(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211279066.X (22)申请日 2022.10.19 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 江晖　尹思宇　周子煜　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 刘翠香 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种目标对象 的信用评 分的确定方法、 装置 和设备 (57)摘要 本申请公开了一种目标对象的信用 评分的 确定方法、 装置和设备， 通过获取目标对象的历 史交易信息， 并对所述历史交易信息进行数据预 处理和对应模 型处理， 得到时间序列特征和空间 结构特征， 基于所述时间序列特征和空间结构特 征进行评分， 确定目标对象对应的目标评分。 基 于上述方法对目标对象进行评分， 可以选择目标 时间段内的历史交易信息， 省去不必要的交易信 息， 获得对于现在更具时效性的信息， 节约时间 提高评分效率； 并且该信用评分参考与目标对象 存在交易的关联对象 的属性特征， 其中属性特征 包括信用特征， 可以通过关联对象的特征情况预 估目标对象的收支情况以及信用情况等等。 由此 评分得到的目标对象对应的目标评分更加准确， 提高决策效率。 权利要求书2页 说明书10页 附图3页 CN 115439234 A 2022.12.06 CN 115439234 A 1.一种目标对象的信用评分的确定方法， 其特 征在于， 包括： 获取目标对象的历史交易信 息， 所述历史交易信 息包括历史交易数据和关联对象关系 图； 基于所述历史 交易数据进行 数据预处 理， 得到历史数据特 征； 将所述历史数据特 征输入特 征时序处 理模型进行处 理， 得到时间序列特 征； 将所述关联对象关系图输入特 征变换模型进行处 理， 得到空间结构特 征； 基于所述时间序列特 征和所述空间结构特 征， 确定与所述目标对象对应的目标评分； 其中， 所述特征时序处理模型是基于所述历史数据特征中提取的时间表示作为特征 值， 以所述历史数据特征 的时间序列作为 目标值训练得到的模型； 所述特征变换模型是基 于所述关联对象关系图中每个节点的属性特征作为特征值， 以每个节点对临近节点的影响 作为目标值训练得到的模型。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述历史交易数据进行数据 预处 理， 得到历史数据特 征， 包括： 将所述历史 交易数据进行 数据类型划分， 得到数值型 数据和非数值型 数据； 对所述数值型 数据进行 数据归一 化处理， 得到历史 交易数值特 征； 对所述非数值型 数据进行 数据降维处 理， 得到历史 交易非数值特 征； 将所述历史 交易数值特 征和所述历史 交易非数值特 征对应组合， 得到历史数据特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述 时间序列 特征和所述空间结 构特征， 确定与所述目标对象对应的目标评分， 包括： 将所述时间序列特征和所述空间结构特征输入评分预估模型进行处理， 得到与所述目 标对象对应的目标评分； 所述评分预估模型是基于所述 时间序列 特征及所述空间结构特征作为特征值， 以评分 指标对应的目标评分作为目标值训练得到的模型。 4.根据权利要求1所述的方法， 其特 征在于， 所述关联对象关系图， 包括： 代表与目标对象有交易关系的每一个关联对象的节点和代 表目标对象的目标节点； 其中所述每一个关联对象的节点包括与所述节点对应的关联对象的属性特 征。 5.根据权利要求4所述的方法， 其特征在于， 所述所述每一个关联对象的节点包括与 所 述节点对应的关联对象的属性特 征， 包括： 若所述关联对象为第一类对象， 则获取 所述关联对象对应的属性特 征； 若所述关联对象为第 二类对象， 则基于所述关联对象的交易信 息确定所述关联对象相 匹配的属性特 征。 6.一种目标对象的信用评分的确定装置， 其特 征在于， 包括： 目标信息获取单元， 用于获取目标对象的历史交易信息， 所述历史交易信息包括历史 交易数据和关联对象关系图； 信息数据处 理单元， 用于基于所述历史 交易数据进行 数据预处 理， 得到历史数据特 征； 时间序列特征获取单元， 用于将所述历史数据特征输入特征时序处理模型进行处理， 得到时间序列特 征； 空间结构特征获取单元， 用于将所述关联对象关系图输入特征变换模型进行处理， 得 到空间结构特 征；权　利　要　求　书 1/2 页 2 CN 115439234 A 2目标评分确定单元， 用于基于所述时间序列特征和所述空间结构特征， 确定与所述目 标对象对应的目标评分； 其中， 所述特征时序处理模型是基于所述历史数据特征中提取的时间表示作为特征 值， 以所述历史数据特征 的时间序列作为 目标值训练得到的模型； 所述特征变换模型是基 于所述关联对象关系图中每个节点的属性特征作为特征值， 以每个节点对临近节点的影响 作为目标值训练得到的模型。 7.根据权利要求6所述的装置， 其特 征在于， 所述信息数据处 理单元， 包括： 数据类型划分子单元， 用于将所述历史交易数据进行数据划分， 得到数值型数据和非 数值型数据； 数值型数据处理子单元， 用于对所述数值型数据进行数据归一化处理， 得到历史交易 数值特征； 非数值型数据处理子单元， 用于将所述非数值型数据进行数据降维处理， 得到历史交 易非数值特 征； 数据特征组合子单元， 用于将所述历史交易数值特征与 所述历史交易非数值特征对应 组合， 得到历史数据特 征。 8.根据权利要求6所述的装置， 其特 征在于， 所述目标评分确定单 元， 包括： 目标评分确定子单元， 用于将所述 时间序列特征和所述空间结构特征输入评分预估模 型进行处 理， 得到与所述目标对象对应的目标评分； 所述评分预估模型是基于所述 时间序列 特征及所述空间结构特征作为特征值， 以评分 指标对应的目标评分作为目标值训练得到的模型。 9.根据权利要求6所述的装置， 其特 征在于， 所述关联对象关系图， 包括： 代表与目标对象有交易关系的每一个关联对象的节点对应的关联对象的属性特 征； 其中所述每一个关联对象的节点包括与所述节点对应的关联对象的属性特 征。 10.一种目标对象的信用评分的确定设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器， 用于存 储程序； 所述处理器， 用于执行所述程序， 实现权利要求1 ‑5任一项的目标对象的信用评分的确 定方法的各个步骤。权　利　要　求　书 2/2 页 3 CN 115439234 A 3