(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210534365.7 (22)申请日 2022.05.17 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 王馨宇　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 薛平　周晓飞 (51)Int.Cl. G06Q 40/06(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 一种交易风险预测方法、 装置、 计算机设备 和存储介质 (57)摘要 本文公开了一种交易风险预测方法、 装置、 计算机设备和存储介质， 涉及机器学习技术领 域， 其中方法包括根据用户的属性信息对用户进 行分类； 根据用户的还款信息得到分类后各用户 的还款特征数据； 根据同一分类中各用户的还款 特征数据计算各用户和与其相邻的其他用户之 间的局部可达密度； 根据各用户的局部可达密 度， 筛选出待预测数据集中的离群点并剔除； 将 剔除离群点后的各分类用户的还款特征数据输 入至预先训练好的交易风险预测模 型中， 以获得 对用户的交易风险预测结果。 本文能够检测出用 户中的离群点并剔除， 能够提高对用户交易风险 预测的准确性； 并且结合机器学习对 各用户的交 易风险进行预测， 极大地提高了对用户交易风险 预测的效率。 权利要求书2页 说明书11页 附图3页 CN 114862593 A 2022.08.05 CN 114862593 A 1.一种交易 风险预测方法， 其特 征在于， 包括： 获取待预测数据集中各用户的属性信息和还款信息； 根据用户的属性信息对用户进行分类； 根据所述还款信息得到分类后各用户的还款特 征数据； 根据同一分类中各用户的还款特征数据计算各用户和与其相邻的其他用户之间的局 部可达密度； 根据各用户的局部可达密度， 筛 选出所述待预测数据集各分类中的离群点并剔除； 将剔除离群点后的各分类用户的还款特征数据输入至预先训练好的交易风险预测模 型中， 以获得对用户的交易 风险预测结果。 2.根据权利要求1所述的方法， 其特征在于， 在将剔除离群点后的各分类用户的还款特 征数据输入至预 先训练好的交易 风险预测模型中之前， 所述方法还 包括： 对同一分类中还款特 征数据的已有特 征进行关联处 理， 构建得到新增特 征； 将新增特 征与已有特 征共同作为各用户的还款特 征数据。 3.根据权利要求2所述的方法， 其特征在于， 对同一分类各用户的还款特征数据的已有 特征进行关联处 理， 进一步包括： 将待关联处 理的特征进行图像法分析； 根据图像法分析 结果， 判断待关联处 理的特征的信息是否存在相关性； 若待关联处 理的特征存在相关性， 则将其进行关联处 理。 4.根据权利要求2所述的方法， 其特征在于， 根据各用户的局部可达密度， 筛选出所述 待预测数据集各分类中的离群点并剔除， 进一 步包括： 根据各用户的局部可达密度， 计算各用户的局部 离群因子； 根据各用户的局部离群点因子的值， 确定所述待预测数据集中的离群点并将其剔除出 所述待预测数据集。 5.根据权利要求4所述的方法， 其特征在于， 所述交易风险预测模型通过如下步骤训练 得到： 获取还款特征数据训练集， 所述还款特征数据训练集包括多个用户的还款特征数据和 与各还款特 征数据相对应的风险预测结果标签； 利用所述还款特征数据训练集训练初始的交易风险预测模型， 直至初始的交易风险预 测模型输出 的各用户的交易风险预测结果与对应的风险预测结果标签在预设的误差范围 内， 得到训练好的交易 风险预测模型。 6.根据权利要求5所述的方法， 其特征在于， 在获取还款特征数据训练集之后， 所述方 法还包括： 对还款特征训练数据集中各用户的还款特征数据进行预处理和离群点剔除处理， 所述 预处理包括对各用户还款特征数据的各特征进 行打标处理、 数据 清洗处理和数据分箱处理 中的一种或几种的组合。 7.根据权利要求1所述的方法， 其特征在于， 在计算各用户和与其相邻的其他用户之间 的局部可达密度之前， 所述方法还 包括： 对所述待预测数据集中各用户的还款特征数据进行预处理， 所述预处理包括对各用户 还款特征数据的各特征进 行打标处理、 数据 清洗处理和数据分箱处理中的一种或几种的组权　利　要　求　书 1/2 页 2 CN 114862593 A 2合。 8.一种交易 风险预测装置， 其特 征在于， 包括： 信息获取模块， 用于获取待预测数据集中各用户的属性信息和还款信息； 分类模块， 用于根据用户的属性信息对用户进行分类； 还款特征数据获取模块， 用于根据所述还款信息得到分类后各用户的还款特 征数据； 局部可达密度计算模块， 用于根据同一分类中各用户的还款特征数据计算各用户和与 其相邻的其 他用户之间的局部可达密度； 离群点筛选和剔除模块， 用于根据各用户的局部可达密度， 筛选出所述待预测数据集 各分类中的离群点并剔除； 交易风险预测结果获取模块， 用于将剔除离群点后的各分类用户的还款特征数据输入 至预先训练好的交易 风险预测模型中， 以获得对用户的交易 风险预测结果。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7任意一项 所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至7任意 一项所述的方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至7任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114862593 A 3