(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 202210650432.1 (22)申请日 2022.06.10 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 程鹏　白佳乐　任政　武文轩　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 景怀宇 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 用户还款逾期预测方法、 装置和计算机设备 (57)摘要 本申请涉及人工智能相关领域， 特别是涉及 一种用户还款逾期预测方法、 装置和计算机设 备， 获取目标用户的历史还款数据； 从所述历史 还款数据中获取还款特征对应的目标历史还款 数据； 针对任一所述还款特征， 根据所述还款特 征对应的指定时长， 对所述目标历史还款数据按 照所述指定时长进行均值处理， 得到所述还款特 征对应的还款特征数据； 将所述还款特征数据输 入逾期预测模 型， 得到所述目标用户的还款逾期 预测结果。 本申请提供的用户还款逾期预测方 法、 装置和计算机设备， 显著提高了对用户还款 逾期的预测精度。 权利要求书2页 说明书16页 附图5页 CN 115034885 A 2022.09.09 CN 115034885 A 1.一种用户还款逾期预测方法， 其特 征在于， 所述方法包括： 获取目标用户的历史还款数据； 从所述历史还款数据中获取还款特征对应的目标历史还款数据， 其中， 所述还款特征 为基于指 定时长和所述历史还款数据对应的指标特征构建得到的特征， 所述目标历史还款 数据包括所述指标 特征在所述指定时长内对应的所述历史还款数据； 针对任一所述还款特征， 根据所述还款特征对应的所述指定时长， 对所述目标历史还 款数据按照所述指定时长进行均值处 理， 得到所述还款特 征对应的还款特 征数据； 将所述还款特 征数据输入逾期预测模型， 得到所述目标用户的还款逾期预测结果。 2.根据权利要求1所述的用户还款逾期预测方法， 其特征在于， 所述针对任一所述还款 特征， 根据所述还款特征对应的所述指定时长， 对所述 目标历史还款数据按照所述指定时 长进行均值处 理， 得到所述还款特 征对应的还款特 征数据， 包括： 针对任一所述还款特征， 根据所述还款特征对应的所述指定时长， 对所述目标历史还 款数据按照所述指定时长进行分组， 得到多个目标历史还款数据组； 针对任一所述目标历史还款数据组， 确定所述目标历史还款数据组中的目标历史还款 数据的目标历史还款数据均值； 将各所述目标历史还款数据组对应的所述目标历史还款数据均值， 作为所述还款特征 对应的还款特 征数据。 3.根据权利要求1或2所述的用户还款逾期预测方法， 其特 征在于， 所述方法还 包括： 获取样本用户对应的样本历史还款数据； 通过特征权重算法， 基于所述样本历史还款数据确定所述还款特 征； 根据所述样本历史还款数据中所述还款特征对应的目标样本历史还款数据， 构建训练 集； 根据所述训练集训练初始 逾期预测模型， 得到所述逾期预测模型。 4.根据权利要求3所述的用户还款逾期预测方法， 其特征在于， 所述通过特征权重算 法， 基于所述样本用户还款数据确定所述还款特 征， 包括： 针对任一所述指标特征， 从所述样本用户还款数据中获取所述指标特征对应的样本指 标特征数据； 针对任一所述指标 特征， 根据不同时长构建对应的时长指标 特征； 针对任一所述时长指标特征， 根据所述时长指标特征对应的时长， 对所述样本指标特 征数据进行分组， 得到多个时长指标 特征数据组； 针对任一所述 时长指标特征数据组， 确定所述 时长指标特征数据组中的样本指标特征 数据的样本指标特征数据均值， 并将各所述时长指标特征数据组对应的所述样本指标特征 数据均值， 作为所述时长指标 特征对应的特 征数据； 通过特征权重算法和各个所述 时长指标特征对应的特征数据， 从所述多个时长指标特 征中确定所述还款特 征。 5.根据权利要求1所述的用户还款逾期预测方法， 其特征在于， 所述逾期预测模型包括 循环神经网络和分类算法， 所述将所述还款特征数据输入逾期预测模型， 得到所述 目标用 户的还款逾期预测结果， 包括： 将所述还款特 征数据输入所述循环神经网络， 得到第一预测结果；权　利　要　求　书 1/2 页 2 CN 115034885 A 2将所述还款特 征数据输入所述分类算法， 得到第二预测结果； 根据所述循环神经网络对应的第 一权重和所述分类算法对应的第 二权重， 对所述第 一 预测结果和所述第二预测结果进行融合处 理， 得到所述目标用户的还款逾期预测结果。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 确定所述循环神经网络的精度和所述分类算法的精度； 根据所述循环神经网络的精度和所述分类算法的精度， 确定所述循环神经网络对应的 所述第一权 重， 以及确定所述分类算法对应的所述第二权 重。 7.一种用户还款逾期预测装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取目标用户的历史还款数据； 数据提取模块， 用于从所述历史还款数据中获取还款特征对应的目标历史还款数据， 其中， 所述还款特征为基于指定时长和所述历史还款数据对应的指标特征构建得到的特 征， 所述目标历史还款数据包括所述指标特征在所述指定时长内对应的所述历史还款数 据； 均值处理模块， 用于针对任一所述还款特征， 根据 所述还款特征对应的所述指定时长， 对所述目标历史还款数据按照所述指 定时长进行均值处理， 得到所述还款特征对应的还款 特征数据； 预测模块， 用于将所述还款特征数据输入逾期预测模型， 得到所述目标用户的还款逾 期预测结果。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115034885 A 3