一种贷款风险预测方法、装置、设备以及存储介质制造方法及图纸

本申请提供了一种贷款风险预测方法、装置、设备以及存储介质，应用于人工智能领域或金融领域。该方法包括：获取目标对象的多维数据，将多维数据转换为时序图数据，利用时序图注意力网络模型，处理时序图数据，识别目标对象的贷款风险数据。其中，时序图数据包括多个节点和节点之间形成的节点关系链。节点至少包括目标对象对应的节点，节点关系链由对象之间的关系型数据确定，时序图数据的节点属性包括非关系数据，比如目标对象数据，信贷数据等。本申请通过多维度数据，以及数据间的关联关系，对贷款风险进行预测，数据类型丰富且全面，能够充分利用数据特点和数据信息进行预测，因此，在一定程度上提高了预测准确度。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及一种贷款风险预测方法、装置、设备以及存储介质。

技术介绍

1、贷款风险是指贷款还款过程中，分析借款人的信用数据和还款行为，预测借款人可能出现还款问题的风险。由于贷款业务形式数量巨大，且风险形式多样，因此风险控制是贷款业务的核心。目前，银行往往通过风险预测模型预测贷款风险。

2、比如，将对象输入数据，浏览记录，查询记录以及咨询记录数据进行统一化数据处理，将处理后的数据输入风险预测模型，比如逻辑回归模型，预测贷款风险。

3、然而，对象输入数据，浏览记录数据，查询记录数据，以及咨询记录数据等数据基本都是文本数据或者结构化数据，数据单一和片面，无法充分利用数据特点和信息，预测准确度低。

技术实现思路

1、有鉴于此，本申请一种贷款风险预测方法、装置、设备以及存储介质，以充分利用数据特点和信息，提高风险预测准确度。

2、第一方面，本申请提供一种贷款风险预测方法，所述方法包括：

3、获取目标对象的多维数据，所述多维数据包括所述目标对象与其他对象的关本文档来自技高网...

【技术保护点】

1.一种贷款风险预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述方法，其特征在于，所述将所述多维数据转换为时序图数据，包括：

3.根据权利要求1所述方法，其特征在于，所述利用时序图注意力网络模型，处理所述时序图数据，识别出所述目标对象的贷款风险数据，包括：

4.根据权利要求3所述方法，其特征在于，所述第一网络模块为图注意力网络，且所述第二网络为长短期记忆模型。

5.根据权利要求1所述方法，其特征在于，所述将所述多维数据转换为时序图数据，包括：删除所述多维数据的异常点数据；

6.根据权利要求1所述方法，其特征在于，所述...

【技术特征摘要】

1.一种贷款风险预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述方法，其特征在于，所述将所述多维数据转换为时序图数据，包括：

3.根据权利要求1所述方法，其特征在于，所述利用时序图注意力网络模型，处理所述时序图数据，识别出所述目标对象的贷款风险数据，包括：

4.根据权利要求3所述方法，其特征在于，所述第一网络模块为图注意力网络，且所述第二网络为长短期记忆模型。

5.根据权利要求1所述方法，其特征在于，所述将所述多维数据转换为时序图数据，包括：删除所述多维数据的...

【专利技术属性】
技术研发人员：关赵阳，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：