(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 202210756385.9 (22)申请日 2022.06.30 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 蔡笑炜　 (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 王云晓 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) G06Q 20/10(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 逾期行为预测方法及 装置、 存储介质及电子 设备 (57)摘要 本发明提供了一种逾期行为预测方法及装 置、 存储介质及电子设备， 该方法包括： 响应于预 测指令， 确定所述预测指令对应的用户； 获取所 述用户在预设的时间段内的行为数据以及所述 用户的用户数据； 所述行为数据由所述用户对终 端上的金融类应用程序的操作生成； 所述用户数 据包括用户个人信息、 资产数据、 信用数据和交 易数据中的至少一种； 根据所述用户在所述时间 段内的行为数据获得所述用户的行为序列； 将所 述行为序列以及所述用户数据输入到预先构建 的逾期行为预测模型， 获得所述逾期行为预测模 型输出的所述用户的逾期行为预测结果。 应用本 发明实施例提供的方法， 能够提取时间维度特征 和细粒度的行为特征， 有效的提高了模型的预测 准确率。 权利要求书2页 说明书9页 附图3页 CN 115018190 A 2022.09.06 CN 115018190 A 1.一种逾期行为预测方法， 其特 征在于， 包括： 响应于预测指令， 确定所述预测指令对应的用户； 获取所述用户在预设的时间段内的行为数据以及所述用户的用户数据； 所述行为数据 由所述用户对终端上 的金融类应用程序的操作生成； 所述用户数据包括用户个人信息、 资 产数据、 信用数据和交易数据中的至少一种； 根据所述用户在所述时间段内的行为数据获得 所述用户的行为序列； 将所述行为序列以及所述用户数据输入到预先构建的逾期行为预测模型， 获得所述逾 期行为预测模型输出的所述用户的逾期行为预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述用户在所述 时间段内的行为 数据获得 所述用户的行为序列， 包括： 利用预先训练好的时间循环神经网络对所述用户在所述时间段内的行为数据进行处 理， 获得所述用户的行为序列。 3.根据权利要求2所述的方法， 其特 征在于， 所述时间循环神经网络的训练过程， 包括： 获取训练数据集， 训练数据集包括多个训练样本， 每个所述训练样本包括历史用户的 在预设的历史时间段内的历史行为数据以及样本标签； 利用所述训练数据集中的各个训练样本训练所述时间循环神经网络 。 4.根据权利要求1所述的方法， 其特征在于， 所述获取所述用户在预设的时间段内的行 为数据， 包括： 确定所述用户在预设的时间段内的各个备选行为数据； 在所述各个备选行为数据的数量大于或等于预设的数量值的情况下， 在所述各个备选 行为数据中选取出所述数量值的备选行为数据， 并将已选取的所述备选行为数据作为所述 用户的行为数据； 在所述各个备选行为数据的数量未大于预设的数量值的情况下， 对所述各个备选行为 数据进行补齐操作， 获得 所述用户的行为数据。 5.根据权利要求1所述的方法， 其特征在于， 所述获得所述逾期行为预测模型输出的所 述用户的逾期行为预测结果之后， 还 包括： 在所述逾期行为预测结果表征所述用户在未来 时段发生逾期行为的情况下， 根据 所述 逾期行为预测结果 生成告警信息， 并输出 所述告警信息 。 6.一种逾期行为预测装置， 其特 征在于， 包括： 确定单元， 用于响应于预测指令， 确定所述预测指令对应的用户； 获取单元， 用于获取所述用户在预设的时间段内的行为数据 以及所述用户的用户数 据； 所述行为数据由所述用户对终端上 的金融类应用程序的操作生成； 所述用户数据包括 用户个人信息、 资产数据、 信用数据和交易数据中的至少一种； 第一执行单元， 用于根据所述用户在所述 时间段内的行为数据获得所述用户的行为序 列； 第二执行单元， 用于将所述行为序列以及所述用户数据输入到预先构建的逾期行为预 测模型， 获得 所述逾期行为预测模型输出的所述用户的逾期行为预测结果。 7.根据权利要求6所述的装置， 其特 征在于， 所述第一执 行单元， 包括： 执行子单元， 用于利用预先训练好的时间循环神经网络对所述用户在所述 时间段内的权　利　要　求　书 1/2 页 2 CN 115018190 A 2行为数据进行处 理， 获得所述用户的行为序列。 8.根据权利要求6所述的装置， 其特 征在于， 所述第一执 行单元， 包括： 获取子单元， 用于获取训练数据集， 训练数据集包括多个训练样本， 每个所述训练样本 包括历史用户的在预设的历史时间段内的历史行为数据以及样本标签； 训练子单元， 用于利用所述训练数据集中的各个训练样本训练所述时间循环神经网 络。 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 一项所述的逾期行为预测方法。 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 一项所述的逾期行为预测方法。权　利　要　求　书 2/2 页 3 CN 115018190 A 3