本申请涉及信息处理技术领域，提供一种用户画像生成方法及装置。所述方法包括：获取目标用户在申请金融贷款前的第一用户资产信息，目标用户在申请金融贷款时的交易行为信息，以及目标用户在申请金融贷款后的第二用户资产信息；将第一用户资产信息、交易行为信息以及第二用户资产信息输入训练好的神经网络，获取目标用户的用户画像；其中，神经网络由各用户的样本信息集训练得到；样本信息集包括多个训练样本；各训练样本用户在申请金融贷款前的第一用户资产信息，用户在申请金融贷款时的交易行为信息，以及用户在申请金融贷款后的第二用户资产信息。本申请实施例提供的用户画像生成方法，能够提高获取到的用户画像的准确性，提高利用用户画像判定企业用户的潜在信贷风险的准确率。的准确率。的准确率。
【技术实现步骤摘要】
用户画像生成方法及装置
[0001]本申请涉及信息处理
，具体涉及一种用户画像生成方法及装置。
技术介绍
[0002]中小微企业由于规模较小，缺少抵押资产，需要金融机构提供相对的信贷服务，来维持企业的正常运转。而为减少信贷风险，金融机构需要针对企业用户形成用于判断企业用户的信贷风险的用户画像，以根据该用户画像对企业用户的信贷进行风险识别。
[0003]相关技术中，对于企业用户的用户画像生成，通常是获取贷款审批通过的企业工商、征信、历史交易等信息构建用户特征，基于用户是否逾期作为目标标签，通过复杂重复的特征工程后,利用机器学习模型或构建的信贷违约预测模型对用户特征进行处理，以生成判断用户是否违约的企业用户的用户画像。然而，这种用户画像只针对金融业务审批通过的用户，这样就造成了训练模型用到的样本信息与实际申请该金融业务的用户的用户信息存在偏差。且随着时间推移，这种偏差可能会越来越明显，导致模型稳定性下降，影响获取到的用户画像的准确性，从而无法利用用户画像准确判定企业用户的潜在信贷风险的准确率。
技术实现思路
[0004]本申请旨在至少解决相关技术中存在的技术问题之一。为此，本申请提出一种用户画像生成方法，能够提高获取到的用户画像的准确性，提高利用用户画像判定企业用户的潜在信贷风险的准确率。
[0005]本申请还提出一种用户画像生成装置。
[0006]本申请还提出一种电子设备。
[0007]本申请还提出一种计算机可读存储介质。
[0008]根据本申请第一方面实施例的用户画像生成方法，包括：
[0009]获取目标用户在申请金融贷款前的第一用户资产信息，所述目标用户在申请所述金融贷款时的交易行为信息，以及所述目标用户在申请所述金融贷款后的第二用户资产信息；
[0010]将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息输入训练好的神经网络，获取所述目标用户的用户画像；
[0011]其中，所述神经网络由各用户的样本信息集训练得到；
[0012]所述样本信息集包括多个训练样本；各所述训练样本所述用户在申请所述金融贷款前的第一用户资产信息，所述用户在申请所述金融贷款时的交易行为信息，以及所述用户在申请所述金融贷款后的第二用户资产信息。
[0013]本申请实施例提供的用户画像生成方法，通过将目标用户在申请金融贷款前的第一用户资产信息、在申请金融贷款时的交易行为信息以及在申请金融贷款后的第二用户资产信息，来输入由多个用户在申请金融贷款前的第一用户资产信息、在申请所述金融贷款
时的交易行为信息在申请所述金融贷款后的第二用户资产信息训练得到的神经网络中，来获取目标用户的用户画像，从而在生成用户图像时，考虑了申请该金融业务的所有用户的信息，避免训练好的神经网络存在偏差，使用于进行用户画像生成的神经网络更为稳定，以提高获取到的用户画像的准确性，进而提高利用用户画像判定企业用户的潜在信贷风险的准确率。
[0014]根据本申请的一个实施例，还包括：
[0015]将所述样本信息集的各所述训练样本进行归一化，获取样本矩阵向量；
[0016]将所述样本矩阵向量输入待训练的神经网络，通过与各所述训练样本一一对应的各神经网络结构单元，依次对由所述样本矩阵向量生成的第一共享参数进行任务处理，获取所述训练样本的标签信息；
[0017]根据各所述训练样本的标签信息，调整所述神经网络的损失函数，直至各所述训练样本的标签信息，与各所述训练样本对应的各预设标签信息一致。
[0018]根据本申请的一个实施例，将所述样本矩阵向量输入待训练的神经网络，通过与各所述训练样本一一对应的各神经网络结构单元，依次对由所述样本矩阵向量生成的第一共享参数进行任务处理，获取所述训练样本的标签信息，包括：
[0019]通过与各所述训练样本一一对应的各神经网络结构单元，依次对所述样本矩阵向量进行任务处理，每次进行任务处理的当前所述神经网络结构单元，均接收上一层所述神经网络结构单元生成的标签信息，以根据上一层所述神经网络结构单元生成的标签信息，以及所述样本矩阵向量生成所述第一共享参数进行任务处理，获取当前所述神经网络结构单元生成的标签信息。
[0020]根据本申请的一个实施例，将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息输入训练好的神经网络，获取所述目标用户的用户画像，包括：
[0021]将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息进行归一化，获取目标矩阵向量；
