融合深度神经网络的个人信用评估方法

• 作者: 佘杰 凌晨 王重仁 王雯
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 大数据 个人信用评分 机器学习 深度神经网络 卷积神经网络 长短期记忆神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 308-314
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056119

摘要

为提高信用风险评估的准确性,基于互联网行业的用户行为数据,提出一种基于长短期记忆(LSTM)神经网络和卷积神经网络(CNN)融合的深度神经网络个人信用评分方法.对每个用户的行为数据进行编码,形成一个包括时间维度和行为维度的矩阵,通过融合基于注意力机制的LSTM模型和CNN模型2个子模型,从用户原始行为数据中提取序列特征和局部特征.在真实数据集上的实验结果表明,该方法的KS指标和AUC指标均优于传统的机器学习方法和单一的LSTM卷积神经网络方法,证明了该方法在个人信用评分领域的有效性和可行性.