【技术实现步骤摘要】
本专利技术涉及人工智能，具体涉及一种信用卡客户风险识别方法及装置。
技术介绍
1、在当今数字化时代，信用卡已经成为了人们生活中不可或缺的一部分。然而，随着信用卡的普及，信用卡透支等风险也随之而来。因此，如何有效地识别信用卡用户的风险，已经成为了银行和金融机构的重要课题。
2、现有信用卡用户风险识别方法主要依赖于人工审核和信用评分系统。人工审核需要大量的人力和时间，而且容易受到人为因素的影响，导致审核结果的准确性和可靠性较低。信用评分系统则是基于用户的历史交易数据和信用记录，通过数学模型来预测用户的信用风险。但是信用评分系统涉及评分的数据维度有限，导致预测结果的准确性和可靠性也存在偏差。
技术实现思路
1、针对现有技术中的问题，本专利技术实施例提供一种信用卡客户风险识别方法及装置，能够至少部分地解决现有技术中存在的问题。
2、一方面，本专利技术提出一种信用卡客户风险识别方法，包括：
3、获取信用卡申请人的信用卡使用历史数据、收入数据和支出数据，基于第一预设信用评估模型对所述信用卡使用历史数据、所述收入数据和所述支出数据进行信用评估，得到信用卡申请人的第一信用评估结果；
4、获取信用卡申请人的信用卡交易数据，基于预设异常交易检测模型对所述信用卡交易数据进行异常交易检测，得到信用卡申请人的异常交易检测结果；
5、获取信用卡申请人的消费行为数据，基于第二预设信用评估模型对所述消费行为数据进行信用评估，得到信用卡申请人的第二信用评估
6、其中，所述第一预设信用评估模型、所述预设异常交易检测模型和所述第二预设信用评估模型分别预先通过对应的样本数据训练ai模型得到；
7、根据所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果对信用卡申请人进行客户风险识别。
8、其中，与所述第一预设信用评估模型相对应的ai模型为深度学习模型，与所述预设异常交易检测模型相对应的ai模型为时间序列模型，与所述第二预设信用评估模型相对应的ai模型为决策树模型。
9、其中，根据各自对应的分数值表示所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果；相应的，所述根据所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果对信用卡申请人进行客户风险识别，包括：
10、根据与所述第一信用评估结果对应的第一分数值，与所述异常交易检测结果对应的第二分数值和与所述第二信用评估结果对应的第三分数值，以及与其分别对应的权重值，计算客户风险综合分数；
11、根据所述客户风险综合分数对信用卡申请人进行客户风险识别。
12、其中，所述信用卡客户风险识别方法还包括：
13、获取信用卡申请人的客户基本信息；
14、若确定所述客户基本信息中的客户年龄在预设年龄区间内且客户行业为预设行业，在预设时段内的交易数值大于预设交易数值，则确定异常交易检测结果为异常。
15、其中，所述信用卡客户风险识别方法还包括：
16、基于预设反诈风险识别模型对所述信用卡交易数据进行识别；
17、其中，所述预设反诈风险识别模型通过反诈风险识别样本数据训练时间序列模型得到；
18、若确定识别结果为存在风险，则生成针对信用卡申请人的提醒消息。
19、其中，所述信用卡客户风险识别方法还包括：
20、基于预设产品推荐模型对所述消费行为数据进行处理，得到向信用卡申请人推荐的产品信息；
21、其中，所述预设产品推荐模型通过产品推荐样本数据训练决策树模型得到。
22、其中，所述信用卡客户风险识别方法还包括：
23、获取与所述第一预设信用评估模型、所述预设异常交易检测模型和所述第二预设信用评估模型分别对应的增量样本数据；
24、根据分别对应的增量样本数据再训练ai模型，得到优化的第一预设信用评估模型、优化的预设异常交易检测模型和优化的第二预设信用评估模型。
25、一方面，本专利技术提出一种信用卡客户风险识别装置，包括：
26、第一获取单元，用于获取信用卡申请人的信用卡使用历史数据、收入数据和支出数据，基于第一预设信用评估模型对所述信用卡使用历史数据、所述收入数据和所述支出数据进行信用评估，得到信用卡申请人的第一信用评估结果；
27、第二获取单元，用于获取信用卡申请人的信用卡交易数据，基于预设异常交易检测模型对所述信用卡交易数据进行异常交易检测，得到信用卡申请人的异常交易检测结果；
28、第三获取单元，用于获取信用卡申请人的消费行为数据，基于第二预设信用评估模型对所述消费行为数据进行信用评估，得到信用卡申请人的第二信用评估结果；
29、其中，所述第一预设信用评估模型、所述预设异常交易检测模型和所述第二预设信用评估模型分别预先通过对应的样本数据训练ai模型得到；
30、识别单元，用于根据所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果对信用卡申请人进行客户风险识别。
