[发明专利]一种基于客户交易数据的客户评级方法、装置及存储介质

权利要求书

1.一种基于客户交易数据的客户评级方法，其特征在于，包括以下步骤：

步骤1、获取用户所有相关的交易流水数据；

步骤2、截取前n笔交易用于用户行为特征提取，若用户至今为止，交易次数少于n次，则由于用户交易量过少，无法对该用户进行准确的信用评级，用户样本予以剔除；

步骤3、对步骤2获取到的交易流水数据应用LSTM模型进行用户行为特征抽取，得到最终交易流水数据的高阶特征表示，即得到用户行为特征；

步骤4、依据步骤3抽取的用户行为特征，运用逻辑回归模型进行最后的融合，给出最终的用户信用评级,即用户最终用户行为特征X＝[x₁,x₂,...,x_k,...],最终用户信用评级分数score＝α₁×x₁+α₂×x₂+...+α_k×x_k+...。

2.根据权利要求1所述的一种基于客户交易数据的客户评级方法，其特征在于，步骤3包括以下步骤：

步骤3.1、将交易流水数据中每一次交易数据字段划分为类别型字段、数值型字段以及时间类字段，对数值型字段做归一化处理，对时间类字段转换成距今天数差，类别型字段采用embedding网络进行编码转化；

步骤3.2、经过步骤3.1处理后的字段进行concatenate合并，将3.1步中的类别型字段、数值型字段和时间类字段进行链接操作，使得每一次交易流水数据转化成一个向量进行表示，即得到用户单次交易行为的特征向量表示；

步骤3.3、提取最终交易流水数据特征的高阶特征表示，将步骤3.2得到的用户行为特征表示向量，按照交易距今时间进行从大到小进行排序，组成时间序列数据输入进LSTM模型中，并提取LSTM模型的最后一层隐层输出作为最终交易流水数据的高阶特征表示。

3.一种基于客户交易数据的客户评级装置，其特征在于，包括：

数据获取模块、获取用户所有相关的交易流水数据；

数据预处理模块、截取前n笔交易用于用户行为特征提取，若用户至今为止，交易次数少于n次，则由于用户交易量过少，无法对该用户进行准确的信用评级，用户样本予以剔除；

用户行为特征模块、对步骤2获取到的交易流水数据应用LSTM模型进行用户行为特征抽取，得到最终交易流水数据的高阶特征表示，即得到用户行为特征；

输出模块、依据步骤3抽取的用户行为特征，运用逻辑回归模型进行最后的融合，给出最终的用户信用评级,即用户最终用户行为特征X＝[x₁,x₂,...,x_k,...],最终用户信用评级分数

score＝α₁×x₁+α₂×x₂+...+α_k×x_k+...。

4.根据权利要求3所述的一种基于客户交易数据的客户评级装置，其特征在于，用户行为特征模块包括中：

将交易流水数据中每一次交易数据字段划分为类别型字段、数值型字段以及时间类字段，对数值型字段做归一化处理，对时间类字段转换成距今天数差，类别型字段采用embedding网络进行编码转化；

经过处理后的字段进行concatenate合并，将类别型字段、数值型字段和时间类字段进行链接操作，使得每一次交易流水数据转化成一个向量进行表示，即得到用户单次交易行为的特征向量表示；

提取最终交易流水数据特征的高阶特征表示，将得到的用户行为特征表示向量，按照交易距今时间进行从大到小进行排序，组成时间序列数据输入进入LSTM模型中，并提取LSTM模型的最后一层隐层输出作为最终交易流水数据的高阶特征表示。

5.一种存储介质，其特征在于，所述存储介质存储有一种基于客户交易数据的客户评级的程序，处理器执行所述程序时实现如权利要求1-2任一所述的一种基于客户交易数据的客户评级方法。