[0022]通过训练好的神经网络中所述第一用户资产信息对应的神经网络结构单元，所述交易行为信息对应的第二神经网络结构单元，以及第二用户资产信息对应的第三神经网络结构单元，依次对所述目标矩阵向量生成的第二共享参数进行任务处理，获取所述神经网络结构单元、所述第二神经网络结构单元以及所述第三神经网络结构单元输出的标签信息；
[0023]根据所述神经网络结构单元、所述第二神经网络结构单元以及所述第三神经网络结构单元输出的标签信息，生成所述用户画像；
[0024]其中，输入所述神经网络结构单元的共享参数包括所述目标矩阵向量，所述第二神经网络结构单元的共享参数包括所述目标矩阵向量以及所述神经网络结构单元输出的标签信息，所述第三神经网络结构单元的共享参数包括所述目标矩阵向量以及所述第二神经网络结构单元输出的标签信息。
[0025]根据本申请的一个实施例，所述神经网络结构单元输出的标签信息用于标记所述目标用户是否申请所述金融贷款失败；
[0026]所述第二神经网络结构单元输出的标签信息用于标记所述目标用户是否为逾期用户；
[0027]所述第三神经网络结构单元输出的标签信息用于标记记所述目标用户的违约损失率。
[0028]根据本申请的一个实施例，所述第一用户资产信息包括经营风险信息以及关联企业信息；
[0029]所述交易行为信息包括用户的贷款金额以及还款记录；
[0030]所述第二用户资产信息包括负债信息。
[0031]根据本申请的一个实施例，所述神经网络包括为CNN或RNN神经网络。
[0032]根据本申请第二方面实施例的用户画像生成装置，包括：
[0033]用户信息获取模块，用于获取目标用户在申请金融贷款前的第一用户资产信息，所述目标用户在申请所述金融贷款时的交易行为信息，以及所述目标用户在申请所述金融贷款后的第二用户资产信息；
[0034]用户画像生成模块，用于将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息输入训练好的神经网络，获取所述目标用户的用户画像；
[0035]其中，所述神经网络由各用户的样本信息集训练得到；
[0036]所述样本信息集包括多个训练样本；各所述训练样本所述用户在申请所述金融贷款前的第一用户资产信息，所述用户在申请所述金融贷款时的交易行为信息，以及所述用户在申请所述金融贷款后的第二用户资产信息。...
【技术保护点】
【技术特征摘要】
1.一种用户画像生成方法，其特征在于，包括：获取目标用户在申请金融贷款前的第一用户资产信息，所述目标用户在申请所述金融贷款时的交易行为信息，以及所述目标用户在申请所述金融贷款后的第二用户资产信息；将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息输入训练好的神经网络，获取所述目标用户的用户画像；其中，所述神经网络由各用户的样本信息集训练得到；所述样本信息集包括多个训练样本；各所述训练样本所述用户在申请所述金融贷款前的第一用户资产信息，所述用户在申请所述金融贷款时的交易行为信息，以及所述用户在申请所述金融贷款后的第二用户资产信息。2.根据权利要求1所述的用户画像生成方法，其特征在于，还包括：将所述样本信息集的各所述训练样本进行归一化，获取样本矩阵向量；将所述样本矩阵向量输入待训练的神经网络，通过与各所述训练样本一一对应的各神经网络结构单元，依次对由所述样本矩阵向量生成的第一共享参数进行任务处理，获取所述训练样本的标签信息；根据各所述训练样本的标签信息，调整所述神经网络的损失函数，直至各所述训练样本的标签信息，与各所述训练样本对应的各预设标签信息一致。3.根据权利要求2所述的用户画像生成方法，其特征在于，将所述样本矩阵向量输入待训练的神经网络，通过与各所述训练样本一一对应的各神经网络结构单元，依次对由所述样本矩阵向量生成的第一共享参数进行任务处理，获取所述训练样本的标签信息，包括：通过与各所述训练样本一一对应的各神经网络结构单元，依次对所述样本矩阵向量进行任务处理，每次进行任务处理的当前所述神经网络结构单元，均接收上一层所述神经网络结构单元生成的标签信息，以根据上一层所述神经网络结构单元生成的标签信息，以及所述样本矩阵向量生成所述第一共享参数进行任务处理，获取当前所述神经网络结构单元生成的标签信息。4.根据权利要求1或3所述的用户画像生成方法，其特征在于，将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息输入训练好的神经网络，获取所述目标用户的用户画像，包括：将所述第一用户资产信息、所述交易行为信息以及所述第二用户资产信息进行归一化，获取目标矩阵向量；通过训练好的神经网络中所述第一用户资产信息对应的神经网络结构单元，所述交易行为信息对应的第二神经网络结构单元，以及第二用户资产信息对应的第三神经网络结构单元，依次对所述目标矩阵向量生成的第二共享参数进行任务处理...
【专利技术属性】
技术研发人员：张博，彭莉，陈悦竹，田鸥，
申请(专利权)人：平安银行股份有限公司，
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。