31、再一方面，本专利技术实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
32、所述处理器和所述存储器通过所述总线完成相互间的通信；
33、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
34、获取信用卡申请人的信用卡使用历史数据、收入数据和支出数据，基于第一预设信用评估模型对所述信用卡使用历史数据、所述收入数据和所述支出数据进行信用评估，得到信用卡申请人的第一信用评估结果；
35、获取信用卡申请人的信用卡交易数据，基于预设异常交易检测模型对所述信用卡交易数据进行异常交易检测，得到信用卡申请人的异常交易检测结果；
36、获取信用卡申请人的消费行为数据，基于第二预设信用评估模型对所述消费行为数据进行信用评估，得到信用卡申请人的第二信用评估结果；
37、其中，所述第一预设信用评估模型、所述预设异常交易检测模型和所述第二预设信用评估模型分别预先通过对应的样本数据训练ai模型得到；
38、根据所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果对信用卡申请人进行客户风险识别。
39、本专利技术实施例提供一种非暂态计算机可读存储介质，包括：
40、所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
41、获取信用卡申请人的信用卡使用历史数据、收入数据和支出数据，基于第一预设信用评估模型对所述信用卡使用历史数据、所述收入数据和所述支出数据进行信用评估，得到信用卡申请人的第一信用评估结果；
42、获取信用卡申请人的信用卡交易数据，基于预设异常交易检测模型对所述信用卡交易数据进行异常交易检测，得到信用卡申请人的异常交易检测结果；
43本文档来自技高网...
【技术保护点】
1.一种信用卡客户风险识别方法，其特征在于，包括：
2.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，与所述第一预设信用评估模型相对应的AI模型为深度学习模型，与所述预设异常交易检测模型相对应的AI模型为时间序列模型，与所述第二预设信用评估模型相对应的AI模型为决策树模型。
3.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，根据各自对应的分数值表示所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果；相应的，所述根据所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果对信用卡申请人进行客户风险识别，包括：
4.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，所述信用卡客户风险识别方法还包括：
5.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，所述信用卡客户风险识别方法还包括：
6.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，所述信用卡客户风险识别方法还包括：
7.根据权利要求1至6任一所述的信用卡客户风险识别方法，其特征在于，所述信用卡
8.一种信用卡客户风险识别装置，其特征在于，包括：
9.一种电子设备，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权利要求1至7中任一项所述方法的步骤。
10.一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7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种信用卡客户风险识别方法，其特征在于，包括：
2.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，与所述第一预设信用评估模型相对应的ai模型为深度学习模型，与所述预设异常交易检测模型相对应的ai模型为时间序列模型，与所述第二预设信用评估模型相对应的ai模型为决策树模型。
3.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，根据各自对应的分数值表示所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果；相应的，所述根据所述第一信用评估结果、所述异常交易检测结果和所述第二信用评估结果对信用卡申请人进行客户风险识别，包括：
4.根据权利要求1所述的信用卡客户风险识别方法，其特征在于，所述信用卡客户风险识别方法还包括：
5.根...
【专利技术属性】
技术研发人员：邓熙琛，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。