融合深度神经网络的个人信用评估方法

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.

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

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金青年项目19CJL041

在线出版日期：2020-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：308-314