本申请涉及一种信用信息更新方法、装置、设备、存储介质和程序产品。应用于人工智能技术领域。方法包括：获取多个交易记录样本，进行数据预处理，构建相应的交易向量样本集合，对交易向量样本集合进行迭代更新，直至迭代次数达到预设次数，获得最终的交易向量样本集合；对至少两个信用等级预测模型进行训练，获得训练后的信用等级预测模型和相应的准确率；将待预测对象的交易记录分别输入至至少两个训练后的信用等级预测模型中，输出待预测对象相应的信用等级预测结果；根据每个信用等级预测模型的准确率和待预测对象的至少两个信用等级预测结果，确定并更新待预测对象的信用等级。采用本方法能够更准确地确定待预测对象的信用等级。
【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种信用信息更新方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着互联网金融技术和业务的发展，信用卡等借贷类金融产品规模也越来越大。越来越多的用户开始使用的信用卡，用户对应的信用卡存在一个相应的信用额度，信用额度是基于用户相应的信用等级确定的。
2、传统技术中，信用等级预测模型也往往只基于单一的交易记录进行训练和预测，从而导致信用等级预测的准确性不高。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够更准确地确定待预测对象的信用等级的信用信息更新方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种信用信息更新方法。所述方法包括：
3、获取多个交易记录样本，所述交易记录样本包括交易时刻、交易额度、交易地点、交易产品类型和信用等级；
4、针对每一交易记录样本，进行数据预处理，构建所述交易记录样本相应的交易向量样本；
5、针对由多个交易向量样本所构成的交易向量样本集合，随机选择至少三个交易向量样本，从所述至少三个交易向量样本中选取相减向量；
6、对不同的相减向量之间相同类型的内容项进行相减，获得差向量，并按照调整因子，对所述差向量中每一内容项进行调整；
7、将调整后的差向量与交易向量样本集合中剩余的交易向量样本相加，按照交易向量样本中每一内容项的预设取值，对相加结果进行规整，获得新产生的交易向量样本；</p>8、对所述交易向量样本集合中不同交易向量样本之间相同类型的内容项进行交换，获得新产生的交易向量样本；
9、基于所有新产生的交易向量样本，对交易向量样本集合进行更新，并返回随机选择至少三个交易向量样本的步骤并继续执行，直至执行迭代次数达到预设次数，获得最终的交易向量样本集合；
10、基于最终的交易向量样本集合，对至少两个信用等级预测模型进行训练，获得至少两个训练后的信用等级预测模型，以及获取每个信用等级预测模型的准确率；
11、在存在对象出现异常交易行为的情况下，将出现异常交易行为的对象作为待预测对象，获取所述待预测对象的交易记录；
12、将所述交易记录分别输入至至少两个训练后的信用等级预测模型中，输出所述待预测对象相应的信用等级预测结果；
13、根据每个信用等级预测模型的准确率和待预测对象的至少两个信用等级预测结果，确定并更新所述待预测对象的信用等级。
14、在其中一个实施例中，所述针对每一交易记录样本，进行数据预处理，构建所述交易记录样本相应的交易向量样本，包括：
15、针对每一交易记录样本，按照预先设置的交易地点与交易地点编号之间的对应关系，将所述交易记录样本中的交易地点转化为交易地点编号，按照预先设置的交易产品类型与产品类型编号之间的对应关系，将所述交易记录样本中的交易产品类型转化为产品类型编号，基于所述交易地点编号、所述产品类型编号、以及所述交易记录样本中的交易时刻、交易额度和信用等级，构建所述交易记录样本相应的交易向量样本。
16、在其中一个实施例中，确定存在对象出现异常交易行为的步骤，包括：
17、获取对象在当前时间段的行为数据，所述行为数据包括至少一个交易行为的交易产品类型的标识信息；
18、根据交易行为的交易产品类型的标识信息，获取对象在交易产品类型的历史行为数据；
19、根据在当前时间段的行为数据和历史行为数据，获取对象在每个交易产品类型上针对当前时间段的行为数据的特征向量和相应的历史行为数据的特征向量；
20、基于每个交易产品类型上针对当前时间段的行为数据的特征向量和相应的历史行为数据的特征向量，确定每个交易产品类型对应的多个相似度大小；
21、根据每个交易产品类型对应的多个相似度大小，获取每个交易产品类型相应的平均相似度；
22、基于每个交易产品类型对应的多个相似度大小和平均相似度，确定每个交易产品类型是否出现疑似交易异常；
23、在存在疑似交易异常的交易产品类型的数量大于第一阈值时，确定对象出现异常交易行为；所述第一阈值基于历史违约对象出现的交易产品类型异常的数量确定的。
