本申请涉及一种风险预测方法、装置、计算机设备和存储介质，可用于金融科技领域或其他相关领域。所述方法包括：获取目标用户的用户信息，所述目标用户购买目标产品的资源借用信息，以及所述目标产品的产品关联信息；其中，所述产品关联信息包括产品属性信息、产品代理方信息和产品生产方信息；根据所述用户信息、所述资源借用信息和所述产品关联信息，构建所述目标用户的异构知识图谱；将所述异构知识图谱输入至风险预测模型，得到风险预测信息；其中，所述风险预测信息用于表征所述目标用户对借用资源的归还风险。采用本方法能够更加全面、准确的对用户的资源归还风险进行预测。准确的对用户的资源归还风险进行预测。准确的对用户的资源归还风险进行预测。
【技术实现步骤摘要】
风险预测方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种风险预测方法、装置、计算机设备和存储介质，可用于金融科技领域或其他相关领域。
技术介绍
[0002]近年来，随着金融机构的经营规模不断扩大、金融业务范围的不断拓宽，用户资源归还风险的发生概率也随之提高。为了避免出现用户所借用的资源逾期未归还，导致金融机构的运转出现漏洞的情况，对用户进行资源归还风险预测尤为重要。
[0003]现有技术中，对用户风险识别的方式通常是采用基于逻辑回归(Logistics Regression，LR)、随机森林(Random Forest，RF)、支持向量机(Support Vector Machine，SVM)等机器学习方法，或者是基于深度神经网络的预测方法。然而，现有技术中，无论是机器学习方法还是基于深度神经网络的预测方法，均是基于用户自身的信息来预测用户的风险，这种方式存在预测结果不全面、准确性低的问题。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够全面、准确的对用户的资源归还风险进行预测的风险预测方法、装置、计算机设备和存储介质。
[0005]第一方面，本申请提供了一种风险预测方法，该方法包括：
[0006]获取目标用户的用户信息，目标用户购买目标产品的资源借用信息，以及目标产品的产品关联信息；其中，产品关联信息包括产品属性信息、产品代理方信息和产品生产方信息；
[0007]根据用户信息、资源借用信息和产品关联信息，构建目标用户的异构知识图谱；
[0008]将异构知识图谱输入至风险预测模型，得到风险预测信息；其中，风险预测信息用于表征目标用户对借用资源的归还风险。
[0009]在其中一个实施例中，根据用户信息、资源借用信息和产品关联信息，构建目标用户的异构知识图谱，包括：
[0010]将目标用户、产品代理方、产品生产方和资源提供方，以及目标产品和目标产品的归属区，均作为实体点；
[0011]从用户信息、资源借用信息和产品关联信息中提取各实体点之间的关联关系；
[0012]根据各实体点，以及各实体点之间的关联关系，构建目标用户的异构知识图谱。
[0013]在其中一个实施例中，风险预测模型包括特征提取网络和风险预测网络，将异构知识图谱输入至风险预测模型，得到风险预测信息，包括：
[0014]通过特征提取网络，从异构知识图谱中提取关键特征；
[0015]将关键特征输入至风险预测网络，得到风险预测信息。
[0016]在其中一个实施例中，特征提取网络包括基础特征提取子网络和深度特征提取子网络，通过特征提取网络，从异构知识图谱中提取关键特征，包括：
[0017]对异构知识图谱中各实体点的属性数据进行两两拼接，得到多个数据组；
[0018]通过基础特征提取子网络，提取各数据组中两实体点之间的关联特征；
[0019]通过深度特征提取子网络，对各关联特征进行提取，得到关键特征。
[0020]在其中一个实施例中，通过深度特征提取子网络，对各关联特征进行提取，得到关键特征，包括：
[0021]对各关联特征进行拼接，得到融合特征；
[0022]通过深度特征提取子网络，对融合特征进行提取，得到关键特征。
[0023]在其中一个实施例中，该方法还包括：
[0024]若对目标用户的资源归还风险的预测结果为存在归还风险，则为目标用户生成资源归还方案；
[0025]向目标用户提供资源归还方案。
[0026]第二方面，本申请还提供了一种风险预测装置，该装置包括：
[0027]信息获取模块，用于获取目标用户的用户信息，目标用户购买目标产品的资源借用信息，以及目标产品的产品关联信息；其中，产品关联信息包括产品属性信息、产品代理方信息和产品生产方信息；
[0028]图谱构建模块，用于根据用户信息、资源借用信息和产品关联信息，构建目标用户的异构知识图谱；
