(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221043973 3.X (22)申请日 2022.04.25 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 朱宏康　王浩楠　郑宝　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 周初冬 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 40/02(2012.01) G06N 5/02(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 用户风险的评估方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供了一种用户风险的评估方法、 装 置、 电子设备及存储介质。 在用户风险的评估方 法中， 首先获取待评估用户的用户数据， 其中， 用 户数据至少包括用户属性、 关系信息和交易信 息。 将用户属性和关系信息输入到知识提取单元 中， 得到用户知识特征。 将交易信息输入到第一 线性映射单元中， 得到用户交易特征。 然后将用 户知识特征和用户交易特征输入到动态融合单 元中， 得到融合特征。 最后将融合特征输入到第 二线性映射单元中， 得到待评估用户的风险等 级。 解决了现有技术中用户的风险评估效果较 差， 无法准确地对用户的风险进行评估， 加大了 银行等金融机构的金融业 务的风险的问题。 权利要求书2页 说明书8页 附图3页 CN 114820210 A 2022.07.29 CN 114820210 A 1.一种用户风险的评估方法， 其特征在于， 应用于风险评估模型， 其中， 所述风险评估 模型包括知识提取单元、 第一线性映射单元、 第二线性映射单元和 动态融合单元， 所述用户 风险的评估方法， 包括： 获取待评估用户的用户数据， 其中， 所述用户数据至少包括用户属性、 关系信 息和交易 信息； 将所述用户属性和所述关系信息 输入到所述知识提取 单元中， 得到用户知识特 征； 将所述交易信息 输入到所述第一线性映射单 元中， 得到用户交易特 征； 将所述用户知识特征和所述用户交易特征输入到所述动态融合单元中， 得到融合特 征； 将所述融合特 征输入到所述第二线性映射单 元中， 得到所述待评估用户的风险等级。 2.根据权利要求1所述的方法， 其特 征在于， 所述 风险评估 模型的构建过程， 包括： 获取标注风险等级的用户数据样本集； 将所述标注风险等级的用户数据样本集输入到初始模型中进行运算， 得到当前用户数 据的风险等级； 判断所述当前用户数据的风险等级与实际标注的用户数据的风险等级是否一 致； 若所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致， 则 完成所述 风险评估 模型的构建； 若所述当前用户数据的风险等级与实际标注的用户数据的风险等级不一致， 则求出损 失函数， 并利用所述损失函数调整所述神经网络模型 的参数， 直至输出 的所述当前用户数 据的风险等级与实际标注的用户数据的风险等级一 致， 则完成所述 风险评估 模型的构建。 3.根据权利要求1所述的方法， 其特征在于， 所述获取待评估用户的用户数据之后， 还 包括： 对所述用户数据进行 数据预处 理。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述融合特征输入到所述第 二线性 映射单元中， 得到所述待评估用户的风险等级之后， 还 包括： 将所述风险等级与预设的阈值进行对比； 若所述风险等级大 所述阈值， 则生成风险用户的提 示信息。 5.一种用户风险的评估装置， 其特征在于， 应用于风险评估模型， 其中， 所述风险评估 模型包括知识提取单元、 第一线性映射单元、 第二线性映射单元和 动态融合单元， 所述用户 风险的评估方法， 包括： 获取单元， 用于获取待评估用户的用户数据， 其中， 所述用户数据至少包括用户 属性、 关系信息和交易信息； 第一特征提取单元， 用于将所述用户属性和所述关系信息输入到所述知识提取单元 中， 得到用户知识特 征； 第二特征提取单元， 用于将所述交易信息输入到所述第一线性映射单元中， 得到用户 交易特征； 融合单元， 用于将所述用户知识特征和所述用户交易特征输入到所述动态融合单元 中， 得到融合特 征； 评估单元， 用于将所述融合特征输入到所述第二线性映射单元中， 得到所述待评估用权　利　要　求　书 1/2 页 2 CN 114820210 A 2户的风险等级。 6.根据权利要求5所述的装置， 其特征在于， 所述用户风险的评估装置还包括用于构建 所述风险评估 模型的模型构建单 元， 所述模型构建单 元， 包括： 获取子单 元， 用于获取 标注风险等级的用户数据样本集； 运算子单元， 用于将所述标注风险等级的用户数据样本集输入到初始模型中进行运 算， 得到当前用户数据的风险等级； 判断子单元， 用于判断所述当前用户数据的风险等级与实际标注的用户数据的风险等 级是否一 致； 构建子单元， 用于若所述当前用户数据的风险等级与实际标注的用户数据的风险等级 一致， 则完成所述 风险评估 模型的构建； 调参子单元， 用于若所述当前用户数据的风险等级与实际标注的用户数据的风险等级 不一致， 则求出损失函数， 并利用所述损失函数调整 所述神经网络模 型的参数， 直至输出的 所述当前用户数据的风险等级与实际标注的用户数据的风险等级一致， 则完成所述风险评 估模型的构建。 7.根据权利要求5所述的装置， 其特 征在于， 还 包括： 预处理单元， 用于对所述用户数据进行 数据预处 理。 8.根据权利要求5所述的装置， 其特征在于， 所述将所述融合特征输入到所述第 二线性 映射单元中， 得到所述待评估用户的风险等级之后， 还 包括： 对比单元， 用于将所述 风险等级与预设的阈值进行对比； 信息生成单 元， 用于若所述 风险等级大 所述阈值， 则生成风险用户的提 示信息。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 其上存 储有一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个处理器 实现如权利要求1至4中任意 一项所述的方法。 10.一种计算机存储介质， 其特征在于， 其上存储有计算机程序， 其中， 所述计算机程序 被处理器执行时实现如权利要求1至4中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114820210 A 3