24、在其中一个实施例中，所述根据在当前时间段的行为数据和历史行为数据，获取对象在每个交易产品类型上针对当前时间段的行为数据的特征向量和相应的历史行为数据的特征向量，包括：
25、获取训练后的特征表示模型；所述特征表示模型为并行处理的模型；
26、将当前时间段的行为数据和历史行为数据，输入至训练后的特征表示模型，获取对象在每个交易产品类型上针对当前时间段的行为数据的特征向量和相应的历史行为数据的特征向量。
27、在其中一个实施例中，所述获取每个信用等级预测模型的准确率，包括：
28、针对每一个信用等级预测模型，将多个交易记录样本中对象的信用等级以及通过所述信用等级预测模型进行预测的信用等级进行对比，获取预测正确的样本的数量；
29、将所述预测正确的样本的数量与相应的多个交易记录样本中的数量，进行比对，获取所述信用等级预测模型相应的准确率。
30、在其中一个实施例中，所述训练后的信用等级预测模型包括至少一个时间卷积计算层、至少一个残差连接层以及至少一个全连接层；所述将所述交易记录分别输入至至少两个训练后的信用等级预测模型中，输出所述待预测对象相应的信用等级预测结果，包括：
31、针对每一个信用等级预测模型，将所述预设时间段的交易记录输入至至少一个时间卷积计算层，获取针对交易记录的特征向量；
32、将所述针对交易记录的特征向量，输入至至少一个残差连接层，获取相应的拼接向量；
33、将所述拼接向量输入至至少一个全连接层，获取用户相应的多个信用等级以及所述信用等级对应的概率值。
34、在其中一个实施例中，所述根据每个信用等级预测模型的准确率和待预测对象的至少两个信用等级预测结果，确定所述待预测对象的信用等级，包括：
35、根据待预测对象的至少两个信用等级预测结果，确定待预测对象相应的至少两个初步信用等级；
36、对待预测对象相应的至少两个初步信用等级和每个信用等级预测模型的准确率，进行加权求和，确定并更新所述待预测对象的信用等级。
37、第二方面，本申请还提供了一种信用信息更新装置。所述装置包括：
38、样本获取模块，用于获取多个交易记录样本，所述交易记录样本包括交易时刻、交易额度、交易地点、交易产品类型和信用等级；
39、向量样本获取模块，用于针对每一交易记录样本，进行数据预处理，构建所述交易记录样本相应的交易向量样本；
40、相减向量获取模块，用于针对由多个交易向量样本所构成的交易向量样本集合，随机选择至少三个交易向量样本，从所述至少三个交易向量样本中选取本文档来自技高网
...
【技术保护点】
1.一种信用信息更新方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对每一交易记录样本，进行数据预处理，构建所述交易记录样本相应的交易向量样本，包括：
3.根据权利要求1所述的方法，其特征在于，确定存在对象出现异常交易行为的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据在当前时间段的行为数据和历史行为数据，获取对象在每个交易产品类型上针对当前时间段的行为数据的特征向量和相应的历史行为数据的特征向量，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取每个信用等级预测模型的准确率，包括：
6.根据权利要求1所述的方法，其特征在于，所述训练后的信用等级预测模型包括至少一个时间卷积计算层、至少一个残差连接层以及至少一个全连接层；所述将所述交易记录分别输入至至少两个训练后的信用等级预测模型中，输出所述待预测对象相应的信用等级预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据每个信用等级预测模型的准确率和待预测对象的至少两个信用等级预测结果，确定所述待预测对象的信用等级，包括：
8.一种信用信息更新装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种信用信息更新方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对每一交易记录样本，进行数据预处理，构建所述交易记录样本相应的交易向量样本，包括：
3.根据权利要求1所述的方法，其特征在于，确定存在对象出现异常交易行为的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据在当前时间段的行为数据和历史行为数据，获取对象在每个交易产品类型上针对当前时间段的行为数据的特征向量和相应的历史行为数据的特征向量，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取每个信用等级预测模型的准确率，包括：
6.根据权利要求1所述的方法，其特征在于，所述训练后的信用等级预测模型包括至少一个时间卷积计算层...
【专利技术属性】
技术研发人员：伏勇，
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。