[發明專利]一種風險預警提示方法、裝置、介質及設備

有效

• 申請號: 201710741402.0
• 申請日: 2017-08-25
• 公開（公告）號: CN107566358B
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 魯夢平;戴云峰;關盛裕;羅錦堅;詹勛昌
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06Q20/40;G06Q20/38
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

1.一種風險預警提示方法，其特征在于，包括：

獲取在預設時間段內產生的針對用戶的風險事件數據以及所述用戶的屬性信息，其中，所述風險事件數據包括各個風險事件在所述預設時間段內發生的次數和/或指定風險事件在預設時間段內發生的時長；

根據所述風險事件數據以及用戶的屬性信息，生成所述用戶的特征向量；

將所述用戶的特征向量輸入預先訓練得到的至少一個受損預測模型，得到所述用戶在相應受損預測模型下的受損概率；

根據第一概率閾值以及所述用戶在各個受損預測模型下的受損概率，向所述用戶對應的用戶終端發送風險預警提示信息。

2.根據權利要求1所述的方法，其特征在于，根據第一概率閾值以及所述用戶在各個受損預測模型下的受損概率，向所述用戶對應的用戶終端發送風險預警提示信息，包括：

根據所述用戶在各個受損預測模型下的受損概率，確定所述用戶的最終受損概率；

若所述用戶的最終受損概率超過所述第一概率閾值，則向所述用戶對應的用戶終端發送風險預警提示信息。

3.根據權利要求2所述的方法，其特征在于，確定所述用戶的最終受損概率，包括：

在僅包括一個受損預測模型的情況下，將所述用戶在該受損預測模型下的受損概率作為所述用戶的最終受損概率；

在包括多個受損預測模型的情況下，計算所述用戶在各個受損預測模型下的受損概率的加權求和結果；

將所述加權求和結果作為所述用戶的最終受損概率。

4.根據權利要求1所述的方法，其特征在于，在包括多個受損預測模型的情況下，根據第一概率閾值以及所述用戶在各個受損預測模型下的受損概率，向所述用戶對應的用戶終端發送風險預警提示信息，包括：

統計所述用戶在各個受損預測模型下的受損概率中，超過所述第一概率閾值的受損概率的個數以及未超過所述第一概率閾值的受損概率的個數；

若超過所述第一概率閾值的受損概率的個數大于或等于未超過所述第一概率閾值的受損概率的個數，則向所述用戶對應的用戶終端發送風險預警提示信息。

5.根據權利要求1所述的方法，其特征在于，預先按照以下方式訓練得到任一受損預測模型：

基于確定的訓練樣本集中各個樣本用戶的特征向量以及相應樣本用戶所屬的類別，利用預設二分類算法訓練得到所述任一受損預測模型，其中，所述樣本用戶的特征向量預先根據針對樣本用戶的風險事件數據以及樣本用戶的屬性信息確定，樣本用戶所屬的類別為受損類別或未受損類別。

6.根據權利要求5所述的方法，其特征在于，采用以下方式確定所述訓練樣本集：

將所屬的類別為受損類別的各個樣本用戶的特征向量以及受損類別對應存入黑樣本集；

將所屬的類別為未受損類別的各個樣本用戶的特征向量以及未受損類別對應存入白樣本集；其中，一個樣本包括特征向量以及該特征向量對應的樣本用戶所屬的類別；

利用所述黑樣本集，從所述白樣本集中篩選出可靠白樣本集；

根據所述黑樣本集以及篩選出的可靠白樣本集，確定所述訓練樣本集。

7.根據權利要求6所述的方法，其特征在于，采用如下方式確定樣本用戶的特征向量：

針對保存的所屬的類別為受損類別的每個樣本用戶，根據該樣本用戶在受損時間點的屬性信息以及在受損時間點之前的預設時長內產生的針對該樣本用戶風險事件數據，生成該樣本用戶的特征向量；

針對保存的所屬的類別為未受損類別的每個樣本用戶，根據該樣本用戶在所述受損時間點的屬性信息以及在所述受損時間點之前的預設時長內產生的針對該樣本用戶的風險事件數據，生成該樣本用戶的特征向量，其中，所述預設時間段的開始時間點晚于所述受損時間點。