本公开提供了一种交易风险的评估方法，可以应用于金融领域。该方法包括：获取待评估客户的交易数据，所述交易数据包括时间序列数据和非时间序列数据；从所述时间序列数据中提取N组子时间序列数据，其中，N为大于等于2的整数，所述N组子时间序列数据中任意两组子时间序列数据的时间维度互不相同；将所述非时间序列数据和N组子时间序列数据输入评分模型，以确定所述客户的风险评分；以及基于所述风险评分，获得所述客户的交易风险评估结果。本公开还提供了一种交易风险的评估装置、设备、存储介质和程序产品。介质和程序产品。介质和程序产品。
【技术实现步骤摘要】
交易风险的评估方法、装置、电子设备和介质
[0001]本公开涉及金融领域，具体涉及交易风险评估领域，更具体地涉及一种交易风险的评估方法、装置、设备、介质和程序产品。
技术介绍
[0002]交易风险评估是预防金融风险的重要环节。
[0003]在实现本公开构思的过程中，专利技术人发现，目前的交易风险评估方法需要从原始交易数据中手动提取特征进行评分，这一过程评估速度慢，且准确度较低。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种交易风险的评估方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种交易风险的评估方法，包括：获取待评估客户的交易数据，所述交易数据包括时间序列数据和非时间序列数据；从所述时间序列数据中提取N组子时间序列数据，其中，N为大于等于2的整数，所述N组子时间序列数据中任意两组子时间序列数据的时间维度互不相同；将所述非时间序列数据和N组子时间序列数据输入评分模型，以确定所述客户的风险评分，其中，所述评分模型包括N个输入通道，每一个所述输入通道用于输入一组子时间序列数据，每个所述输入通道包括嵌入层、双向长短期记忆神经网络层和注意力层，所述注意力层用于基于所述非时间序列数据生成查询向量；以及基于所述风险评分，获得所述客户的交易风险评估结果。
[0006]根据本公开的实施例，每个所述输入通道都包括2层双向长短期记忆神经网络。
[0007]根据本公开的实施例，所述将所述非时间序列数据和N组子时间序列数据输入评分模型，以确定所述客户的风险评分的步骤包括：在每一个所述输入通道中，利用嵌入层将子时间序列数据转化为嵌入矩阵；将所述嵌入矩阵输入双向长短期记忆神经网络层中，以获取与交易顺序关联的交易信息；利用注意力层计算所述交易信息的权重；以及基于所述N个输入通道的交易信息和对应的权重，利用激活函数得到风险评分。
[0008]根据本公开的实施例，所述子时间序列数据包括非数值型数据和数值型数据；所述利用嵌入层将子时间序列数据转化为嵌入矩阵的步骤包括：利用独热编码技术处理所述非数值型数据，生成第一嵌入子矩阵；对所述数值型数据进行归一化处理，生成第二嵌入子矩阵；以及拼接所述第一嵌入子矩阵和第二嵌入子矩阵，得到嵌入矩阵。
[0009]根据本公开的实施例，所述从所述时间序列数据中提取N组子时间序列数据的步骤之前，所述方法还包括：对所述交易数据进行相关性分析，得到与交易风险评估相关的时间序列数据和非时间序列数据；所述从所述时间序列数据中提取N组子时间序列数据的步骤包括：从所述与交易风险评估相关的时间序列数据中提取N组子时间序列数据。
[0010]根据本公开的实施例，所述从所述时间序列数据中提取N组子时间序列数据的步骤包括：预设N种时间维度；和基于所述N种时间维度，从所述时间序列数据中提取N组子时
间序列数据。
[0011]根据本公开的实施例，所述基于所述风险评分，获得所述客户的交易风险评估结果的步骤包括：预设风险阈值；和当所述风险评分小于所述风险阈值时，所述客户的交易风险评估结果为低风险，通过所述客户的交易。
[0012]根据本公开的实施例，所述方法还包括：当所述风险评分大于等于所述风险阈值时，所述客户的交易风险评估结果为高风险，将所述客户的交易纳入风险预警管理。
[0013]本公开的第二方面提供了一种交易风险的评估装置，包括：第一获取模块，用于获取待评估客户的交易数据，所述交易数据包括时间序列数据和非时间序列数据；提取模块，用于从所述时间序列数据中提取N组子时间序列数据，其中，N为大于等于2的整数，所述N组子时间序列数据中任意两组子时间序列数据的时间维度互不相同；输入模块，用于将所述非时间序列数据和N组子时间序列数据输入评分模型，以确定所述客户的风险评分，其中，所述评分模型包括N个输入通道，每一个所述输入通道用于输入一组子时间序列数据，每个所述输入通道包括嵌入层、双向长短期记忆神经网络层和注意力层，所述注意力层用于基于所述非时间序列数据生成查询向量；以及评估模块，用于基于所述风险评分，获得所述客户的交易风险评估结果。
[0014]根据本公开的实施例，所述交易风险的评估装置中每个所述输入通道都包括2层双向长短期记忆神经网络。
