[發明專利]模型優化智能評估方法、服務器及計算機可讀存儲介質

在審

• 申請號: 201910067476.X
• 申請日: 2019-01-24
• 公開（公告）號: CN109901979A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 張祚民;盧嘉欣
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06Q10/06
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;郭振媛

本發明涉及一種風險評估模型技術，揭露了一種模型優化智能評估方法，該方法包括：設置模型優化的判斷規則，所述判斷規則包括判斷指標、判斷閾值和統計周期；在所述統計周期內，接收每個待評估模型推送的輸出結果以及對所述輸出結果進行排查后反饋的排查結果，根據所述判斷指標和所述輸出結果及排查結果，統計每個待評估模型在所述統計周期內針對所述判斷指標的總計算結果；根據統計結果和所述判斷指標對應的所述判斷閾值判斷所述待評估模型是否需要優化。本發明還提供一種服務器及計算機可讀存儲介質。本發明提供的模型優化智能評估方法、服務器及計算機可讀存儲介質能夠對正在運營的模型是否需要優化進行自動判斷。

技術領域

本發明涉及風險評估模型技術領域，尤其涉及一種模型優化智能評估方法、服務器及計算機可讀存儲介質。

背景技術

模型是指通過統計分析、數理建模、各類算法及框架應用等方法，對各類數據進行分類、特征提煉、挖掘分析，并結合專家經驗等，形成的數學表達或規則集合，為風險控制和業務決策等提供支持。在模型運營過程中，針對運行狀況的監測、所發現的問題、或者新的開發需求，需要對模型進行定期或者不定期的優化更新。

目前，判斷一個模型當前是否需要進行優化，主要是基于開發人員的經驗進行人工判斷，無法實現智能化的自動評估。

發明內容

有鑒于此，本發明提出一種模型優化智能評估方法、服務器及計算機可讀存儲介質，以解決如何實現對模型是否需要優化進行智能化的自動評估的問題。

首先，為實現上述目的，本發明提出一種模型優化智能評估方法，該方法包括步驟：

設置模型優化的判斷規則，所述判斷規則包括判斷指標、判斷閾值和統計周期；

在所述統計周期內，接收每個待評估模型推送的輸出結果以及對所述輸出結果進行排查后反饋的排查結果，根據所述判斷指標和所述輸出結果及排查結果，統計每個待評估模型在所述統計周期內針對所述判斷指標的總計算結果；及

根據統計結果和所述判斷指標對應的所述判斷閾值判斷所述待評估模型是否需要優化。

可選地，該方法還包括步驟：

監測所述待評估模型的所述判斷指標是否出現異常波動；

當出現異常波動時，分析波動原因；

根據波動原因判斷所述待評估模型是否需要優化。

可選地，所述判斷指標包括模型有效率和/或亮牌情況，其中，所述模型有效率為排查反饋有效數/模型總出數，所述亮牌情況是根據預設的紅、黃、藍牌稽核制度結合排查反饋確定的稽核結果。

可選地，所述異常波動是指所述判斷指標在所述統計周期的計算結果下降的幅度超過預設閾值。

可選地，所述根據波動原因判斷所述待評估模型是否需要優化的步驟包括：

當所述波動原因為模型配置閾值失效時，判斷所述待評估模型需要進行優化；

當所述波動原因為流程已有管控時，判斷所述待評估模型不需要進行優化；

當所述波動原因為業務變更時，判斷為建議重新開發模型。

此外，為實現上述目的，本發明還提供一種服務器，包括存儲器、處理器，所述存儲器上存儲有可在所述處理器上運行的模型優化智能評估系統，所述模型優化智能評估系統被所述處理器執行時實現如上述的模型優化智能評估方法的步驟。

進一步地，為實現上述目的，本發明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有模型優化智能評估系統，所述模型優化智能評估系統可被至少一個處理器執行，以使所述至少一個處理器執行如上述的模型優化智能評估方法的步驟。