(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 202210606396.9 (22)申请日 2022.05.31 (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 赵玲　朱志宇　方莲娣　马换新　 (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 郄晨芳 (51)Int.Cl. G06Q 40/02(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种信用风险评价方法及装置、 存储介质及 电子设备 (57)摘要 本发明提供了一种信用风险评价方法及装 置、 存储介质及电子设备， 可应用于金融领域或 其他领域， 该方法包括： 响应于信用风险评价指 令， 确定所述信用风险评价指令对应的用户； 获 取所述用户的信用行为数据； 通过预先构建的信 用风险评价模型中的第一特征提取模块对所述 用户的信用行为数据进行特征提取， 获得所述信 用行为数据的第一信用行为特征； 通过所述信用 风险评价模型中的第二特征提取模块对所述用 户的信用行为数据进行特征提取， 获得所述信用 行为数据的第二信用行为特征； 通过所述信用风 险评价模型中的输出模块基于所述第一信用行 为特征和所述第二信用行为特征， 获得所述用户 的信用风险评价结果。 能够提高信用风险的评价 准确性和评价效率。 权利要求书2页 说明书10页 附图4页 CN 115018627 A 2022.09.06 CN 115018627 A 1.一种信用风险评价方法， 其特 征在于， 包括： 响应于信用风险评价指令， 确定所述信用风险评价指令对应的用户； 获取所述用户的信用行为数据； 通过预先构建的信用风险评价模型中的第一特征提取模块对所述用户的信用行为数 据进行特征提取， 获得 所述信用行为数据的第一信用行为特 征； 通过所述信用风险评价模型中的第二特征提取模块对所述用户的信用行为数据进行 特征提取， 获得 所述信用行为数据的第二信用行为特 征； 通过所述信用风险评价模型中的输出模块基于所述第一信用行为特征和所述第二信 用行为特 征， 获得所述用户的信用风险评价结果。 2.根据权利要求1所述的方法， 其特征在于， 所述通过所述信用风险评价模型中的输出 模块基于所述第一信用行为特征和所述第二信用行为特征， 获得所述用户的信用风险评价 结果， 包括： 通过所述信用风险评价模型中的输出模块的特征融合层对所述第一信用行为特征和 第二信用行为特 征进行特征融合， 获得融合特 征； 通过所述信用风险评价模型中的输出模块的输出层基于所述融合特征， 确定所述用户 与每个预设的候选标签之 间的概率值； 将各个所述概率值中数值最大的目标概率值所属的 候选标签作为所述用户的信用风险评价结果。 3.根据权利要求1所述的方法， 其特 征在于， 构建所述信用风险评价模型的过程， 包括： 获取训练数据集以及初始信用风险评价模型； 所述训练数据集包括多个训练样本， 每 个所述训练样本包括一个历史用户的已标注样本标签的历史信用行为数据； 所述标本标签 表征所述历史用户的信用风险评价结果； 利用所述训练数据集中的各个训练样本训练所述初始信用风险评价模型， 直到所述初 始信用风险评价模型满足预设的训练条件； 将满足所述训练条件的初始信用风险评价模型确定为信用风险评价模型。 4.根据权利要求1所述的方法， 其特征在于， 通过预先构建的信用风险评价模型中的第 一特征提取模块对所述用户的信用行为数据进 行特征提取， 获得所述信用行为数据的第一 信用行为特 征， 包括： 通过所述信用风险评价模型的第 一特征提取模块中的卷积神经网络， 对所述信用行为 数据进行 特征提取， 获得第一信用行为初始特 征； 通过所述信用风险评价模型的第 一特征提取模块中的多头注意力 机制层， 对所述第 一 信用行为初始特 征进行处 理， 获得所述信用行为数据的第一信用行为特 征。 5.根据权利要求1所述的方法， 其特征在于， 所述获得所述用户的信用风险评价结果之 后， 还包括： 在所述用户的信用风险评价结果满足预设的信用风险告警条件的情况下， 输出针对所 述用户的信用风险告警信息 。 6.一种信用风险评价装置， 其特 征在于， 包括： 确定单元， 用于响应于信用风险评价指令， 确定所述信用风险评价指令对应的用户； 获取单元， 用于获取 所述用户的信用行为数据； 第一特征提取单元， 用于通过预先构建的信用风险评价模型中的第 一特征提取模块对权　利　要　求　书 1/2 页 2 CN 115018627 A 2所述用户的信用行为数据进行 特征提取， 获得 所述信用行为数据的第一信用行为特 征； 第二特征提取单元， 通过所述信用风险评价模型中的第 二特征提取模块对所述用户的 信用行为数据进行 特征提取， 获得 所述信用行为数据的第二信用行为特 征； 输出单元， 用于通过所述信用风险评价模型中的输出模块基于所述第 一信用行为特征 和所述第二信用行为特 征， 获得所述用户的信用风险评价结果。 7.根据权利要求6所述的装置， 其特 征在于， 所述输出 单元， 包括： 特征融合子单元， 用于通过所述信用风险评价模型中的输出模块的特征融合层对所述 第一信用行为特 征和第二信用行为特 征进行特征融合， 获得融合特 征； 输出子单元， 用于通过所述信用风险评价模型中的输出模块的输出层基于所述融合特 征， 确定所述用户与每个预设的候选标签之间的概率值； 将各个所述概率值中数值最大 的 目标概率值所属的候选标签作为所述用户的信用风险评价结果。 8.根据权利要求6所述的装置， 其特征在于， 还包括： 模型训练单元； 所述模型训练单 元， 用于： 获取训练数据集以及初始信用风险评价模型； 所述训练数据集包括多个训练样本， 每 个所述训练样本包括一个历史用户的已标注样本标签的历史信用行为数据； 所述标本标签 表征所述历史用户的信用风险评价结果； 利用所述训练数据集中的各个训练样本依次训练所述初始信用风险评价模型， 直到所 述初始信用风险评价模型满足预设的训练条件； 将满足所述训练条件的初始信用风险评价模型确定为信用风险评价模型。 9.一种存储介质， 其特征在于， 所述存储介质包括存储指令， 其中， 在所述指令运行时 控制所述存 储介质所在的设备 执行如权利要求1～5任意 一项所述的信用风险评价方法。 10.一种电子设备， 其特征在于， 包括存储器， 以及一个或者一个以上的指令， 其中一个 或一个以上指 令存储于存储器中， 且经配置以由一个或者一个以上处理器执行如权利要求 1～5任意 一项所述的信用风险评价方法。权　利　要　求　书 2/2 页 3 CN 115018627 A 3