Использование нейросетевых моделей обучения скрытого вектора представлений карточных транзакций клиента банка для разных прикладных задач

Модели искусственных нейронных сетей активно применяются как в научных исследованиях, так и в различных прикладных задачах. Популярность нейросетевые модели заслужили за счет своей гибкости и обширному полю задач, которые они могут решать: от стандартных моделей на плоских таблицах до анализа текстов, изображений, музыки, видео. Банк, осуществляя свою деятельность, собирает и накапливает большое количество данных по клиенту, в том числе данные по карточным транзакциям. Клиенты банка совершают огромное количество транзакций, который могут характеризовать их поведение. Транзакционные данные имеют временную структуру. В рамках исследования проверяется гипотеза, что последовательность транзакций содержит поведенческую информацию о клиенте. Целью данной работы является извлечение значимой информации из транзакционных данных по клиентам, а именно, обучение скрытых векторных представлений транзакционного поведения клиента. В рамках данной работы планируется обучение LSTM-автоэнкодера на карточных транзакциях банка. В модель будут подаваться скользящие окна последовательных транзакций на уровне одного клиента. Задачей автоэнкодера является получение вектора, содержащего информацию обо всех транзакциях входящего окна, которой достаточно для воссоздания входящей последовательности с определенной точностью. В качестве моделей, к которым будут добавлены обученные векторные представления транзакций и их производные, выступают модели оценки вероятности дефолта договоров первичных и вторичных предложений банка, уже содержащие простые агрегаты, не учитывающие временную зависимость. Обученные с помощью LSTM-автоэнкодера векторные представления транзакционных данных дали существенный прирост качества существующих моделей (2,4-3,7 Джини), что свидетельствует о том, что данный метод позволяет извлечь временную зависимость транзакций, что может давать дополнительную поведенческую характеристику клиента.