System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及脑电,尤其涉及一种信贷违约预测方法和模型训练方法。
技术介绍
1、为了更好地管控信用风险,需要对用户的信贷违约进行风险评估。
2、相关技术中,一般根据用户的年收入、贷款记录、违约次数、名下账户数等社会学数据,进行统计学分析或者利用机器学习算法对违约概率进行预测。
3、但是,上述方式的预测准确性有待进一步提高。例如,有研究表明,30岁以下的人群违约率会更高,而首次贷款和初入社会的人可供参考的数据量较小,相关技术中对于这些人的处理可能会产生误差。
技术实现思路
1、本专利技术提供了一种信贷违约预测方法和模型训练方法,以提高信贷违约预测的准确性。
2、根据本专利技术的一方面,提供了一种一种信贷违约预测方法,包括:
3、获取用户的原始脑电信号;其中,原始脑电信号是用户在响应于预设还款问题的情况下采集的;
4、提取原始脑电信号中的刺激反映特征以及运动想象特征;并根据原始脑电信号确定用户的注意力程度特征;
5、利用预先训练的目标预测模型对用户的注意力程度特征、刺激反映特征以及运动想象特征进行识别处理,得到用户的信贷违约预测结果。
6、根据本专利技术的另一方面,提供了一种应用于信贷违约预测的模型训练方法,包括:
7、获取训练数据集,所述训练数据集包括多个待训练脑电信号,所述待训练脑电信号具有标注类型;
8、提取待训练脑电信号中的刺激反映特征以及运动想象特征;并根据待训练脑电信
9、计算刺激反映特征与运动想象特征之间的相似度;并根据相似度对刺激反映特征与运动想象特征进行处理,得到处理后特征;
10、采用注意力程度特征和所述处理后特征训练预设模型,得到目标预测模型。
11、根据本专利技术的另一方面,提供了一种信贷违约预测装置,包括:
12、获取单元,用于获取用户的原始脑电信号;其中,原始脑电信号是用户在响应于预设还款问题的情况下采集的;
13、提取单元,用于提取原始脑电信号中的刺激反映特征以及运动想象特征;并根据原始脑电信号确定用户的注意力程度特征;
14、预测单元,用于利用预先训练的目标预测模型对用户的注意力程度特征、刺激反映特征以及运动想象特征进行识别处理,得到用户的信贷违约预测结果。
15、根据本专利技术的另一方面,提供了一种应用于信贷违约预测的模型训练装置,包括:
16、获取单元,用于获取训练数据集,所述训练数据集包括多个待训练脑电信号,所述待训练脑电信号具有标注类型;
17、提取单元,用于提取待训练脑电信号中的刺激反映特征以及运动想象特征;并根据待训练脑电信号确定注意力程度特征;
18、训练单元,用于计算刺激反映特征与运动想象特征之间的相似度;并根据相似度对刺激反映特征与运动想象特征进行处理,得到处理后特征;
19、所述训练单元,还用于采用注意力程度特征和所述处理后特征训练预设模型,得到目标预测模型。
20、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:
21、至少一个处理器;以及
22、与所述至少一个处理器通信连接的存储器;其中,
23、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的方法。
24、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的方法。
25、本专利技术实施例的技术方案,可以提取并根据用户的脑电信号中的注意力程度特征、刺激反映特征和运动想象特征,进行识别处理,得到信贷违约预测结果。相比于用户的社会学数据,脑电数据能够更广泛的适配不同人群;用户的脑电数据中的注意力程度特征、刺激反映特征和运动想象特征可以较为准确的反映用户的特点,因此本方案可以提高信贷违约预测结果的准确性。
26、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种信贷违约预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述提取原始脑电信号中的刺激反映特征以及运动想象特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述提取探测刺激信号中的刺激反映特征以及运动想象特征,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用预先训练的目标预测模型对用户的注意力程度特征、刺激反映特征以及运动想象特征进行识别处理,得到用户的信贷违约预测结果,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据相似度对刺激反映特征与运动想象特征进行处理,得到处理后特征,包括:
6.一种应用于信贷违约预测的模型训练方法,其特征在于,包括:
7.一种信贷违约预测装置,其特征在于,包括:
8.一种应用于信贷违约预测的模型训练装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权
...【技术特征摘要】
1.一种信贷违约预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述提取原始脑电信号中的刺激反映特征以及运动想象特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述提取探测刺激信号中的刺激反映特征以及运动想象特征,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用预先训练的目标预测模型对用户的注意力程度特征、刺激反映特征以及运动想象特征进行识别处理,得到用户的信贷违约预测结果,包括:
5.根据权利要求4所述的方法,其特征在...
【专利技术属性】
技术研发人员:张程,
申请(专利权)人:中国农业银行股份有限公司,
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。