买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川世纪银通科技有限公司

摘要：本发明涉及金融风险预测技术领域，尤其涉及一种基于消费画像的用户还款风险预测方法及系统。所述方法包括以下步骤：通过金融平台接口进行用户消费敏感识别，得到标记敏感数据；对标记敏感数据进行数据脱敏处理，得到脱敏消费数据集；对脱敏消费数据集进行用户消费时间切片，得到用户消费轨迹时间切片数据；对用户消费轨迹时间切片数据进行时间规律特征提取并进行消费趋势特征提取，得到时间规律特征数据以及消费趋势特征数据。本发明通过结合时间序列分析、图神经网络和多模态融合的技术，得到更精准的动态用户消费画像，解决了在捕捉用户消费行为动态变化、挖掘用户潜在关联和融合多源信息方面的不足，提高了还款风险预测的准确性和可靠性。

主权项：1.一种基于消费画像的用户还款风险预测方法，其特征在于，包括以下步骤：步骤S1：通过金融平台接口进行用户消费敏感识别，得到标记敏感数据；对标记敏感数据进行数据脱敏处理，得到脱敏消费数据集；步骤S2：对脱敏消费数据集进行用户消费时间切片，得到用户消费轨迹时间切片数据；对用户消费轨迹时间切片数据进行时间规律特征提取并进行消费趋势特征提取，得到时间规律特征数据以及消费趋势特征数据；根据时间规律特征数据以及消费趋势特征数据进行消费序列特征重构，得到用户消费序列特征集；步骤S3：根据用户消费序列特征集进行时间步隐藏状态提取，得到时间步隐藏状态数据；对时间步隐藏状态数据进行注意力聚焦处理，得到加权隐藏状态序列数据；对加权隐藏状态序列数据进行低维向量嵌入，得到用户消费行为嵌入向量；其中，步骤S3包括：步骤S31：将用户消费序列特征集输入至预设的LSTM模型中，进行时间步窗口对应处理，得到时间步输入数据；步骤S32：根据时间步输入数据进行信息流动控制，得到门控激活数据；根据门控激活数据进行状态演化，得到状态更新数据；步骤S33：对状态更新数据进行信息传递处理，得到状态传递数据；根据状态传递数据进行隐藏表征生成，得到时间步隐藏状态数据；步骤S34：对时间步隐藏状态数据进行注意力聚焦处理，得到加权隐藏状态序列数据；其中，步骤S34包括：步骤S341：对时间步隐藏状态数据进行时序矩阵组合，得到隐藏状态序列矩阵；步骤S342：将隐藏状态序列矩阵输入至预设的注意力机制网络中，进行注意力权重计算，得到时间步注意力权重数据；步骤S343：对时间步注意力权重数据进行权重归一化，得到归一化注意力权重数据；步骤S344：对归一化注意力权重数据以及隐藏状态序列矩阵进行加权隐藏状态相乘，得到加权隐藏状态序列数据；步骤S35：对加权隐藏状态序列数据进行状态特征融合，得到状态融合向量数据；对状态融合向量数据进行维度压缩，得到状态低维向量数据；对状态低维向量数据进行嵌入生成，得到用户消费行为嵌入向量；步骤S4：对用户消费行为嵌入向量进行节点关系图谱构建，得到加权用户图；根据加权用户图进行社区结构挖掘，得到社区特征向量数据；对社区特征向量数据以及加权用户图进行节点信息增强，得到用户消费关系图；其中，步骤S4包括：步骤S41：对用户消费行为嵌入向量进行向量空间映射，得到用户向量空间数据；根据用户向量空间数据进行用户相似度度量，得到用户相似度矩阵；步骤S42：利用预设的相似度阈值对用户相似度矩阵进行潜在关联判断，得到潜在关联对数据；根据用户向量空间数据进行节点初始化，得到初始用户图；步骤S43：根据潜在关联对数据对初始用户图进行边关系建立，得到连接用户图；根据用户相似度矩阵对连接用户图进行关系强度加权，得到加权用户图；步骤S44：利用图聚类算法对加权用户图进行社区划分，得到社区划分结果数据；对社区划分结果数据进行社区结构迭代优化，得到社区优化结构数据；步骤S45：根据社区优化结构数据进行社区成员标记，得到社区标记用户图；根据社区标记用户图中的社区ID数据进行社区成员分组，得到用户社区分组数据；步骤S46：对用户社区分组数据进行社区特征统计，得到社区特征统计数据；对社区特征统计数据进行社区特征向量整合，得到社区特征向量数据；步骤S47：对社区特征向量数据以及加权用户图进行节点信息增强，得到用户消费关系图；步骤S5：对用户消费关系图进行双重视角表征处理，得到用户双重视角特征数据；根据用户双重视角特征数据进行动态权重加权分配，得到加权融合特征数据；对加权融合特征数据进行多模态画像融合，得到多模态用户消费画像；其中，步骤S5包括：步骤S51：对用户消费关系图进行图谱嵌入处理，得到用户图嵌入向量数据；对用户消费行为嵌入向量以及用户图嵌入向量数据进行特征向量拼接，得到用户双重视角特征数据；步骤S52：对用户双重视角特征数据进行特征空间投影，得到用户投影特征数据；根据预设的注意力机制网络对用户投影特征数据进行画像贡献程度计算，得到特征注意力权重数据；步骤S53：根据特征注意力权重数据对用户投影特征数据进行动态权重分配，得到加权融合特征数据；对加权融合特征数据进行多层感知机建模，得到高阶用户表征数据；步骤S54：获取业务需求数据；根据业务需求数据对高阶用户表征数据进行画像维度聚合，得到多维用户画像；对多维用户画像进行画像可视化呈现，得到多模态用户消费画像；步骤S6：根据多模态用户消费画像进行用户还款风险预测建模，得到用户还款风险预测模型；利用用户还款风险预测模型进行风险实时预测，得到实时风险评分；根据实时风险评分进行用户还款风险预警分析，得到用户还款风险预警数据，以实现用户还款风险预测作业。

全文数据：

权利要求：

百度查询： 四川世纪银通科技有限公司 基于消费画像的用户还款风险预测方法及系统