(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 202210636086.1 (22)申请日 2022.06.07 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 张明　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 姚章国 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 30/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的授信额度管控方法、 装置、 设备及介质 (57)摘要 本发明适用于业务推荐技术领域， 尤其涉及 基于人工智 能的授信额度管控方法、 装置、 设备 及介质。 本发 明根据客户个人信息筛选出满足预 设条件的预选信贷产品， 将各预选信贷产品的产 品信息和在途产品信息输入到推荐程度模型中， 确定各预选信贷产品的推荐程度， 以确定出推荐 信贷产品， 然后根据推荐程度由小到大的顺序将 各预选信贷产品的产品信息和在途产品信息输 入到产品授信额度预测模型中， 确定推荐信贷产 品的预测授信额度。 通过将多个预选信贷产品按 照推荐程度由小到大的顺序输入到产品授信额 度预测模型的对应记忆单元中， 对多个 符合条件 的预选信贷产品进行特征提取， 获得推荐信贷产 品的预测授信额度， 以提高授信额度的准确率， 降低信贷风险。 权利要求书2页 说明书12页 附图3页 CN 114971866 A 2022.08.30 CN 114971866 A 1.一种授信额度管控方法， 其特 征在于， 所述授信额度管控方法包括： 获取待选择的各信贷产品的产品信息， 以及目标客户的客户信息， 所述客户信息包括 客户个人信息和在途产品信息； 判断所述客户个人信息是否满足各信贷产品的预设条件， 筛选出满足预设条件的N个 信贷产品， 作为预选信贷产品， 其中， N≥2； 将各预选信贷产品的产品信 息， 以及所述在途产品信 息输入到预训练好的推荐程度模 型中， 确定各预选信贷产品的推荐程度， 将推荐程度最大 的预选信贷产品作为推荐信贷产 品； 根据各预选信贷产品的推荐程度由小到大的顺序， 将各预选信贷产品的产品信 息和所 述在途产品信息输入到预训练好的产品授信额度预测模型中， 得到所述推荐信贷产品的预 测授信额度。 2.根据权利要求1所述的授信额度管控方法， 其特征在于， 将各预选信贷产品的产品信 息， 以及所述在途产品信息输入到预训练好的推荐程度模型中， 确定各预选信贷产品的推 荐程度， 包括： 根据各预选信贷产品的产品信息， 以及所述在途产品信息， 组成各预选信贷产品的产 品行向量； 将所述各预选信贷产品的产品行向量输入到预训练好的推荐程度模型中， 输出各预选 信贷产品的推荐程度。 3.根据权利要求2所述的授信额度管控方法， 其特 征在于， 所述推荐程度模型， 包括： 所述推荐程度模型采用卷积神经网络， 模型结构为编码器和解码器， 编码器的输出端 连接解码器的输入端， 编码器的输入端用于输入各预选信贷产品的产品行向量， 解码器的 输出端用于 输出各预选信贷产品的推荐程度值。 4.根据权利要求1所述的授信额度管控方法， 其特征在于， 所述产品授信额度预测模 型， 包括： 所述产品授信额度预测模型包括特征子模型和额度 预测子模型， 所述特征子模型采用 长短时记忆神经网络， 所述额度预测子模型采用全连接层， 所述特征子模型 的输出端连接 所述额度预测子模型 的输入端， 所述特征子模型用于输入各预选信贷产品的产品行向量， 所述额度预测子模型用于 输出所述推荐信贷产品的预测授信额度。 5.根据权利要求4所述的授信额度管控方法， 其特征在于， 所述根据各预选信贷产品的 推荐程度由小到大的顺序， 将各预选信贷产品的产品信息和所述在 途产品信息输入到预训 练好的产品授信额度预测模型中， 得到所述推荐信贷产品的预测授信额度， 包括： 根据各预选信贷产品的推荐程度由小到大的顺序， 将N个预选信贷产品的N个产品行向 量输入到预训练好的特征子模型对应的N个记忆单元中， 确定所述特征子模型 的最后一个 记忆单元输出的记 忆特征向量为预测额度特 征向量； 将所述预测额度 特征向量输入到所述额度 预测子模型中， 确定所述额度 预测子模型的 输出为所述推荐信贷产品的预测授信额度。 6.根据权利要求5所述的授信额度管控方法， 其特征在于， 所述根据各预选信贷产品的 推荐程度由小到大的顺序， 将N个预选信贷产品的N个产品行向量输入到预训练好的特征子 模型对应的N个记 忆单元中， 包括：权　利　要　求　书 1/2 页 2 CN 114971866 A 2根据各预选信贷产品的推荐程度由小到大的顺序， 将N个预选信贷产品的N个产品行向 量输入到预训练好的特征子模型对应的N个记忆单元中， 得到各记忆单元提取 的特征子 向 量； 根据各记忆单元提取的特征子向量、 各记忆单元提取的特征子向量的权重参数、 前一 相邻记忆单元输出 的记忆特征向量、 前一相邻记忆单元输出 的记忆特征向量的权重参数， 输出各记忆单元对应的记 忆特征向量。 7.根据权利要求6所述的授信额度管控方法， 其特征在于， 所述各记忆单元对应的记忆 特征向量的计算表达式如下： Y1＝X1    (1) Yk＝wk1Xk+wk2Yk‑1    (2) 式(1)中， Y1为第1个记忆单元对应的记忆特征向量， X1为第1个记忆单元提取 的特征子 向量； 式(2)中， Yk为第k(k＝2， 3， …， N)个记忆 单元对应的记忆 特征向量， Xk为第k个记忆 单元 提取的特征子向量， Yk‑1为第k‑1个记忆单元输出的记忆特征向量， wk1为k个记忆单元提 取的 特征子向量的权 重参数， wk2为第k‑1个记忆单元输出的记 忆特征向量的权 重参数。 8.一种授信额度管控 装置， 其特 征在于， 所述授信额度管控 装置包括： 信息获取模块， 用于获取待选择的各信贷产品的产品信 息， 以及目标客户的客户信 息， 所述客户信息包括 客户个人信息和在途产品信息； 产品筛选模块， 用于判断所述客户个人信息是否满足各信贷产品的预设条件， 筛选出 满足预设条件的N个信贷产品， 作为预选信贷产品， 其中， N≥2； 推荐程度确定模块， 用于将各预选信贷产品的产品信息， 以及所述在途产品信息输入 到预训练好的推荐程度模型中， 确定各预选信贷产品的推荐程度， 将推荐程度最大 的预选 信贷产品作为推荐信贷产品； 授信额度确定模块， 用于根据各预选信贷产品的推荐程度由小到大的顺序， 将各预选 信贷产品的产品信息和所述在 途产品信息输入到预训练好的产品授信额度预测模型中， 得 到所述推荐信贷产品的预测授信额度。 9.一种计算机设备， 其特征在于， 所述计算机设备包括处理器、 存储器以及存储在所述 存储器中并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现 如权利要求1至7任一项所述的授信额度管控方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 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至7任一项所述的授信额度管控方 法。权　利　要　求　书 2/2 页 3 CN 114971866 A 3