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。