信用卡交易行为的预测方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种信用卡交易行为的预测方法、装置及电子设备。涉及人工智能领域，该方法包括：在获取到目标信用卡发起目标交易的情况下，获取目标信用卡的信用卡交易信息，并获取目标信用卡对应的对象信息；基于目标混合神经网络模型中的第一模型和对象信息，预测目标交易属于每种交易行为类型的概率，得到第一预测结果；基于目标混合神经网络模型中的第二模型和信用卡交易信息，预测目标交易属于每种交易行为类型的概率，得到第二预测结果；基于目标混合神经网络模型中的全连接层、第一预测结果和第二预测结果，预测目标交易的交易行为类型。本发明专利技术解决了现有技术中对信用卡交易行为的预测准确度低的技术问题。的预测准确度低的技术问题。的预测准确度低的技术问题。

【技术实现步骤摘要】
信用卡交易行为的预测方法、装置及电子设备


[0001]本专利技术涉及人工智能领域，具体而言，涉及一种信用卡交易行为的预测方法、装置及电子设备。

技术介绍

[0002]随着电子支付的不断发展，信用卡使用程度越来越广泛，由此引发的信用卡交易异常(如：失卡冒用等)问题也成为当前社会和学界研究的一个热点问题。当前的信用卡交易的数据量空前巨大，通过人工方式去甄别信用卡的交易行为越来越无法满足实际应用的需求，且目前往往采取单一特征对信用卡交易行为进行预测，从而具有预测准确度低的问题。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种信用卡交易行为的预测方法、装置及电子设备，以至少解决现有技术中对信用卡交易行为的预测准确度低的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种信用卡交易行为的预测方法，包括：在获取到目标信用卡发起目标交易的情况下，获取目标信用卡的信用卡交易信息，并获取目标信用卡对应的对象信息；基于目标混合神经网络模型中的第一模型和对象本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信用卡交易行为的预测方法，其特征在于，包括：在获取到目标信用卡发起目标交易的情况下，获取所述目标信用卡的信用卡交易信息，并获取所述目标信用卡对应的对象信息；基于目标混合神经网络模型中的第一模型和所述对象信息，预测所述目标交易属于每种交易行为类型的概率，得到第一预测结果，其中，所述交易行为类型为以下之一：交易异常和交易正常；基于所述目标混合神经网络模型中的第二模型和所述信用卡交易信息，预测所述目标交易属于所述每种交易行为类型的概率，得到第二预测结果，其中，所述第一模型的模型结构与所述第二模型的模型结构不同；基于所述目标混合神经网络模型中的全连接层、所述第一预测结果和所述第二预测结果，预测所述目标交易的交易行为类型。2.根据权利要求1所述的方法，其特征在于，基于目标混合神经网络模型中的第一模型和所述对象信息，预测所述目标交易属于每种交易行为类型的概率，得到第一预测结果，包括：对所述对象信息进行数据格式转换处理，得到所述对象信息对应的特征数据；基于所述第一模型和所述特征数据，预测所述目标交易属于所述每种交易行为类型的概率，得到所述第一预测结果。3.根据权利要求2所述的方法，其特征在于，对所述对象信息进行数据格式转换处理，得到所述对象信息对应的特征数据，包括：基于预设的多个对象属性，从所述对象信息中提取出与每个对象属性对应的目标属性值；基于预设的目标对应关系，确定每个目标属性值所对应的数字编号，其中，所述目标对应关系至少表征所述每个目标属性值与数字编号之间的对应关系；基于独热编码以及所述每个目标属性值所对应的数字编号，确定所述对象信息对应的特征数据。4.根据权利要求1所述的方法，其特征在于，所述信用卡交易信息包括所述目标交易对应的交易信息以及所述目标信用卡在预设时间范围内对应的历史交易信息。5.根据权利要求4所述的方法，其特征在于，基于所述目标混合神经网络模型中的第二模型和所述信用卡交易信息，预测所述目标交易属于所述每种交易行为类型的概率，得到第二预测结果，包括：基于所述信用卡交易信息构建目标特征矩阵；基于所述第二模型和所述目标特征矩阵，预测所述目标交易属于所述每种交易行为类型的概率，得到所述第二预测结果。6.根据权利要求5所述的方法，其特征在于，基于所述信用卡交易信息构建目标特征矩阵，包括：获取预设的多个信用卡交易特征以及每个信用卡交易特征对应的多个目标时间范围；基于所述信用卡交易信息，确定所述每个信用卡交易特征在不同目标时间范围内对应的目...

【专利技术属性】
技术研发人员：黄华杰，林柏蕾，蔡冰蔓，顾浩中，王智勇，屈绍泽，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：