NLP即自然語言處理，是計算機科學領域與人工智能領域中的一個重要方向，隨著不斷的發展，自然語言處理技術已經越來越成熟。在銀行領域，數據分析大多集中在客戶行為分析、營銷預測、風險管理等數值分析方面，對于文本處理相對較少。隨著AI技術平臺的日趨完善，NLP技術在銀行領域的應用也逐漸嶄露頭角。本文將介紹NLP技術在農業銀行信用卡風險管理領域的落地應用，包括地址比對驗證、高危風險地址庫構建場景。

隨著商業銀行數字化轉型的推動，在業務飛速發展的過程中沉淀了海量數據，因此，加大數據領域探索，深入挖掘海量數據所蘊含的巨大潛在價值，成為當前銀行從業人員的共識。

近年來，農業銀行大數據體系不斷發展，大數據平臺匯總的數據逐漸完善，幾乎囊括了全行重要系統的數據，因而打破各個系統間的數據壁壘，成為了支撐業務發展的的新引擎。銀行業日趨激烈的競爭，也促使業務人員將精力更多地聚焦在數據價值的挖掘上，例如信用卡發卡精準營銷預測，使得年新增發卡量兩年翻了一番；基于大數據的行內評分模型，使得信用卡新增不良率降低了45%。在這些數據分析挖掘模型落地實施的帶動下，業務紛紛轉向該領域，期待轉型帶來的新突破。

在技術的推動下，業務對數據分析挖掘的需求量呈井噴式增長，要求也越來越高，特別是非結構化文本數據的處理需求。以往的數據分析大多集中在客戶行為分析、營銷預測、風險管理等數值分析方面，對于文本處理相對較少。為了支撐業務對非結構化文本分析的需求，NLP平臺應運而生?；贜LP平臺，能夠使非結構化文本的處理的問題得以高效解決。

NLP平臺引擎承接了行內所有的非結構化文本數據分析挖掘需求，向開發者提供了豐富的算子、訓練環境以及運行環境，打通模型從訓練、發布到集中運行的全流程。NLP平臺架構如圖1所示。

面向數據分析師提供豐富的基礎算法，構建基礎、高效、前沿的模型；面向應用開發者，提供原型接口，加速模型開發，提供模型訓練、部署、發布一站式開發能力；面向應用系統，提供API調用，構建全行統一的NLP服務能力。

我們能夠標識客戶的金融財產，能夠預測客戶的交易行為，但對于客戶的地址信息等非結構化數據的相關分析變得十分困難。實際上，客戶的很多行為都隱藏在地址信息中：如客戶的風險存在集中性，即存在某一地址區域頻繁逾期現象；又如客戶存在團辦欺詐行為。對此，我們基于NLP技術對地址信息進行了深入的分析挖掘，完成了幾個場景的落地實施。

在銀行的業務體系中，特別在審批流程中，需要做大量的文本比對工作，尤其是家庭地址、單位名稱。而這些比對現階段主要依靠人工進行審核，一方面效率低下，另一方面出錯率較高。利用NLP技術對文本信息進行模糊比對，能夠解決這些問題，從而提升業務審批效率。

在地址信息中，由于填寫人并沒有按照統一規范進行填寫，因而對地址信息進行直接比對效果欠佳。我們先對地址進行預處理，根據省市代號等信息，對數據進行地址層級三級分類(即省、市、區)，縮小地址的比對范圍。

在對地址進行劃分后，對地址進行切詞，將地址細分為單詞進行比較?，F在的主流分詞采用N-gram法、隱馬爾科夫模型、最大熵模型以及條件隨機場等模型，一般而言直接切分效果不會理想。因而我們引用了開源地址庫以及常用停用詞庫，以此提升分詞的準確性。此外，考慮到地址會經常出現錯別字的情況，最后我們會將詞轉換成拼音以消除錯別字的干擾。分詞優化過程如圖3所示。

圖3 分詞優化過程

為了驗證比對的準確性，我們對將近12000對地址進了人工標注，根據地址對的相近程度標注了5個層級：一致、大體一致、模糊、無法確定、不一致(見表1)。

表1 地址比對驗證結果

通過比對實際跑出的結果與標注的結果，人工標注為大體一致與一致的與相似度90%以上高度重合，準確率97.2%(加權)，人工標注為模糊、無法確定、不一致的與相似度在50%以下的高度重合，準確率為96%。相似度在90%以上以及相似度在50%覆蓋了六成客戶，可認為目前60%以上的地址比對工作可以通過自動化的比對流程來實現。

目前該應用已經應用在信用卡調查審批環節，是農業銀行首個自主研發并投產應用的NLP模型，模型準確率達80%以上，填補了農業銀行地址比對工具的空白。

目前地址比對功能已接入信用卡貸前準入流程，對每日數萬筆的信用卡申請進件進行地址信息異常變動監測，為后續的針對性風控處置提供了業務參考。

對信用卡歷史逾期客戶進行分析，可以知道風險具有集中性，即大部分的逾期客戶都集中在少量的地址區域中，所以客戶的地址屬性在很大程度上反映了客戶的風險等級。以城市為單位、以地址區域為維度進行風險監控，能夠極好地預測客戶的風險。這個問題最關鍵就是如何找出高危地址區域。高危地址區域指該地址區域內逾期的客戶數，當該區域的地址逾期客戶數達到一定的數據，我們就認為該地址是高危地址區域。

地址的逾期客戶數反映了這個地址的風險級別，當該地址的逾期客戶數到達一定的數量，我們就可以認為該地址是高危地址。地址是個精確概念，而地址范圍是個區域概念，實際上，評估一個地址區域的風險程度更具備代表性，因此高危地址庫就是找出高危地址區域。

我們整理了國家郵編庫，該庫對地址進行了五級分類。五級標準地址庫見表2。我們將地址基于五級標準分類進行初步分類，以某省的3個城市為例見表3。

表2 五級標準地址庫樣例

表3 某省初步聚類結果

目前，該應用也應用在了信用卡調查審批環節。通過對高危風險地址庫的有效攔截，顯著提升了農業銀行信用卡風險管理水平。

通過對NLP技術的探索，我們完成了農業銀行日前首個自主研發的NLP應用項目的落地投產。該項目有效地提升了農業銀行信用卡風險管理水平與反欺詐能力，為農業銀行AI自研之路奠定了良好的基礎。

后續，我們將繼續探索NLP技術的研究，形成探索、開發、訓練、投產、后評價全流程體系，以支持全行的NLP服務，打造面向全行的NLP引擎，推動NLP引擎向著組件化、原型化、服務化、平臺化的建設目標邁進。

(1)組件化：不斷豐富基礎層算法模型，依托AI平臺，向資深數據分析人員提供最新、最全的原生組件。

(2)原型化：自上而下，對已實現場景進行提煉，對算法進行組裝與封裝，沉淀形成資產，面向應用開發人員提供原型，避免重復造車，提高應用開發效率。

(3)服務化：將服務能力API化，為全行應用系統提供統一實時、批量服務能力，高效實現系統接入。

(4)平臺化：依托AI平臺，向開發人員提供多層次、全方位、流程式、一站式開發部署服務。