(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 202211167464.2 (22)申请日 2022.09.23 (71)申请人 中银金融科技 （苏州） 有限公司 地址 215133 江苏省苏州市高铁新城南天 成路55号相融大厦18层1802室 (72)发明人 叶芸　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 刘亚平 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 逾期风险识别方法、 装置、 设备及存 储介质 (57)摘要 本申请提供一种逾期风险识别方法、 装置、 设备及存储介质， 包括基于待识别客户的特征数 据构建出待识别客户的多维度特征标签； 将多维 度特征标签输入预先训练好的若干个不同逾期 类型的目标逾期风险预测模型， 获取各类目标逾 期风险预测模 型输出的逾期预测概率； 确定逾期 预测概率中概率值最大的目标逾期预测概率， 并 将目标逾期预测概率及目标逾期预测概率对应 的逾期类型作为待识别客户的逾期风险预测结 果， 由此本申请中在进行客户逾期风险预测时采 用不同客户群体数据训练得到的目标逾期风险 预测模型对其进行处理， 相比于现有技术采用单 一的逾期 模型， 本申请中基于若干个不同逾期类 型的目标逾期风险预测模型的预测结果可实现 对客户逾期风险的精准预测。 权利要求书2页 说明书9页 附图1页 CN 115545886 A 2022.12.30 CN 115545886 A 1.一种逾期风险识别方法， 其特 征在于， 包括： 基于待识别客户的特征数据构建出所述待识别客户的多维度特征标签， 所述特征数据 包括交易行为数据及客户信息数据； 将所述多维度特征标签输入预先训练好的若干个不同逾期类型的目标逾期风险预测 模型， 获取 各类所述目标逾期风险预测模型输出的逾期预测概 率； 确定所述逾期预测概率中概率值最大的目标逾期预测概率， 并将所述目标逾期预测概 率及所述目标逾期预测概 率对应的逾期类型作为所述待识别客户的逾期风险预测结果； 其中， 各类所述目标逾期风险预测模型分别是基于不同逾期类型的客户群体数据训练 得到的。 2.根据权利要求1所述的逾期风险识别方法， 其特征在于， 所述将所述多维度 特征标签 输入预先训练好的若干个不同逾期类型的目标逾期风险预测模型之前， 还 包括： 从数据库中选取若干个目标客户； 基于各所述目标客户的目标特征数据对所述目标客户进行用户画像， 得到多维度的用 户画像特 征； 基于所述多维度的用户画像特征对所述若干个目标客户进行聚类， 得到多个不同逾期 类型的目标客户群 体； 分别基于各类所述目标客户群体训练初始逾期风险预测模型， 得到各类所述目标客户 群体对应的目标逾期风险预测模型。 3.根据权利要求2所述的逾期风险识别方法， 其特征在于， 所述从数据库中选取若干个 目标客户， 包括： 从数据库中选取在第一时间阶段内未 出现逾期行为的若干个样本客户； 从所述若干个样本客户中选取在第二时间阶段内出现逾期行为的客户作为目标客户。 4.根据权利要求2所述的逾期风险识别方法， 其特征在于， 所述基于所述多维度的用户 画像特征对所述若干个目标客户进行聚类， 得到多个不同逾期类型的目标客户群 体， 包括： 确定最优聚类簇数； 基于所述多维度的用户画像特征将所述若干个目标客户聚类成所述最优聚类簇数个 不同逾期类型的目标客户群 体。 5.根据权利要求2所述的逾期风险识别方法， 其特征在于， 所述基于所述多维度的用户 画像特征对所述若干个目标客户进行聚类之前， 还 包括： 依次对所述多维度的用户画像特 征进行数据清洗及特 征工程处 理。 6.根据权利要求2所述的逾期风险识别方法， 其特征在于， 所述多维度的用户画像特征 包括客户特征、 消费行为特 征、 分期行为特 征、 应用程序行为特 征及借记卡行为特 征。 7.根据权利要求1至6任一项所述的逾期风险识别方法， 其特征在于， 所述将所述目标 逾期预测 概率及所述目标逾期预测 概率对应的逾期类型作为所述待识别客户的逾期风险 预测结果之后， 还 包括： 在获取所述待识别客户的真实逾期风险识别结果的情况下， 计算出所述真实逾期风险 识别结果与所述逾期风险预测结果之间的偏差值； 在所述偏差值超出预设偏差限值的情况下， 从数据库中选取与 所述待识别客户的特征 数据相似度达 到预设相似度的目标历史特 征数据；权　利　要　求　书 1/2 页 2 CN 115545886 A 2基于所述目标历史特征数据训练初始逾期风险预测模型， 得到所述待识别客户对应的 逾期类型的目标逾期风险预测模型。 8.一种逾期风险识别装置， 其特 征在于， 包括： 构建单元， 用于基于待识别客户的特征数据构建出所述待识别客户的多维度特征标 签， 所述特 征数据包括交易行为数据及客户信息数据； 预测单元， 用于将所述多维度 特征标签输入预先训练好的若干个不同逾期类型的目标 逾期风险预测模型， 获取 各类所述目标逾期风险预测模型输出的逾期预测概 率； 确定单元， 用于确定所述逾期预测概率中概率值最大的目标逾期预测概率， 并将所述 目标逾期预测 概率及所述目标逾期预测 概率对应的逾期类型作为所述待识别客户的逾期 风险预测结果； 其中， 各类所述目标逾期风险预测模型分别是基于不同逾期类型的客户群体数据训练 得到的。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述逾期风险识别方法。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述逾期风险识别方法。权　利　要　求　书 2/2 页 3 CN 115545886 A 3