预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共24页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115496587A(43)申请公布日2022.12.20(21)申请号202211178723.1(22)申请日2022.09.27(71)申请人支付宝(杭州)信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人傅驰林周俊张晓露王婧王敏吴伟昌(74)专利代理机构中国贸促会专利商标事务所有限公司11038专利代理师冯雯(51)Int.Cl.G06Q40/02(2012.01)G06Q10/04(2012.01)G06K9/62(2022.01)权利要求书4页说明书16页附图3页(54)发明名称预测用户的还款概率的方法、装置、设备及存储介质(57)摘要本公开涉及预测用户的还款概率的方法、装置、设备及存储介质。方法包括:接收描述用户在预设时间范围内的交易行为事件的交易行为事件序列;将预设时间范围分为多个一级时间窗口并将每个一级时间窗口内的交易行为事件聚合为一级特征;将各个一级时间窗口的一级特征输入第一门控循环单元以获得每个一级时间窗口的一级隐含特征;将预设时间范围分为多个二级时间窗口并将每个二级时间窗口内的一级特征聚合为二级特征;将各个二级时间窗口的二级特征输入第二门控循环单元以获得每个二级时间窗口的二级隐含特征;融合最后一个一级时间窗口的一级隐含特征和最后一个二级时间窗口的二级隐含特征以获得融合特征;基于融合特征确定用户的还款概率。CN115496587ACN115496587A权利要求书1/4页1.一种用于预测用户的还款概率的方法,包括:接收用户的交易行为事件序列,所述交易行为事件序列描述用户在预设时间范围内的多个时间发生的交易行为事件;将所述预设时间范围划分为多个一级时间窗口,以将交易行为事件按照其发生的时间分配至所述多个一级时间窗口,并针对每个一级时间窗口,将该一级时间窗口内的所有交易行为事件聚合为一个一级特征;将所述多个一级时间窗口的一级特征输入第一门控循环单元以获得每个一级时间窗口的一级隐含特征;将所述预设时间范围划分为多个二级时间窗口,以将一级特征按照其一级时间窗口分配至所述多个二级时间窗口,所述二级时间窗口的时间长度大于所述一级时间窗口的时间长度并且是所述一级时间窗口的时间长度的整数倍,并针对每个二级时间窗口,将该二级时间窗口内的所有一级特征聚合为一个二级特征;将所述多个二级时间窗口的二级特征输入第二门控循环单元以获得每个二级时间窗口的二级隐含特征;融合最后一个一级时间窗口的一级隐含特征和最后一个二级时间窗口的二级隐含特征以获得用户的融合特征;以及基于用户的融合特征,确定用户的还款概率。2.根据权利要求1所述的方法,还包括:将所述预设时间范围划分为多个三级时间窗口,以将二级特征按照其二级时间窗口分配至所述多个三级时间窗口,所述三级时间窗口的时间长度大于所述二级时间窗口的时间长度并且是所述二级时间窗口的时间长度的整数倍,并针对每个三级时间窗口,将该三级时间窗口内的所有二级特征聚合为一个三级特征;将所述多个三级时间窗口的三级特征输入第三门控循环单元以获得每个三级时间窗口的三级隐含特征;融合最后一个一级时间窗口的一级隐含特征、最后一个二级时间窗口的二级隐含特征和最后一个三级时间窗口的三级隐含特征以获得用户的融合特征。3.根据权利要求1所述的方法,其中,所述交易行为事件序列包括多个交易场景与交易时间的对,并且所述方法还包括将每个交易行为事件的交易场景通过独热编码转换为行为事件向量作为该交易行为事件的向量化表示。4.根据权利要求3所述的方法,其中,针对每个一级时间窗口将该一级时间窗口内的所有交易行为事件聚合为一个一级特征包括:针对该一级时间窗口内的每个交易行为事件,利用嵌入矩阵将该交易行为事件的行为事件向量转换为该交易行为事件的嵌入向量;将通过聚合该一级时间窗口内的所有交易行为事件的嵌入向量得到的一级聚合向量作为该一级时间窗口内的一级特征的向量化表示。5.根据权利要求4所述的方法,其中,每个一级时间窗口t的一级聚合向量满足以下条件表达式:2CN115496587A权利要求书2/4页其中,ei=xi·E其中,N为该一级时间窗口t内的交易行为事件的数量,xi为该一级时间窗口内的第i交易行为事件的行为事件向量,E为嵌入矩阵,ei为该一级时间窗口内的第i交易行为事件的嵌入向量,wt为模型参数。6.根据权利要求4所述的方法,其中,针对每个二级时间窗口将该二级时间窗口内的所有一级特征聚合为一个二级特征包括:通过自注意力机制更新每个一级时间窗口的一级聚合向量以得到更新的一级聚合向量;将通过经由行为门计算该二级时间窗口内的每个更新的一级聚合向量的权重并按计算的权重聚合该二级时间窗口内的所有更新的一级聚合向量得到的二级聚合向量作为该二