原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于动态图序列的贷后风险预测方法，包括如下步骤：S1、根据客户历史风险表现分析客户的关联关系维度，并采用选定的多维度关系基于客户的进件时间先后，使用滑动时间窗口的方式构建动态客户关系图序列；S2、采用图卷积神经网络GCN对客户关系图序列中每个时间步的图进行特征提取，获取目标节点的图向量表示集合；S3、使用LSTM网络结合注意力机制进行客户历史图特征融合，并使用MLP和跳层连接实现语义信息的融合，然后利用全连接网络结合softmax函数进行风险概率预测。本方案能够实现对客户历史先验
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117787700A
(43)申请公布日2024.03.29
(21)申请号202311811369.6G06Q40/02(2023.01)
(22)申请日2023.12.
文档评论（0）