一种金融信用风险分析方法及装置制造方法及图纸

本申请提供一种金融信用风险分析方法及装置，涉及人工智能领域，也可用于金融领域，包括：根据获取的用户基本信息及预先构建的初始风险分析模型生成用户信息知识图谱；利用预先构建的综合风险分析模型确定所述用户信息知识图谱中的用户综合风险；根据所述用户综合风险进行金融交易操作。本申请能够对用户基本信息进行预先处理，提高了金融风险分析的准确度，有助于更好地实现金融交易中的金融风险防控。控。控。

【技术实现步骤摘要】
一种金融信用风险分析方法及装置


[0001]本申请涉及人工智能领域，可以用于金融领域，具体是一种金融信用风险分析方法及装置。

技术介绍

[0002]金融信用风险是商业银行面临的主要风险之一。为防范该风险，商业银行已经逐步开始探索有效的金融信用风险分析方法。传统的分析方法主要依靠专业人员手工筛选违约用户的方式实现，另有一些自动化的分析方法可以根据用户本身的信贷数据集构建金融信用风险分析模型，再根据金融信用风险分析模型的预测结果建立金融信用风险评级。
[0003]现有自动化的金融信用风险分析方法主要包括以下两类：平衡数据方法和构建金融信用风险分析模型。针对平衡数据方法，现有技术提出了基于支持度的过采样算法，并将其用于信用评分当中，提高了正类样本的预测精度。现有技术还提出了基于相似性的欠采样方法，该方法可以在得到平衡数据集的同时减少样本信息的损失。现有技术还通过引入代价敏感均值和惩罚项，提出了一种代价敏感大间隔分布机算法，有利于非平衡数据集的分类。针对构建金融信用风险分析模型进行金融信用风险分析的方法，现有技术在运用了逻辑回归(LR)模型以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金融信用风险分析方法，其特征在于，包括：根据获取的用户基本信息及预先构建的初始风险分析模型生成用户信息知识图谱；利用预先构建的综合风险分析模型确定所述用户信息知识图谱中用户的用户综合风险；根据所述用户综合风险进行金融交易操作。2.根据权利要求1所述的金融信用风险分析方法，其特征在于，构建所述初始风险分析模型的步骤，包括：获取历史用户基本信息及对应的风险标注结果；将所述历史用户基本信息及对应的风险标注结果输入多特征融合的深度神经网络进行训练，得到所述初始风险分析模型。3.根据权利要求2所述的金融信用风险分析方法，其特征在于，构建所述综合风险分析模型的步骤，包括：获取历史用户基本信息对应的权重标注结果与风险标注结果；其中，所述权重标注结果为历史用户的历史关联用户对所述历史用户的影响权重；将所述历史用户基本信息、对应的权重标注结果与风险标注结果输入随机森林决策树进行训练，得到所述综合风险分析模型。4.根据权利要求1所述的金融信用风险分析方法，其特征在于，所述根据获取的用户基本信息及预先构建的初始风险分析模型生成用户信息知识图谱，包括：将预处理后的用户基本信息输入所述初始风险分析模型，得到用户初始风险；根据所述用户基本信息中的用户关系信息及所述用户初始风险生成所述用户信息知识图谱。5.根据权利要求4所述的金融信用风险分析方法，其特征在于，所述利用预先构建的综合风险分析模型确定所述用户信息知识图谱中的用户...

【专利技术属性】
技术研发人员：祝洁，宋承展，房园，梁侃，
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：