(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 202211207033.4 (22)申请日 2022.09.30 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 李旭　周思来　邹昌宏　樊莉　 谈雅兰　 (74)专利代理 机构 中原信达知识产权代理有限 责任公司 1 1219 专利代理师 李阳　徐敏 (51)Int.Cl. G06Q 40/02(2012.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种业务处理方法、 装置、 电子设备及计算 机可读介质 (57)摘要 本申请公开了业务处理方法、 装置、 电子设 备及计算机可读介质， 涉及大数据数据分析技术 领域， 一具体实施方式包括接收业务处理请求， 获取对应的用户标识， 进而根据用户标识获取对 应的交易数据； 基于交易数据， 获取与预设维度 对应的高层特征和低层特征， 进而生成融合特 征； 根据融合特征， 预测得到异常概率； 当异常概 率大于预设阈值时， 调用预警程序， 以生成预警 信息并输 出。 从而提升异常预警的准确性， 有效、 准确地提醒用户违约， 避免影响用户征信。 权利要求书2页 说明书9页 附图5页 CN 115482094 A 2022.12.16 CN 115482094 A 1.一种业 务处理方法， 其特 征在于， 包括： 接收业务处理请求， 获取对应的用户标识， 进而根据所述用户标识获取对应的交易数 据； 基于所述交易数据， 获取与预设维度对应的高层特 征和低层特 征， 进而生成融合特 征； 根据所述融合特 征， 预测得到异常概 率； 当所述异常概 率大于预设阈值时， 调用预警程序， 以生成预警信息并输出。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述交易数据， 获取与预设维度 对应的高层特 征和低层特 征， 包括： 将所述交易数据基于用户维度和账号维度进行分析， 以生成分析图像； 将所述分析图像输入特征提取模型， 进而调用特征提取模型中的深层网络以提取所述 分析图像中与预设维度对应的高层特征， 调用特征提取模型中的浅层网络以提取所述分析 图像中的与预设维度对应的低层特 征。 3.根据权利要求1所述的方法， 其特 征在于， 所述 生成融合特 征， 包括： 根据所述高层特 征生成高层特 征向量， 根据所述低层特 征生成低层特 征向量； 计算所述高层特征向量和所述低层特征向量的合向量， 进而将所述合向量对应的特征 确定为融合特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述融合特征， 预测得到异常概 率， 包括： 将所述融合特 征输入至预测模型， 以输出异常概 率。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述融合特征， 预测得到异常概 率， 包括： 根据所述融合特 征， 生成用户画像； 将所述用户画像输入至预测模型， 以输出异常概 率。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取训练样本集， 所述训练样本集包括在预设时间段内的样本信贷申请数据和样本信 贷交易明细数据； 对所述样本信贷申请数据和样本信贷交易明细数据进行特征衍生， 以得到衍生特征， 确定所述衍生特征对应的样本标签， 其中， 所述样本标签用于表征所述衍生特征对应的数 据是否违约； 将所述衍生特征作为初始神经网络模型的输入， 将对应的所述样本标签作为所述初始 神经网络模型的期望 输出， 对所述初始神经网络模型进行训练， 以得到预测模型。 7.根据权利要求6所述的方法， 其特征在于， 所述预设时间段根据在预设场景下处理业 务的周期而确定 。 8.一种业 务处理装置， 其特 征在于， 包括： 接收单元， 被配置成接收业务处理请求， 获取对应的用户标识， 进而根据 所述用户标识 获取对应的交易数据； 特征融合单元， 被配置成基于所述交易数据， 获取与预设维度对应的高层特征和低层 特征， 进而生成融合特 征； 预测单元， 被配置成根据所述融合特 征， 预测得到异常概 率；权　利　要　求　书 1/2 页 2 CN 115482094 A 2预警单元， 被配置成当所述异常概率大于预设阈值 时， 调用预警程序， 以生成预警信 息 并输出。 9.根据权利要求8所述的装置， 其特 征在于， 所述特 征融合单 元进一步被配置成： 将所述交易数据基于用户维度和账号维度进行分析， 以生成分析图像； 将所述分析图像输入特征提取模型， 进而调用特征提取模型中的深层网络以提取所述 分析图像中与预设维度对应的高层特征， 调用特征提取模型中的浅层网络以提取所述分析 图像中的与预设维度对应的低层特 征。 10.根据权利要求8所述的装置， 其特 征在于， 所述特 征融合单 元进一步被配置成： 根据所述高层特 征生成高层特 征向量， 根据所述低层特 征生成低层特 征向量； 计算所述高层特征向量和所述低层特征向量的合向量， 进而将所述合向量对应的特征 确定为融合特 征。 11.根据权利要求8所述的装置， 其特 征在于， 所述预测单 元进一步被配置成： 将所述融合特 征输入至预测模型， 以输出异常概 率。 12.根据权利要求8所述的装置， 其特 征在于， 所述预测单 元进一步被配置成： 根据所述融合特 征， 生成用户画像； 将所述用户画像输入至预测模型， 以输出异常概 率。 13.根据权利要求8所述的装置， 其特征在于， 所述装置还包括模型训练单元， 被配置 成： 获取训练样本集， 所述训练样本集被配置成在预设时间段内的样本信贷申请数据和样 本信贷交易明细数据； 对所述样本信贷申请数据和样本信贷交易明细数据进行特征衍生， 以得到衍生特征， 确定所述衍生特征对应的样本标签， 其中， 所述样本标签用于表征所述衍生特征对应的数 据是否违约； 将所述衍生特征作为初始神经网络模型的输入， 将对应的所述样本标签作为所述初始 神经网络模型的期望 输出， 对所述初始神经网络模型进行训练， 以得到预测模型。 14.一种业 务处理电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7中任一项所述的方法。 15.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理器执 行时实现如权利要求1 ‑7中任一项所述的方法。 16.一种计算机程序产品， 包括计算机程序， 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 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115482094 A 3