申请/专利权人：奇瑞徽银汽车金融股份有限公司

申请日：2023-12-25

公开（公告）日：2024-03-29

公开（公告）号：CN117787700A

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06F18/213;G06N3/0464;G06N3/08;G06Q40/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于动态图序列的贷后风险预测方法，包括如下步骤：S1、根据客户历史风险表现分析客户的关联关系维度，并采用选定的多维度关系基于客户的进件时间先后，使用滑动时间窗口的方式构建动态客户关系图序列；S2、采用图卷积神经网络GCN对客户关系图序列中每个时间步的图进行特征提取，获取目标节点的图向量表示集合；S3、使用LSTM网络结合注意力机制进行客户历史图特征融合，并使用MLP和跳层连接实现语义信息的融合，然后利用全连接网络结合softmax函数进行风险概率预测。本方案能够实现对客户历史先验知识、客户图序列特征以及客户时序特征等信息的有效利用，提升模型对客户贷后风险的准确性，以达到对汽车金融贷后风险的有效管理。

主权项：1.一种基于动态图序列的贷后风险预测方法，其特征在于：包括如下步骤：S1、客户动态关系图序列构建：根据客户历史风险表现分析客户的关联关系维度，并采用选定的多维度关系基于客户的进件时间先后，使用滑动时间窗口的方式构建动态客户关系图序列；S2、基于GCN的动态图特征提取：采用图卷积神经网络GCN对客户关系图序列中每个时间步的图进行特征提取，获取目标节点的图向量表示集合；S3、基于动态图序列的金融风险预测：使用LSTM网络结合注意力机制进行客户历史图特征融合，并使用MLP和跳层连接实现语义信息的融合，然后利用全连接网络结合softmax函数进行风险概率预测。

全文数据：

权利要求：

百度查询： 奇瑞徽银汽车金融股份有限公司 一种基于动态图序列的贷后风险预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD