[發(fā)明專利]用于對交易風險數(shù)據(jù)進行風險聚類的方法及裝置

在審

• 申請?zhí)枺?/td>: 201910827110.8
• 申請日: 2019-09-03
• 公開（公告）號: CN110766040A
• 公開（公告）日: 2020-02-07
• 發(fā)明（設計）人: 劉星;許遼薩;王維強
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/04
• 代理公司: 11415 北京博思佳知識產(chǎn)權(quán)代理有限公司
• 代理人: 周嗣勇

1.一種用于對交易風險數(shù)據(jù)進行風險聚類的方法，包括：

從交易風險數(shù)據(jù)中提取出第一多個風險特征維度數(shù)據(jù)；

將所述第一多個風險特征維度數(shù)據(jù)提供給風險預測模型來進行風險預測，所述風險預測模型是有監(jiān)預測模型；

確定各個風險特征維度數(shù)據(jù)的特征貢獻度；以及

基于所述各個風險特征維度數(shù)據(jù)的特征貢獻度，使用無監(jiān)聚類算法來對所述交易風險數(shù)據(jù)進行風險聚類。

2.如權(quán)利要求1所述的方法，其中，所述特征貢獻度是利用解釋模型確定出的。

3.如權(quán)利要求2所述的方法，其中，所述解釋模型包括利用下述算法中的一種算法得到的解釋模型：

Permutation Importance；

Lime；

SHAP；

Infocode。

4.如權(quán)利要求3所述的方法，其中，在所述解釋模型是使用SHAP算法得到的解釋模型時，確定各個風險特征維度數(shù)據(jù)的特征貢獻度包括：

針對所述第一多個風險特征維度數(shù)據(jù)中的每個風險特征維度數(shù)據(jù)，

從所述第一多個風險維度數(shù)據(jù)中去除該風險特征維度數(shù)據(jù)，以得到對應的第二多個風險特征維度數(shù)據(jù)；

獲取所述第二多個風險特征維度數(shù)據(jù)的所有可能的風險特征維度數(shù)據(jù)組合；

將該風險特征維度數(shù)據(jù)分別與各個可能的風險特征維度數(shù)據(jù)組合進行組合，以生成對應的第三多個風險特征維度數(shù)據(jù)；

針對各個可能的風險特征維度數(shù)據(jù)組合，

將該可能的風險特征維度數(shù)據(jù)組合以及對應的第三多個風險特征維度數(shù)據(jù)分別提供給所述風險預測模型，以得到第一風險預測值和第二風險預測值；

計算所述第一風險預測值和所述第二風險預測值的幾率對數(shù)差；以及

基于所得到的與各個可能的風險特征維度數(shù)據(jù)組合對應的幾率對數(shù)差，確定該風險特征數(shù)據(jù)的特征貢獻度。

5.一種用于對交易風險數(shù)據(jù)進行風險聚類的裝置，包括：

風險特征提取單元，從交易風險數(shù)據(jù)中提取出第一多個風險特征維度數(shù)據(jù)；

風險預測單元，將所述第一多個風險特征維度數(shù)據(jù)提供給風險預測模型來進行風險預測，所述風險預測模型是有監(jiān)預測模型；

特征貢獻度確定單元，確定各個風險特征維度數(shù)據(jù)的特征貢獻度；以及

風險聚類單元，基于所述各個風險特征維度數(shù)據(jù)的特征貢獻度，使用無監(jiān)聚類算法來對所述交易風險數(shù)據(jù)進行風險聚類。

6.如權(quán)利要求5所述的裝置，其中，所述特征貢獻度是利用解釋模型確定出的。

7.如權(quán)利要求6所述的裝置，其中，所述解釋模型包括利用下述算法中的一種算法得到的解釋模型：

Permutation Importance；

Lime；

SHAP；

Infocode。