摘要
本发明公开了一种基于机器学习的信贷风险评估方法及其装置、电子设备,涉及人工智能领域或其他相关技术领域,该方法包括:获取目标用户的多源异构数据,其中,多源异构数据包括结构化数据和非结构化数据两种类型;对多源异构数据进行预处理,并将预处理后的多源异构数据输入至特征提取模型,输出结构化特征向量和非结构化特征向量,其中,特征提取模型包括结构化数据处理模型和非结构化特征处理模型;对结构化特征向量和非结构化特征向量进行融合,得到融合特征向量;将融合特征向量输入至风险评估模型,输出目标用户的信贷风险评估结果。本发明解决了相关技术中,依赖于单一模型架构对信贷风险进行评估,评估精度和准确性较低的技术问题。
技术关键词
非结构化数据处理
多源异构数据
数据处理模型
信贷风险评估方法
风险评估模型
特征提取模型
机器学习模型
多任务损失函数
信贷风险评估装置
计算机程序产品
可读存储介质
多头注意力机制
配置标签
电子设备
时序
参数
系统为您推荐了相关专利信息
工业设备智能
多源异构数据
运维方法
LSTM模型
传感器
多模态数据融合
强化学习模型
决策
策略
动态权重分配
地质灾害风险
多源异构数据
风险评估模型
城市地下空间
地热
血液透析患者
风险评估模型
风险评估系统
工作特征
数据融合技术