特征向量;关联编码模块，用于对所述用户基础数据语义理解特征向量和所述申贷相关数据语义理解特征向量进行关联编码以得到分类特征矩阵；以及审核结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否需要电核。
[0008]在上述的人机交互的实时信用审核决策系统中，所述用户数据编码模块，包括：第一分词单元，用于对所述用户基础数据进行分词处理以将所述用户基础数据转
化为由多个词组成的第一词序列；第一词嵌入单元，用于使用所述包含嵌入层的第一上下文编码器的词嵌入层将所述第一词序列中各个词映射为词嵌入向量以获得第一词嵌入向量的序列；第一上下文编码单元，用于使用所述包含嵌入层的第一上下文编码器对所述第一词嵌入向量的序列进行基于长距离依赖的上下文语义理解以获得多个第一上下文词特征向量；以及第一级联单元，用于将所述多个第一上下文词特征向量进行级联以得到所述用户基础数据语义理解特征向量。
[0009]在上述的人机交互的实时信用审核决策系统中，所述第一上下文编码单元，进一步用于：将所述第一词嵌入向量的序列进行一维排列以得到第一全局展开特征向量；计算所述第一全局展开特征向量与所述第一词嵌入向量的序列中各个词嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个标准化后第一自注意力关联矩阵；将所述多个标准化后第一自注意力关联矩阵中各个标准化后第一自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及分别以所述多个概率值中各个概率值作为权重对所述第一词嵌入向量的序列中各个第一词嵌入向量进行加权以得到所述多个第一上下文词特征向量。
[0010]在上述的人机交互的实时信用审核决策系统中，所述申贷数据编码模块，包括：第二分词单元，用于对所述申贷相关数据进行分词处理以将所述申贷相关数据转化为由多个词组成的第二词序列；第二词嵌入单元，用于使用所述包含嵌入层的第二上下文编码器的词嵌入层将所述第二词序列中各个词映射为词嵌入向量以获得第二词嵌入向量的序列；第二上下文编码单元，用于使用所述包含嵌入层的第二上下文编码器对所述第二词嵌入向量的序列进行基于长距离依赖的上下文语义理解以获得多个第二上下文词特征向量；以及第二级联单元，用于将所述多个第二上下文词特征向量进行级联以得到所述申贷相关数据语义理解特征向量。
[0011]在上述的人机交互的实时信用审核决策系统中，所述关联编码模块，进一步用于：以如下公式对所述用户基础数据语义理解特征向量和所述申贷相关数据语义理解特征向量进行关联编码以得到所述分类特征矩阵；其中，所述公式为：其中，表示所述用户基础数据语义理解特征向量，表示所述用户基础数据语义理解特征向量的转置向量，表示所述申贷相关数据语义理解特征向量，表示所述分类特征矩阵，表示向量相乘。
[0012]在上述的人机交互的实时信用审核决策系统中，所述审核结果生成模块，包括：
特征矩阵展开单元，用于将所述分类特征矩阵展开为分类特征向量；结构模糊校正单元，用于对所述分类特征向量进行局部结构模糊校正以得到优化分类特征向量；以及结果生成单元，用于将所述优化分类特征向量通过所述分类器以得到所述分类结果。
[0013]在上述的人机交互的实时信用审核决策系统中，所述特征矩阵展开单元，进一步用于：将所述分类特征矩阵按照行向量展开为分类特征向量。
[0014]在上述的人机交互的实时信用审核决策系统中，所述结构模糊校正单元，进一步用于：以如下公式对所述分类特征向量进行局部结构模糊校正以得到优化分类特征向量；其中，所述公式为：其中，表示所述分类特征向量，表示所述分类特征向量的转置向量，表示所述优化分类特征向量，表示所述分类特征向量的二范数的平方，表示向量相乘，是所述分类特征向量的各特征值按大小次序排列的有序向量，且所述分类特征向量是列向量形式。
[0015]在上述的人机交互的实时信用审核决策系统中，所述结果生成单元，进一步用于：使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0016]与现有技术相比，本申请提供的人机交互的实时信用审核决策系统，其先获取用户基础数据和申贷相关数据，接着，将所述用户基础数据通过包含嵌入层的第一上下文编码器以得到用户基础数据语义理解特征向量，将所述申贷相关数据通过包含嵌入层的第二上下文编码器以得到申贷相关数据语义理解特征向量，然后，对所述用户基础数据语义理解特征向量和所述申贷相关数据语义理解特征向量进行关联编码以得到分类特征矩阵，最后，将所述分类特征矩阵通过分类器以得到用于表示是否需要电核的分类结果。通过这样的方式，可以提升信用审核的效能，对审核案例做出更准确快速的判断。
[0017]附图说明
[0018]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0019]图1为根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人机交互的实时信用审核决策系统，其特征在于，包括：审核数据获取模块，用于获取用户基础数据和申贷相关数据，其中，所述用户基础数据包括用户工作状态、职业、收入和资金用途，所述申贷相关数据包括申贷数据、设备环境数据、LBS和行为数据;用户数据编码模块，用于将所述用户基础数据通过包含嵌入层的第一上下文编码器以得到用户基础数据语义理解特征向量;申贷数据编码模块，用于将所述申贷相关数据通过包含嵌入层的第二上下文编码器以得到申贷相关数据语义理解特征向量;关联编码模块，用于对所述用户基础数据语义理解特征向量和所述申贷相关数据语义理解特征向量进行关联编码以得到分类特征矩阵；以及审核结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否需要电核。2.根据权利要求1所述的人机交互的实时信用审核决策系统，其特征在于，所述用户数据编码模块，包括：第一分词单元，用于对所述用户基础数据进行分词处理以将所述用户基础数据转化为由多个词组成的第一词序列；第一词嵌入单元，用于使用所述包含嵌入层的第一上下文编码器的词嵌入层将所述第一词序列中各个词映射为词嵌入向量以获得第一词嵌入向量的序列；第一上下文编码单元，用于使用所述包含嵌入层的第一上下文编码器对所述第一词嵌入向量的序列进行基于长距离依赖的上下文语义理解以获得多个第一上下文词特征向量；以及第一级联单元，用于将所述多个第一上下文词特征向量进行级联以得到所述用户基础数据语义理解特征向量。3.根据权利要求2所述的人机交互的实时信用审核决策系统，其特征在于，所述第一上下文编码单元，进一步用于：将所述第一词嵌入向量的序列进行一维排列以得到第一全局展开特征向量；计算所述第一全局展开特征向量与所述第一词嵌入向量的序列中各个词嵌入向量的转置向量之间的乘积以得到多个第一自注意力关联矩阵；分别对所述多个第一自注意力关联矩阵中各个第一自注意力关联矩阵进行标准化处理以得到多个标准化后第一自注意力关联矩阵；将所述多个标准化后第一自注意力关联矩阵中各个标准化后第一自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及分别以所述多个概率值中各个概率值作为权重对所述第一词嵌入向量的序列中各个第一词嵌入向量进行加权以得到所述多个第一上下文词特征向量。4.根据权利要求3所述的人机交互的实时信用审核决策系统，其特征在于，所述申贷数据编码模块，包括：第二分词单元，用于对所述申贷相关数...

【专利技术属性】
技术研发人员：叶明星，许申亚，席炎，
申请(专利权)人：杭银消费金融股份有限公司，
类型：发明
国别省市：