(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 202210966354.6 (22)申请日 2022.08.12 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 吴欢　林慕云　殷富成　郑安妮　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 赵平　任默闻 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) G06N 3/12(2006.01) (54)发明名称 信用卡还款 提醒方法和装置 (57)摘要 本发明提供了一种信用卡还款提醒方法和 装置， 特别涉及人工智能领域， 所述方法包括： 根 据决策树和当前客户定性特征向量， 确定对应的 当前客户的第一逾期类型； 根据历史客户定量特 征向量， 构建对应的适应度函数； 基于适应度函 数进行遗传迭代， 确定对应历史客户定量特征向 量的多个最终幂次系数和最终倍数系数； 基于当 前客户定量特征向量、 最终幂次系数和最终倍数 系数， 确定对应的当前客户的第二逾期类型； 根 据第一逾期类型和第二逾期类型， 确定当前客户 的未来逾期率， 并基于未来逾期率向当前客户进 行信用卡还款提醒。 本发明能够提前进行信用卡 还款提醒， 并提高信用卡还款提醒的速度和准确 性， 从而提高信用卡还款提醒效率， 进而有利于 提高银行的收入。 权利要求书5页 说明书30页 附图4页 CN 115239481 A 2022.10.25 CN 115239481 A 1.一种信用卡还款 提醒方法， 其特 征在于， 包括： 根据预设的决策树和当前客户定性特 征向量， 确定对应的当前客户的第一逾期类型； 根据预设的历史客户定量特征向量， 构建对应的适应度函数； 基于所述适应度函数进 行遗传迭代， 确定对应历史客户定量特 征向量的多个最终幂次系数和最终倍数系数； 基于预设的当前客户定量特征向量、 所述最终幂次系数和最终倍数系数， 确定对应的 所述当前客户的第二逾期类型； 根据所述第一逾期类型和第二逾期类型， 确定所述当前客 户的未来逾期率， 并基于所述未来逾期率向所述当前客户进行信用卡还款 提醒。 2.根据权利要求1所述的方法， 其特 征在于， 进一 步包括： 在根据预设的决策树和当前客户定性特征向量， 确定对应的当前客户的第 一逾期类型 之前， 对预设的初始历史客户信息进行数据清洗、 数据抽取和数据标准化处理， 得到中间历 史客户信息； 对所述中间历史客户信息进行 特征向量化处理， 得到历史客户特 征向量； 将所述历史客户特征向量按向量元素的元素类型的性质进行拆分， 分别得到对应的历 史客户定性特 征向量和历史客户定量特 征向量。 3.根据权利要求1所述的方法， 其特 征在于， 进一 步包括： 在根据预设的决策树和当前客户定性特征向量， 确定对应的当前客户的第 一逾期类型 之前， 对预设的当前客户信息进行 特征向量化处理， 得到当前客户特 征向量； 将所述当前客户特征向量按向量元素的元素类型的性质进行拆分， 分别得到对应的当 前客户定性特 征向量和当前客户定量特 征向量。 4.根据权利要求1所述的方法， 其特 征在于， 进一 步包括： 在根据预设的决策树和当前客户定性特征向量， 确定对应的当前客户的第 一逾期类型 之前， 基于多个所述历史客户定性特征向量、 所述历史客户定性特征向量的元素值和对应的 历史逾期标签， 构建决策树。 5.