文献类型：期刊文章

作　　者：王重仁[1] 王雯[2,3] 佘杰[4] 凌晨[4,5]

WANG Chongren;WANG Wen;SHE Jie;LING Chen(School of Management Science and Engineering,Shandong University of Finance and Economics,Jinan 250014,China;Institute of Finance,Jinan University,Jinan 250001,China;Department of Risk Management,Zhongtai Securities Co.,Ltd.,Jinan 250001,China;School of Information Management and Engineering,Shanghai University of Finance and Economics,Shanghai 200433,China;School of Medical Devices,Shanghai University of Medicine & Health Sciences,Shanghai 201318,China)

机构地区：[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

出　　处：《计算机工程》

基　　金：国家社会科学基金青年项目(19CJL041)。

年　　份：2020

卷　　号：46

期　　号：10

起止页码：308-314

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

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  

分 类 号：TP391]