[发明专利]模型训练方法及装置、行为预测方法及装置、设备及介质

说明书

本公开提供了一种模型训练方法，涉及人工智能领域，可以应用于金融技术领域。该方法包括：构建多个用户的时序数据序列样本，每个该时序数据序列样本包括多个连续时间点下的样本，每个该样本包括一用户在当前时间点下的至少一个预设类型的数据，采用预设的滑动时间窗口对该时序数据序列样本进行数据提取，得到各滑动时点对应滑动时间窗口的窗口数据，基于各该滑动时点对应滑动时间窗口的窗口数据，训练行为预测模型。本公开还提供了一种模型训练装置、行为预测方法及装置，设备、存储介质和程序产品。

技术领域

本公开涉及金融技术领域，具体地涉及一种模型训练方法及装置、行为预测方法及装置、设备、介质和程序产品。

背景技术

小微企业是小型企业、微型企业、家庭作坊式企业、个体工商户的统称。近年来，我国小微企业保持快速增长态势。但是，绝大多数的小微企业经营情况较为不稳定，财务状况不透明，内部监督机制存在较为严重的漏洞，甚至没有稳定的经营场所。

目前针对小微企业的贷中管理系统是通过用户经理人为的事前预警、事中干预以及事后催收的方式进行。人为因素比较大，人员投入较大，对用户经理的要求较高，不可控因素较多，而且错判性较强，有较大的操作风险隐患。

发明内容

鉴于上述问题，本公开提供了一种模型训练方法及装置、行为预测方法及装置、设备、介质和程序产品，可以对用户的违约行为进行预测。

根据本公开的第一个方面，提供了一种模型训练方法，包括：

构建多个用户的时序数据序列样本，每个所述时序数据序列样本包括多个连续时间点下的样本，每个所述样本包括一用户在当前时间点下的至少一个预设类型的数据；

采用预设的滑动时间窗口对所述时序数据序列样本进行数据提取，得到各滑动时点对应滑动时间窗口的窗口数据；

基于各所述滑动时点对应滑动时间窗口的窗口数据，训练行为预测模型。

在一实施例中，所述基于各所述滑动时点对应滑动时间窗口的窗口数据，训练行为预测模型包括：

对各所述滑动时点对应滑动时间窗口的窗口数据进行数据衍生处理，得到多种类型的衍生数据；

基于所述窗口数据和所述多种类型的衍生数据，训练行为预测模型。

在一实施例中，所述采用预设的滑动时间窗口对所述时序样本序列进行数据提取，得到各滑动时点对应滑动时间窗口的窗口数据包括：

查找所述多个连续时间点中的第二个时间点；

使用所述滑动时间窗口从所述第二个时间点滑动到最后一个时间点进行数据提取，得到各滑动时点对应滑动时间窗口的窗口数据。

在一实施例中，所述样本的类型包括违约样本和正常样本，所述方法还包括：

当所述滑动时间窗口内出现违约样本时，确定所述违约样本对应的违约用户；

在所述时序数据序列样本中剔除所述违约用户的所有样本。

在一实施例中，所述方法还包括：

获取当前滑动时点和当前滑动时间窗口对应的时间点；

剔除所述滑动时间窗口内的样本的有效时间小于所述滑动时间窗口的当前滑动时点的样本。

在一实施例中，所述滑动时间窗口的时间长度包括至少两个连续时间点。

在一实施例中，所述至少一个预设类型的数据为与借贷相关的数据。

在一实施例中，所述基于各所述滑动时点对应滑动时间窗口的窗口数据，训练行为预测模型之前，包括：

计算所述时序数据序列样本中每一类型的数据在不同时间窗口下的稳定性指数；