一种业务处理方法、装置、电子设备及计算机可读介质与流程

技术特征：
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；
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。

技术总结
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。避免影响用户征信。避免影响用户征信。


技术研发人员：李旭 周思来 邹昌宏 樊莉 谈雅兰
受保护的技术使用者：建信金融科技有限责任公司
技术研发日：2022.09.30
技术公布日：2022/12/16