摘要
本发明涉及金融风险预测技术领域,尤其涉及一种基于消费画像的用户还款风险预测方法及系统。所述方法包括以下步骤:通过金融平台接口进行用户消费敏感识别,得到标记敏感数据;对标记敏感数据进行数据脱敏处理,得到脱敏消费数据集;对脱敏消费数据集进行用户消费时间切片,得到用户消费轨迹时间切片数据;对用户消费轨迹时间切片数据进行时间规律特征提取并进行消费趋势特征提取,得到时间规律特征数据以及消费趋势特征数据。本发明通过结合时间序列分析、图神经网络和多模态融合的技术,得到更精准的动态用户消费画像,解决了在捕捉用户消费行为动态变化、挖掘用户潜在关联和融合多源信息方面的不足,提高了还款风险预测的准确性和可靠性。
技术关键词
数据
风险预测方法
画像
风险预测模型
序列特征
多模态
融合特征
切片
注意力
轨迹
风险预测系统
社区结构
预测建模
投影特征
标记
视角
偏好特征
融合多源信息
系统为您推荐了相关专利信息
特征提取网络
输电线路外破
测距模块
检测头
LiDAR点云
缺陷检测系统
数据分析单元
数据处理单元
半导体芯片
图像采集模块
辅助系统
分析模块
检测磁共振
配置用户界面
事务管理器