文献类型：期刊文章

作　　者：杨磊[1] 姚汝婧[1]

YANG Lei;YAO Ru-jing(Center of Applied Mathematics,Tianjin University,Tianjin 300072,China)

机构地区：[1]天津大学应用数学中心,天津300072

出　　处：《计算机仿真》

基　　金：国家自然科学基金项目(61673377);天津人工智能专项(17ZXRGGX00150)。

年　　份：2021

卷　　号：38

期　　号：8

起止页码：440-444

语　　种：中文

收录情况：BDHX、BDHX2020、JST、ZGKJHX、核心刊

摘　　要：在信用卡违约预测中,信用卡数据存在有标签获取难度大和分布不均衡的问题,使得经典的数据挖掘算法分类效果不佳。针对以上问题,将深度学习中的Transformer作为编码器对原始数据进行自编码,挖掘和建模用户数据的深层信息,将编码后的向量送入传统分类模型进行分类预测,从而判断该用户是否存在违约行为。在有标签数据规模较小时,提出算法的召回率相比于传统分类算法有了显著的提升,实验结果验证了算法的有效性。

关 键 词：信用卡违约预测  标签 深度学习  自编码  

分 类 号：TP391.9]