(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 202210623436.0 (22)申请日 2022.06.02 (71)申请人 度小满科技(北京)有限公司 地址 100193 北京市海淀区西北旺东路10 号院西区4 号楼6层6 06室 (72)发明人 刘宏剑　严澄　杨青　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 赵昀彬 (51)Int.Cl. G06Q 40/02(2012.01) G06N 7/00(2006.01) G06K 9/62(2022.01) (54)发明名称 样本预测方法、 装置、 存 储介质及电子装置 (57)摘要 本发明公开了一种样本预测方法、 装置、 存 储介质及电子装置。 其中， 该方法包括： 获取目标 样本， 其中， 目标样本为信贷申请用户的样本； 获 取目标多任务网络模型； 将目标样 本输入到目标 多任务网络模 型， 得到目标样 本的第一目标概率 和第二目标概率， 其中， 第一目标概率为逾期概 率， 第二目标概率为被拒绝概率。 本发明解决了 相关技术中拒绝推断的方法中需要引入人为主 观判定， 导致信用风险评估不准确， 以及会发生 过拟合风险的技 术问题。 权利要求书2页 说明书11页 附图2页 CN 115082182 A 2022.09.20 CN 115082182 A 1.一种样本预测方法， 其特 征在于， 包括： 获取目标样本， 其中， 所述目标样本为信贷申请用户的样本； 获取目标多任务网络模型； 将所述目标样本输入到所述目标多任务网络模型， 得到所述目标样本的第 一目标概率 和第二目标概 率， 其中， 所述第一目标概 率为逾期概 率， 所述第二目标概 率为被拒绝 概率。 2.根据权利要求1所述的方法， 其特征在于， 所述获取目标多任务网络模型之前， 还包 括： 获取训练样本， 确定所述训练样本的第一任务标签和第 二任务标签， 其中， 所述训练样 本包括有借贷记录的样本和被拒绝的样本， 所述第一任务标签用于预测样本是否逾期， 所 述第二任务标签用于预测样本是否被拒绝； 获取初始多任务网络模型， 通过所述训练样本对所述初始多任务网络模型进行训练， 优化所述初始多任务网络模型的模型参数， 得到目标多任务网络模型。 3.根据权利要求2所述的方法， 其特征在于， 所述确定所述训练样本的第 一任务标签和 第二任务标签包括： 根据目标函数确定所述训练样本的所述第一任务标签和所述第二任务标签。 4.根据权利要求2或3所述的方法， 其特征在于， 所述初始多任务网络模型包括共享网 络层、 第一输出层和第二输出层， 所述共享网络层包括嵌入层、 自注意力机制层、 第一数层 全连接层和拼接层， 所述第一输出层包括第二数层全连接层和第一归一化层， 所述第二输 出层包括第三数层全连接层和第二归一 化层。 5.根据权利要求4所述的方法， 其特征在于， 所述训练样本的样本特征包括第 一类别型 特征和第一数值型特征， 所述通过所述训练样本对所述初始多任务网络模型进行训练， 优 化所述初始多任务网络模型的模型参数， 得到目标多任务网络模型包括： 通过所述第 一类别型特征和所述第 一数值型特征训练所述初始多任务网络模型， 确定 第一损失函数和第二损失函数， 其中， 所述第一损失函数为预测样本是否逾期的损失函数， 所述第二损失函数为预测样本是否被拒绝的损失函数； 根据所述第一损失函数和所述第二损失函数对所述初始多任务网络模型的所述模型 参数进行优化， 得到所述目标多任务网络模型目标多任务网络模型。 6.根据权利要求5所述的方法， 其特征在于， 所述模型参数包括所述嵌入层的维度、 所 述自注意力机制层的层数、 所述第一数层 全连接层的层数、 所述第二数层 全连接层的层数、 所述第三数层全连接层的层数、 所述第一归一 化层的参数和所述第二归一 化层的参数。 7.根据权利要求5或6所述的方法， 其特征在于， 所述目标样本包括目标类别型特征和 目标数值型特征， 所述将所述 目标样本输入到所述 目标多任务网络模型， 得到所述 目标样 本的第一目标概 率和第二目标概 率包括： 通过所述嵌入层将所述目标类别型特征映射为预设长度的向量， 再通过所述自注意力 机制层对所述向量进行非线性组合， 得到第一结果； 通过所述第一数层全连接层对所述目标 数值型特征进行非线性组合， 得到第二结果； 通过所述拼接层对所述第一结果和所述第二结果做拼接， 得到第三结果； 通过所述第 一输出层对所述第 三结果进行非线性组合和归一化处理， 得到所述目标样 本的第一目标概 率；权　利　要　求　书 1/2 页 2 CN 115082182 A 2通过所述第 二输出层对所述第 三结果进行非线性组合和归一化处理， 得到所述目标样 本的第二目标概 率。 8.一种样本预测装置， 其特 征在于， 包括： 样本获取模块， 所述样本获取模块用于获取目标样本， 其中， 所述目标样本为信贷申请 用户； 模型获取模块， 所述模型获取模块用于获取目标多任务网络模型； 处理模块， 所述处理模块用于将所述目标样本输入到所述目标多任务网络模型， 得到 所述目标样本的第一目标概率和 第二目标概率， 其中， 所述第一目标概率为逾期概率， 所述 第二目标概 率为被拒绝 概率。 9.一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中存储有计算机 程序， 其中， 所述计算机程序被 设置为在计算机或处理器上运行时， 执行上述权利要求 1至7 任一项中所述的样本预测方法。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行上述权利要求 1至7任一项中所述的样 本预测方法。权　利　要　求　书 2/2 页 3 CN 115082182 A 3