[0015]根据本公开的实施例，所述输入模块包括转化单元，用于在每一个所述输入通道中，利用嵌入层将子时间序列数据转化为嵌入矩阵；第一输入单元，用于将所述嵌入矩阵输入双向长短期记忆神经网络层中，以获取与交易顺序关联的交易信息；第一计算单元，用于利用注意力层计算所述交易信息的权重；以及第二计算单元，用于基于所述N个输入通道的交易信息和对应的权重，利用激活函数得到风险评分。
[0016]根据本公开的实施例，所述子时间序列数据包括非数值型数据和数值型数据；所述转化单元包括：第一计算子模块，用于利用独热编码技术处理所述非数值型数据，生成第一嵌入子矩阵；归一化子模块，用于对所述数值型数据进行归一化处理，生成第二嵌入子矩阵；以及拼接子模块，用于拼接所述第一嵌入子矩阵和第二嵌入子矩阵，得到嵌入矩阵。
[0017]根据本公开的实施例，所述装置还包括相关性评估模块，用于对所述交易数据进行相关性分析，得到与交易风险评估相关的时间序列数据和非时间序列数据；所述提取模块用于从所述与交易风险评估相关的时间序列数据中提取N组子时间序列数据。
[0018]根据本公开的实施例，所述提取模块包括：时间维度预设单元，用于预设N种时间维度；和提取单元，用于基于所述N种时间维度，从所述时间序列数据中提取N组子时间序列数据。
[0019]根据本公开的实施例，所述评估模块包括：风险阈值预设单元，用于预设风险阈值；和第一评估单元，用于当所述风险评分小于所述风险阈值时，所述客户的交易风险评估结果为低风险，通过所述客户的交易。
[0020]根据本公开的实施例，所述评估模块还包括第二评估单元，用于当所述风险评分大于等于所述风险阈值时，所述客户的交易风险评估结果为高风险，将所述客户的交易纳入风险预警管理。
[0021]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于
存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
[0022]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
[0023]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
[0024]上述一个或多个实施例具有如下优点或有益效果：本公开实施例提供的交易风险的评估方法，利用多个输入通道和不同时间维度的交易数据对客户进行交易风险评估，加快了交易风险的评估速度，同时提高了交易风险评估的准确度，还提高了对用户数据的利用率。
附图说明
[0025]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交易风险的评估方法，其特征在于，所述方法包括：获取待评估客户的交易数据，所述交易数据包括时间序列数据和非时间序列数据；从所述时间序列数据中提取N组子时间序列数据，其中，N为大于等于2的整数，所述N组子时间序列数据中任意两组子时间序列数据的时间维度互不相同；将所述非时间序列数据和N组子时间序列数据输入评分模型，以确定所述客户的风险评分，其中，所述评分模型包括N个输入通道，每一个所述输入通道用于输入一组子时间序列数据，每个所述输入通道包括嵌入层、双向长短期记忆神经网络层和注意力层，所述注意力层用于基于所述非时间序列数据生成查询向量；以及基于所述风险评分，获得所述客户的交易风险评估结果。2.根据权利要求1所述的方法，其特征在于，每个所述输入通道都包括2层双向长短期记忆神经网络。3.根据权利要求1或2所述的方法，其特征在于，所述将所述非时间序列数据和N组子时间序列数据输入评分模型，以确定所述客户的风险评分的步骤包括：在每一个所述输入通道中，利用嵌入层将子时间序列数据转化为嵌入矩阵；将所述嵌入矩阵输入双向长短期记忆神经网络层中，以获取与交易顺序关联的交易信息；利用注意力层计算所述交易信息的权重；以及基于所述N个输入通道的交易信息和对应的权重，利用激活函数得到风险评分。4.根据权利要求3所述的方法，其特征在于，所述子时间序列数据包括非数值型数据和数值型数据；所述利用嵌入层将子时间序列数据转化为嵌入矩阵的步骤包括：利用独热编码技术处理所述非数值型数据，生成第一嵌入子矩阵；对所述数值型数据进行归一化处理，生成第二嵌入子矩阵；以及拼接所述第一嵌入子矩阵和第二嵌入子矩阵，得到嵌入矩阵。5.根据权利要求1、2或4所述的方法，其特征在于，所述从所述时间序列数据中提取N组子时间序列数据的步骤之前，所述方法还包括：对所述交易数据进行相关性分析，得到与交易风险评估相关的时间序列数据和非时间序列数据；所述从所述时间序列数据中提取N组子时间序列数据的步骤包括：从所述与交易风险评估相关的时间序列数据中...
【专利技术属性】
技术研发人员：滕潇，杨文俊，
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：
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。