根据权利要求4所述的方法， 其特征在于， 所述基于多个所述历史客户定性特征向 量、 所述历史客户定性特 征向量的元 素值和对应的历史逾期标签， 构建决策树， 包括： 根据所有所述历史客户定性特征向量和对应的历史逾期标签， 得到完整信息熵； 其中， 所述历史逾期标签的取值为不逾期标签、 第一阶段逾期标签、 第二阶段逾期标签、 第三阶段 逾期标签或第四阶段逾期标签； 根据所有所述历史客户定性特征向量对应的历史逾期标签和向量元素的元素值， 得到 向量元素的每个元素类型的根条件熵； 根据所述完整信息熵和所述根条件熵， 得到所述元素类型对应的根信息增益熵， 并将 根信息增益熵最大的元素类型作为根节点属性建立决策树的根节点； 基于所述根节点属性 可取的每个元素值， 分别建立每 个元素值对应的子节点； 重复执行建立子节点的步骤， 直到无法建立子节点， 以完成所述决策树的构建， 所述建 立子节点的步骤 包括： 根据每个所述子节点对应的子元素值， 确定具有对应所述子元素值的向量元素的多个权　利　要　求　书 1/5 页 2 CN 115239481 A 2历史客户定性特 征向量为所述子节点的子向量； 分别判断每个所述子节点的子向量对应的历史逾期标签是否均相同， 若是， 将所述子 节点作为叶节点； 根据每个叶节点对应的叶元素值， 确定具有对应所述叶元素值的向量元 素的多个历史客户定性特 征向量为所述叶节点的叶向量； 若否， 根据所有所述子向量对应的历史逾期标签和向量元素的元素值， 得到所述子节 点中每个所述元 素类型的子条件熵； 根据所述完整信息熵和所述子条件熵， 得到所述元素类型对应的子信息增益熵， 并将 子信息增 益熵最大 的元素类型作为子节点属 性； 基于所述子节点属 性可取的每个元素值， 分别建立所述子节点下一层的子节点。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所有所述历史客户定性特征向量 和对应的历史逾期标签， 得到 完整信息熵， 包括： 根据所有所述历史客户定性特征向量和对应的历史逾期标签， 得到所述历史逾期标签 取值为不逾期标签的历史客户定性特征向量的第一数量、 所述历史逾期标签取值为第一阶 段逾期标签的历史客户定性特征向量的第二数量、 所述历史逾期标签取值为第二阶段逾期 标签的历史客户定性特征向量的第三数量、 所述历史逾期标签取值为第三阶段逾期标签的 历史客户定性特征向量的第四数量和所述历史逾期标签取值为第四阶段逾期标签的历史 客户定性特 征向量的第五数量； 基于所述第一数量和所有历史客户定性特 征向量的总数量， 得到未逾期率； 基于所述第二数量和所有历史客户定性特 征向量的总数量， 得到第一阶段逾期率； 基于所述第三数量和所有历史客户定性特 征向量的总数量， 得到第二阶段逾期率； 基于所述第四数量和所有历史客户定性特 征向量的总数量， 得到第三阶段逾期率； 基于所述第五数量和所有历史客户定性特 征向量的总数量， 得到第四阶段逾期率； 基于所述未逾期率、 第一阶段逾期率、 第二阶段逾期率、 第 三阶段逾期率和第四阶段逾 期率， 得到所述完整信息熵。 7.根据权利要求5所述的方法， 其特征在于， 所述根据所有所述历史客户定性特征向量 对应的历史逾期标签和向量元素 的元素值， 得到 向量元素 的每个元素类型 的根条件熵， 包 括： 根据所述向量元素的元素值， 分别得到所述元素类型中取不同元素值的向量元素的划 分数量； 根据所述划分数量和所有历史客户定性特 征向量的总数量， 得到划分率； 分别将所述元素类型中取不同元素值时对应的历史客户定性特征向量作为对应的划 分向量， 并基于所述元素类型中取不同元素值时对应的划分向量和所述划分向量对应的历 史逾期标签， 得到对应不同元 素值的划分信息熵； 基于所述元素类型可取的不同元素值对应的划分率和划分信 息熵， 得到所述元素类型 的根条件熵。 8.根据权利要求5所述的方法， 其特征在于， 所述根据所有所述子向量对应的历史逾期 标签和向量元 素的元素值， 得到所述子节点中每 个所述元 素类型的子条件熵， 包括： 根据所述子向量的向量元素的元素值， 分别得到子向量的所述元素类型中取不同元素 值的向量元 素的子划分数量；权　利　要　求　书 2/5 页 3 CN 115239481 A 3