用户风险的评估方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114820210A(43)申请公布日2022.07.29(21)申请号202210439733.XG06N3/08(2006.01)(22)申请日2022.04.25(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人朱宏康王浩楠郑宝(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师周初冬(51)Int.Cl.G06Q40/08(2012.01)G06Q40/02(2012.01)G06N5/02(2006.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书8页附图3页(54)发明名称用户风险的评估方法、装置、电子设备及存储介质(57)摘要本申请提供了一种用户风险的评估方法、装置、电子设备及存储介质。在用户风险的评估方法中，首先获取待评估用户的用户数据，其中，用户数据至少包括用户属性、关系信息和交易信息。将用户属性和关系信息输入到知识提取单元中，得到用户知识特征。将交易信息输入到第一线性映射单元中，得到用户交易特征。然后将用户知识特征和用户交易特征输入到动态融合单元中，得到融合特征。最后将融合特征输入到第二线性映射单元中，得到待评估用户的风险等级。解决了现有技术中用户的风险评估效果较差，无法准确地对用户的风险进行评估，加大了银行等金融机构的金融业务的风险的问题。CN114820210ACN114820210A权利要求书1/2页1.一种用户风险的评估方法，其特征在于，应用于风险评估模型，其中，所述风险评估模型包括知识提取单元、第一线性映射单元、第二线性映射单元和动态融合单元，所述用户风险的评估方法，包括：获取待评估用户的用户数据，其中，所述用户数据至少包括用户属性、关系信息和交易信息；将所述用户属性和所述关系信息输入到所述知识提取单元中，得到用户知识特征；将所述交易信息输入到所述第一线性映射单元中，得到用户交易特征；将所述用户知识特征和所述用户交易特征输入到所述动态融合单元中，得到融合特征；将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级。2.根据权利要求1所述的方法，其特征在于，所述风险评估模型的构建过程，包括：获取标注风险等级的用户数据样本集；将所述标注风险等级的用户数据样本集输入到初始模型中进行运算，得到当前用户数据的风险等级；判断所述当前用户数据的风险等级与实际标注的用户数据的风险等级是否一致；若所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建；若所述当前用户数据的风险等级与实际标注的用户数据的风险等级不一致，则求出损失函数，并利用所述损失函数调整所述神经网络模型的参数，直至输出的所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建。3.根据权利要求1所述的方法，其特征在于，所述获取待评估用户的用户数据之后，还包括：对所述用户数据进行数据预处理。4.根据权利要求1所述的方法，其特征在于，所述将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用户的风险等级之后，还包括：将所述风险等级与预设的阈值进行对比；若所述风险等级大所述阈值，则生成风险用户的提示信息。5.一种用户风险的评估装置，其特征在于，应用于风险评估模型，其中，所述风险评估模型包括知识提取单元、第一线性映射单元、第二线性映射单元和动态融合单元，所述用户风险的评估方法，包括：获取单元，用于获取待评估用户的用户数据，其中，所述用户数据至少包括用户属性、关系信息和交易信息；第一特征提取单元，用于将所述用户属性和所述关系信息输入到所述知识提取单元中，得到用户知识特征；第二特征提取单元，用于将所述交易信息输入到所述第一线性映射单元中，得到用户交易特征；融合单元，用于将所述用户知识特征和所述用户交易特征输入到所述动态融合单元中，得到融合特征；评估单元，用于将所述融合特征输入到所述第二线性映射单元中，得到所述待评估用2CN114820210A权利要求书2/2页户的风险等级。6.根据权利要求5所述的装置，其特征在于，所述用户风险的评估装置还包括用于构建所述风险评估模型的模型构建单元，所述模型构建单元，包括：获取子单元，用于获取标注风险等级的用户数据样本集；运算子单元，用于将所述标注风险等级的用户数据样本集输入到初始模型中进行运算，得到当前用户数据的风险等级；判断子单元，用于判断所述当前用户数据的风险等级与实际标注的用户数据的风险等级是否一致；构建子单元，用于若所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致，则完成所述风险评估模型的构建；调参子单元，用于若所述当前用户数据的风险等级与实际