【技术实现步骤摘要】
本公开涉及人工智能，更具体地涉及一种客户信用风险预测方法、装置、设备、介质和程序产品。
技术介绍
1、客户信用风险预测能够帮助银行等金融机构及时的了解客户的经济能力，降低交易风险减少损失。
2、现有的客户信用风险预测通常采用统一方法进行客户信用风险预测，忽略了不同类型客户之间的差异性，无法灵活针对不同客户的情况进行具体分析和判断，从而导致信用风险预测结果的准确率较低。
技术实现思路
1、鉴于上述问题，本公开提供了提高客户信用风险预测准确性的客户信用风险预测、装置、设备、介质和程序产品。
2、根据本公开的第一个方面，提供了一种客户信用风险预测方法，包括：基于目标客户的客户类型获得多组特征信息；其中，多组特征信息基于目标客户的原始信息得到，不同客户类型对应的原始信息不同；基于客户类型和特征信息选择预测模型的目标模式；其中，预测模型为多模式模型，不同模式下预测模型的参数不同；将多组特征信息输入预测模型，由预测模型基于目标模式对多组特征信息进行分析，得到多个第一信息；其中，第一信息用于预测目标客户在不同维度的表现情况；基于多个第一信息确定目标客户的信用风险。
3、根据本公开的实施例，基于目标客户的客户类型获得多组特征信息，包括：获取与目标客户相关的多个原始信息；其中，多个原始信息包括客户内部信息以及与目标客户相关的外部信息；基于客户类型对多个原始信息进行分类，得到多个原始信息组；其中，每一原始信息组中包括客户内部信息和外部信息中的至少一项；基于预设的计算
4、根据本公开的实施例，基于预设的计算方式分别对各原始信息组进行计算，得到原始信息组对应的特征信息，包括至少以下一项：对原始信息组中的原始信息进行非线性组合，得到原始信息组对应的特征信息；对原始信息组中的原始信息进行模糊逻辑处理，得到原始信息组对应特征信息；对原始数据组中的原始信息进行滑动时间窗口计算，得到原始信息组对应的特征信息；基于外部信息对内部信息进行分析，得到原始信息组对应的特征信息。
5、根据本公开的实施例，预测模型包括第一网络层和第二网络层，第一网络层和第二网络层中隐藏层的数量不同，第一网络层和第二网络层用于对不同的特征信息进行学习。
6、根据本公开的实施例，基于目标客户的客户类型选择预测模型的目标模式，包括：基于客户类型对预测模型中的隐藏层进行划分，得到第一网络层和第二网络层；其中，第一网络层和第二网络层中输入的特征信息不同；和/或基于客户类型分别对第一网络层和第二网络层神经元的参数进行调整。
7、根据本公开的实施例，将多组特征信息输入预测模型，由预测模型基于目标模式对多组特征信息进行分析，得到多个第一信息，包括：基于目标模式对输入的特征信息进行学习，确定用于输入至不同网络层的特征向量；其中，不同网络层输入的特征向量不同；由各网络层分别对输入的特征向量进行学习，得到目标客户的第一信息。
8、根据本公开的实施例，基于多个第一信息确定目标客户的信用风险，包括：根据客户类型确定信用风险计算规则；基于信用风险计算规则对多个第一信息进行计算，得到目标客户的信用风险。
9、根据本公开的实施例，还包括：获取目标客户对采集原始信息的授权；在得到目标客户采集原始信息的授权后，采集目标客户的原始信息。
10、本公开的第二方面提供了一种客户信用风险预测装置，包括：获得模块，用于基于目标客户的客户类型获得多组特征信息；其中，多组特征信息基于目标客户的原始信息得到，不同客户类型对应的原始信息不同；选择模块，用于基于客户类型和特征信息选择预测模型的目标模式；其中，预测模型为多模式模型，不同模式下预测模型的参数不同；分析模块，用于将多组特征信息输入预测模型，由预测模型基于目标模式对多组特征信息进行分析，得到多个第一信息；其中，第一信息用于预测目标客户在不同维度的表现情况；以及确定模块，用于基于多个第一信息确定所述目标客户的信用风险。
11、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个计算机程序，其中，上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。
12、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。
13、本公开的第五方面还提供了一种计算机程序产品，包括计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。
本文档来自技高网...【技术保护点】
1.一种客户信用风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的客户信用风险预测方法，其特征在于，所述基于目标客户的客户类型获得多组特征信息，包括：
3.根据权利要求2所述的客户信用风险预测方法，其特征在于，所述基于预设的计算方式分别对各原始信息组进行计算，得到所述原始信息组对应的特征信息，包括至少以下一项：
4.根据权利要求1所述的客户信用风险预测方法，其特征在于，所述预测模型包括第一网络层和第二网络层，所述第一网络层和第二网络层中隐藏层的数量不同，所述第一网络层和所述第二网络层用于对不同的特征信息进行学习。
5.根据权利要求4所述的客户信用风险预测方法，其特征在于，所述基于所述目标客户的客户类型选择所述预测模型的目标模式，包括：
6.根据权利要求1所述的客户信用风险预测方法，其特征在于，所述将所述多组特征信息输入所述预测模型，由所述预测模型基于所述目标模式对所述多组特征信息进行分析，得到多个第一信息，包括：
7.根据权利要求1所述的客户信用风险预测方法，其特征在于，所述基于所述多个第一信
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.一种客户信用风险预测装置，其特征在于，所述装置包括：
10.一种电子设备，包括：
11.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。
12.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种客户信用风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的客户信用风险预测方法，其特征在于，所述基于目标客户的客户类型获得多组特征信息，包括：
3.根据权利要求2所述的客户信用风险预测方法，其特征在于，所述基于预设的计算方式分别对各原始信息组进行计算，得到所述原始信息组对应的特征信息，包括至少以下一项：
4.根据权利要求1所述的客户信用风险预测方法，其特征在于，所述预测模型包括第一网络层和第二网络层，所述第一网络层和第二网络层中隐藏层的数量不同，所述第一网络层和所述第二网络层用于对不同的特征信息进行学习。
5.根据权利要求4所述的客户信用风险预测方法，其特征在于，所述基于所述目标客户的客户类型选择所述预测模型的目标模式，包括：
6.根据权利要求1所述的客户信用风险预测方法，...
【专利技术属性】
技术研发人员：王宁，周去难，
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。