[发明专利]电子金融活动的风险评估方法和装置

说明书

本说明书实施例提供了电子金融活动的风险评估方法和装置。根据实施例的方法，首先通过获取与待关注用户相关的历史风险行为事件和基础信息，并对该历史风险行为事件和基础信息进行特征处理。然后将特征处理后的风险行为特征和用户基础特征进行融合得到用户表征向量，进而利用该用户表征向量对该待关注用户的电子金融活动进行风险评估。如此通过历史行为模式建模的方式，能够改善利用人工经验或关联信息进行风险评估时的弊端，从而提高对电子金融活动进行风险评估的准确性。

技术领域

本说明书一个或多个实施例涉及电子金融技术领域，尤其涉及电子金融活动的风险评估方法和装置。

背景技术

随着网络技术的迅猛发展，作为以网络技术为支撑的电子金融技术已经成为了一种重要的金融活动模式。

然而，有些不法分子会通过电子金融进行一些非法的金融活动，比如通过电子金融进行洗钱以及涉赌交易等。

因此，需要提供一种电子金融活动的风险评估方案。

发明内容

本说明书一个或多个实施例描述了电子金融活动的风险评估方法和装置，能够提高对电子金融活动进行风险评估的准确性，从而进一步达到降低电子金融活动风险的目的。

根据第一方面，提供了电子金融活动的风险评估方法，包括：

获取与待关注用户相关的历史风险行为事件；

对所述历史风险行为事件进行特征处理，得到风险行为特征；

获取与所述待关注用户相关的基础信息；

对所述基础信息进行特征处理，得到用户基础特征；

将所述风险行为特征和所述用户基础特征进行融合，得到用户表征向量；

利用所述用户表征向量对所述待关注用户的电子金融活动进行风险评估。

在一个实施例中，其中，所述对所述历史风险行为事件进行特征处理得到风险行为特征，包括：

对所述历史风险行为事件进行特征提取，得到至少一个初级行为特征；

利用特征交叉算法对所述至少一个初级行为特征进行处理，分别得到相应的次级行为特征；其中，每一个所述次级行为特征的特征向量的稠密程度大于与该次级行为特征所对应的初级行为特征的特征向量的稠密程度；

将各个所述次级行为特征进行融合，得到所述风险行为特征。

在一个实施例中，其中，所述对所述历史风险行为事件进行特征提取，包括：

利用循环神经网络和Transformer模型中的至少一个，对所述历史风险行为事件进行特征提取；

和/或，

所述将各个所述次级行为特征进行融合，包括：

利用卷积神经网络、注意力机制和长短时记忆网络中的至少一个将各个所述次级行为特征进行融合。

在一个实施例中，所述基础信息包括：用户基础信息和人工统计信息；

所述对所述基础信息进行特征处理得到用户基础特征，包括：将所述用户基础信息和所述人工统计信息输入第一多层感知机，得到所述用户基础特征。

在一个实施例中，其中，所述将所述风险行为特征和所述用户基础特征进行融合得到用户表征向量，包括：

将所述风险行为特征所对应的特征向量和所述用户基础特征所对应的向量进行拼接，得到初级融合向量；

利用第二多层感知机和回归分类器中的至少一种将所述初级融合向量进行融合，得到所述用户表征向量。