[0029]风险预测模块，用于将异构知识图谱输入至风险预测模型，得到风险预测信息；其中，风险预测信息用于表征目标用户对借用资源的归还风险。
[0030]第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0031]获取目标用户的用户信息，目标用户购买目标产品的资源借用信息，以及目标产品的产品关联信息；其中，产品关联信息包括产品属性信息、产品代理方信息和产品生产方信息；
[0032]根据用户信息、资源借用信息和产品关联信息，构建目标用户的异构知识图谱；
[0033]将异构知识图谱输入至风险预测模型，得到风险预测信息；其中，风险预测信息用于表征目标用户对借用资源的归还风险。
[0034]第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0035]获取目标用户的用户信息，目标用户购买目标产品的资源借用信息，以及目标产品的产品关联信息；其中，产品关联信息包括产品属性信息、产品代理方信息和产品生产方信息；
[0036]根据用户信息、资源借用信息和产品关联信息，构建目标用户的异构知识图谱；
[0037]将异构知识图谱输入至风险预测模型，得到风险预测信息；其中，风险预测信息用于表征目标用户对借用资源的归还风险。
[0038]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0039]获取目标用户的用户信息，目标用户购买目标产品的资源借用信息，以及目标产品的产品关联信息；其中，产品关联信息包括产品属性信息、产品代理方信息和产品生产方
信息；
[0040]根据用户信息、资源借用信息和产品关联信息，构建目标用户的异构知识图谱；
[0041]将异构知识图谱输入至风险预测模型，得到风险预测信息；其中，风险预测信息用于表征目标用户对借用资源的归还风险。
[0042]上述风险预测方法、装置、计算机设备和存储介质，通过根据目标用户的用户信息、目标用户购买目标产品的资源借用信息，以及目标产品的产品关联信息，构建目标用户的异构知识图谱；进一步的，结合风险预测模型，根据异构知识图谱，对目标用户的资源归还风险进行预测。相较于仅根据目标用户的用户信息，对目标用户的资源归还风险进行预测而言，上述方案通过引入目标用户的用户信息、目标用户购买目标产品的资源借用信息，能够使构建的目标用户的异构知识图谱更加全面、准确；进一步的，通过引入风险预测模型，根据目标用户的异构知识图谱，能够实现提高对目标用户的资源归还风险进行预测的准确性和全面性的效果。
附图说明
[0043]图1为一个实施例中风险预测方法的流程示意图；
[0044]图2为一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风险预测方法，其特征在于，所述方法包括：获取目标用户的用户信息，所述目标用户购买目标产品的资源借用信息，以及所述目标产品的产品关联信息；其中，所述产品关联信息包括产品属性信息、产品代理方信息和产品生产方信息；根据所述用户信息、所述资源借用信息和所述产品关联信息，构建所述目标用户的异构知识图谱；将所述异构知识图谱输入至风险预测模型，得到风险预测信息；其中，所述风险预测信息用于表征所述目标用户对借用资源的归还风险。2.根据权利要求1所述的方法，其特征在于，所述根据所述用户信息、所述资源借用信息和所述产品关联信息，构建所述目标用户的异构知识图谱，包括：将所述目标用户、产品代理方、产品生产方和资源提供方，以及所述目标产品和所述目标产品的归属区，均作为实体点；从所述用户信息、所述资源借用信息和所述产品关联信息中提取各实体点之间的关联关系；根据各实体点，以及各实体点之间的关联关系，构建所述目标用户的异构知识图谱。3.根据权利要求1所述的方法，其特征在于，所述风险预测模型包括特征提取网络和风险预测网络，所述将所述异构知识图谱输入至风险预测模型，得到风险预测信息，包括：通过所述特征提取网络，从所述异构知识图谱中提取关键特征；将所述关键特征输入至所述风险预测网络，得到风险预测信息。4.根据权利要求3所述的方法，其特征在于，所述特征提取网络包括提取子网络和深度特征提取子网络，所述通过所述特征提取网络，从所述异构知识图谱中提取关键特征，包括：对所述异构知识图谱中各实体点的属性数据进行两两拼接，得到多个数据组；通过所述基础特征提取子网络，提取各数据组中两...
【专利技术属性】
技术研发人员：徐林嘉，陈李龙，袁如怡，李睿琦，
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。