用于金融数据的预警分析方法、系统和可读存储介质技术方案

本公开涉及一种用于金融数据的预警分析方法、系统和可读存储介质。其包括：分别对获取的金融相关数据中的个人信息、征信记录和财务状况进行语义编码后进行语义共空间映射以得到个人信息映射语义向量、征信记录映射语义编码向量和财务状况映射语义编码向量；然后，将个人信息映射语义向量、征信记录映射语义编码向量和财务状况映射语义编码向量进行金融数据间关联模式特征提取，并输入基于门控机制的类别相关注意力分配网络以得到借贷人金融数据间语义关联增强特征图，进而确定借贷人的信贷风险是否超过预定风险等级。这样，可以预测借款人的还款能力和违约风险，从而评估和预警借款人的信贷风险，为金融机构提供更为准确的授信决策支持。

【技术实现步骤摘要】

本公开涉及预警分析，具体地，涉及一种用于金融数据的预警分析方法、系统和可读存储介质。

技术介绍

1、随着金融市场的快速发展和金融产品的日益多样化，金融机构面临着更加复杂的信贷风险管理挑战。金融机构在放贷时需要评估借款人的信贷风险，以确保贷款安全并最大程度地减少违约风险。传统上，金融机构通常依靠人工审核和基于统计模型的方法来评估借款人的信贷风险。这些方法虽然在一定程度上有效，但在面对大规模数据和复杂风险情况时存在一些缺陷。例如，人工审核容易受到人为主观因素的影响，准确性和效率较低，难以应对大规模的金融数据。此外，传统方法通常建立在静态的统计模型基础上，无法充分适应金融市场和借款人状况的动态变化，导致模型的时效性和准确性受到挑战。

2、因此，期望一种优化的用于金融数据的预警分析方案。

技术实现思路

1、提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案本文档来自技高网...

【技术保护点】

1.一种用于金融数据的预警分析方法，其特征在于，包括：获取借款人的金融相关数据，其中，所述金融相关数据包括个人信息、征信记录和财务状况；分别对所述金融相关数据中的个人信息、征信记录和财务状况进行语义编码以得到个人信息语义编码向量、征信记录语义编码向量和财务状况语义编码向量；将所述个人信息语义编码向量、所述征信记录语义编码向量和所述财务状况语义编码向量进行语义共空间映射以得到个人信息映射语义向量、征信记录映射语义编码向量和财务状况映射语义编码向量；将所述个人信息映射语义向量、所述征信记录映射语义编码向量和所述财务状况映射语义编码向量进行金融数据间关联模式特征提取以得到借贷人金融数据间语义关...

【技术特征摘要】

1.一种用于金融数据的预警分析方法，其特征在于，包括：获取借款人的金融相关数据，其中，所述金融相关数据包括个人信息、征信记录和财务状况；分别对所述金融相关数据中的个人信息、征信记录和财务状况进行语义编码以得到个人信息语义编码向量、征信记录语义编码向量和财务状况语义编码向量；将所述个人信息语义编码向量、所述征信记录语义编码向量和所述财务状况语义编码向量进行语义共空间映射以得到个人信息映射语义向量、征信记录映射语义编码向量和财务状况映射语义编码向量；将所述个人信息映射语义向量、所述征信记录映射语义编码向量和所述财务状况映射语义编码向量进行金融数据间关联模式特征提取以得到借贷人金融数据间语义关联特征图；将所述借贷人金融数据间语义关联特征图输入基于门控机制的类别相关注意力分配网络以得到借贷人金融数据间语义关联增强特征图；基于所述借贷人金融数据间语义关联增强特征图，确定借贷人的信贷风险是否超过预定风险等级。

2.根据权利要求1所述的用于金融数据的预警分析方法，其特征在于，将所述个人信息语义编码向量、所述征信记录语义编码向量和所述财务状况语义编码向量进行语义共空间映射以得到个人信息映射语义向量、征信记录映射语义编码向量和财务状况映射语义编码向量，包括：将所述个人信息语义编码向量、所述征信记录语义编码向量和所述财务状况语义编码向量分别通过基于全连接层的语义共空间映射器以得到所述个人信息映射语义向量、所述征信记录映射语义编码向量和所述财务状况映射语义编码向量。

3.根据权利要求2所述的用于金融数据的预警分析方法，其特征在于，将所述个人信息映射语义向量、所述征信记录映射语义编码向量和所述财务状况映射语义编码向量进行金融数据间关联模式特征提取以得到借贷人金融数据间语义关联特征图，包括：将所述个人信息映射语义向量、所述征信记录映射语义编码向量和所述财务状况映射语义编码向量排列为语义关联矩阵后通过基于空洞卷积神经网络模型的金融数据间关联模式特征提取器以得到所述借贷人金融数据间语义关联特征图。

4.根据权利要求3所述的用于金融数据的预警分析方法，其特征在于，将所述借贷人金融数据间语义关联特征图输入基于门控机制的类别相关注意力分配网络以得到借贷人金融数据间语义关联增强特征图，包括：对所述借贷人金融数据间语义关联特征图进行基于最大值的全局池化处理、基于随机值的全局池化处理和基于平均值的全局池化处理以得到借贷人金融数据间语义关联特征全局最大值池化特征向量、借贷人金融数据间语义关联特征全局均值池化特征向量和借贷人金融数据间语义关联特征全局随机值池化特征向量；计算所述借贷人金融数据间语义关联特征全局最大值池化特征向量、所述借贷人金融数据间语义关联特征全局均值池化特征向量和所述借贷人金融数据间语义关联特征全局随机值池化特征向量之间的按位置加权和以得到借贷人金融数据间语义关联特征多尺度池化表示向量；对所述借贷人金融数据间语义关联特征多尺度池化表示向量进行基于全连接层的逐通道语义特征交互和特征激活以得到借贷人金融数据间通道语义关联特征向量；将所述借贷人金融数据间通道语义关联特征向量输入门控单元中，以对所述借贷人金融数据间通道语义关联特征向量中的各个位置特征值进行掩码化处理后再进行归一化操作以得到归一化借贷人金融数据间语义权重向量；以所述归一化借贷人金融数据间语义权重向量中各个位置的特征值作为加权系数，对所述借贷人金融数据间语义关联增强特征图中沿通道维度的各个特征矩阵进行加权优化以得到所述借贷人金融数据间语义关联增强特征图。

5.根据权利要求4所述的用于金融数据的预警分析方法，其特征在于，计算所述借贷人金融数据间语义关联特征全局最大值池化特征向量、所述借贷人金融数据间语义关联特征全局均值池化特征向量和所述借贷人金融数据间语义关联特征全局随机值池化特征向量之间的按位置加权和以得到借贷人金融数据间语义关联特征多尺度池化表示向量，包括：计算所述借贷人金融数据间语义关联特征全局最大值池化特征向量与第一预设可训练...

【专利技术属性】
技术研发人员：武振超，王杰，田龙云，滕旭扬，秦文文，
申请(专利权)人：日照财金路演有限公司，
类型：发明
国别省市：