计算机工程

作者：王重仁, 王雯, 佘杰, 凌晨

单位：1. 山东财经大学 管理科学与工程学院, 济南 250014;2. 济南大学 金融研究院, 济南 250001;3. 中泰证券股份有限公司风险管理部, 济南 250001;4. 上海财经大学 信息管理与工程学院, 上海 200433;5. 上海健康医学院 医疗器械学院, 上海 201318

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

基金：国家社会科学基金青年项目（19CJL041）。

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。

来源：2020年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第10期