(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 202210152732.7 (22)申请日 2022.02.18 (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 薛雨杉　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 杜娟娟 (51)Int.Cl. G06Q 40/02(2012.01) G06F 16/36(2019.01) (54)发明名称 用户数据处理方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请涉及人工智能技术领域， 特别涉及一 种用户数据处理方法、 装置、 计算机设备和存储 介质。 所述方法包括： 获取待处理用户数据， 所述 待处理用户数据包括不同时间点的初始用户数 据； 对各个所述时间点的初始用户数据进行图谱 构建得到多个 静态知识图谱； 分别对多个所述静 态知识图谱进行特征提取得到多个所述静态知 识图谱对应的静态特征， 所述静态特征用于表征 融合所述静态知识 图谱中各个节点特征的特征 数据； 将各个所述时间点对应的静态特征串 联得 到动态特征； 根据所述动态特征得到所述待处理 用户数据对应的目标特征数据。 采用本方法能够 对待处理用户数据进行准确评估。 权利要求书2页 说明书16页 附图8页 CN 114529399 A 2022.05.24 CN 114529399 A 1.一种用户数据处 理方法， 其特 征在于， 所述方法包括： 获取待处 理用户数据， 所述待处 理用户数据包括 不同时间点的初始用户数据； 对各个所述时间点的初始用户数据进行图谱构建得到多个静态知识图谱； 分别对多个所述静态知识图谱进行特征提取得到多个所述静态知识图谱对应的静态 特征， 所述静态特 征用于表征融合所述静态知识图谱中各个节点特 征的特征数据； 将各个所述时间点对应的静态特 征串联得到动态特 征； 根据所述动态特 征得到所述待处 理用户数据对应的目标 特征数据。 2.根据权利要求1所述的方法， 其特征在于， 所述对各个所述 时间点的初始用户数据进 行图谱构建得到多个静态知识图谱， 包括： 对各个所述时间点的初始用户数据提取， 得到三元组数据； 基于所述 三元组数据进行图谱构建得到多个所述静态知识图谱。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述三元组数据进行图谱构建得 到多个静态知识图谱之后， 包括： 当所述静态知识图谱中的节点存在标签缺失时， 读取标签缺失节点所在的三元组数 据， 根据所述 三元组数据的标签对所述标签缺失的节点进行补充。 4.根据权利要求1所述的方法， 其特征在于， 所述分别对多个所述静态知识图谱进行特 征提取得到多个所述静态知识图谱 对应的静态特 征， 包括： 根据多个所述静态知识图谱， 得到多个所述静态知识图谱 对应的特 征矩阵； 将各个所述特 征矩阵进行 特征融合， 得到多个所述静态知识图谱 对应的静态特 征。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述动态特征得到所述待处理用 户数据对应的目标 特征数据， 包括： 对所述动态特 征进行特征提取， 得到所述留存特 征； 对所述留存特 征进行更新得到更新特 征； 根据所述更新特 征计算得到所述目标 特征数据。 6.根据权利要求1所述的方法， 其特征在于， 所述分别对多个所述静态知识图谱进行特 征提取得到多个所述静态知识图谱 对应的静态特 征是通过预先训练的第一模型实现的； 所述根据所述动态特征得到所述待处理用户数据对应的目标特征数据是通过预先训 练的第二模型实现的。 7.根据权利要求6所述的方法， 其特征在于， 所述第一模型和所述第二模型的训练过 程， 包括： 获取样本数据， 所述样本数据携带 标注数据以及特 征标签； 将所述样本数据输入至第一模型， 以通过所述第一模型对所述样本数据进行提取， 得 到样本特 征； 根据所述样本特征以及所述特征标签计算第 一目标损失函数， 所述第 一目标损失函数 用于优化所述第一模型， 直至所述第一模型完成训练； 将所述样本特征输入至第二模型， 以通过所述第二模型对所述样本特征进行预测， 得 到所述样本特 征的样本目标 特征； 根据所述样本目标特征和所述标注数据计算得到第 二目标损失函数， 所述第 二损失函 数用于优化所述第二模型， 直至所述第二模型完成训练。权　利　要　求　书 1/2 页 2 CN 114529399 A 28.一种风险处 理方法， 其特 征在于， 所述方法包括： 获取待预测用户对应的待处 理用户数据； 根据权利要求1 ‑7中任意一项所述的方法得到所述待处理用户数据对应的目标特征数 据； 根据所述目标 特征数据确定所述待预测用户的风险等级。 9.根据权利要求8所述的方法， 其特征在于， 所述根据所述目标特征数据确定所述待预 测用户的风险等级， 包括： 获取预先设置的评价 等级； 根据所述目标 特征数据和所述评价 等级得到所述待预测用户的风险等级。 10.一种风险评 定装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取待处理用户数据， 所述待处理用户数据包括不同时间点的初 始用户数据； 图谱构建模块， 用于对各个所述 时间点的初始用户数据进行图谱构建得到多个静态知 识图谱； 特征提取模块， 用于分别对多个所述静态知识图谱进行特征提取得到多个所述静态知 识图谱对应的静态特征， 所述静态特征用于表征融合所述静态知识图谱中各个节点特征的 特征数据； 特征处理模块， 用于将各个所述时间点对应的静态特 征串联得到动态特 征； 目标特征计算模块， 用于根据 所述动态特征得到所述待处理用户数据对应的目标特征 数据。 11.一种风险处 理装置， 其特 征在于， 所述装置包括： 待处理用户数据获取模块， 用于获取待预测用户对应的待处 理用户数据； 风险预测模块， 用于根据权利要求10所述的装置得到所述待处理用户数据对应的目标 特征数据； 风险等级判断模块， 用于根据所述目标 特征数据确定所述待预测用户的风险等级。 12.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。 13.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。 14.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至9中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114529399 A 3