[發(fā)明專(zhuān)利]風(fēng)控文本處理方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201911328087.4
• 申請(qǐng)日: 2019-12-20
• 公開(kāi)（公告）號(hào): CN111191893A
• 公開(kāi)（公告）日: 2020-05-22
• 發(fā)明（設(shè)計(jì)）人: 李達(dá);張彤彤;蘇綏綏;常富洋
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京淇瑀信息科技有限公司
• 主分類(lèi)號(hào): G06Q10/06
• 分類(lèi)號(hào): G06Q10/06;G06F40/284;G06K9/62
• 代理公司: 北京清誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11691
• 代理人: 喬?hào)|峰

本公開(kāi)涉及一種風(fēng)控文本處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。該方法包括：獲取用戶(hù)的風(fēng)控文本，所述風(fēng)控文本包括用戶(hù)描述文本、應(yīng)用列表、金融記錄文本；將所述風(fēng)控文本輸入文本向量化模型中，生成風(fēng)控向量；將所述風(fēng)控向量輸入風(fēng)險(xiǎn)預(yù)測(cè)模型中以確定所述用戶(hù)的風(fēng)險(xiǎn)類(lèi)別和其對(duì)應(yīng)的風(fēng)險(xiǎn)概率；以及基于所述風(fēng)險(xiǎn)類(lèi)別和其對(duì)應(yīng)的風(fēng)險(xiǎn)概率生成所述用戶(hù)的風(fēng)險(xiǎn)策略。本公開(kāi)涉及的風(fēng)控文本處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，能夠?qū)τ脩?hù)的風(fēng)控文本進(jìn)行自動(dòng)處理，確定用戶(hù)的風(fēng)險(xiǎn)分類(lèi)，還能夠自動(dòng)對(duì)異常用戶(hù)文本信息監(jiān)測(cè)，實(shí)現(xiàn)自適應(yīng)的用戶(hù)風(fēng)險(xiǎn)預(yù)判。

技術(shù)領(lǐng)域

本公開(kāi)涉及計(jì)算機(jī)信息處理領(lǐng)域，具體而言，涉及一種風(fēng)控文本處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

在風(fēng)險(xiǎn)防控中，管理人員會(huì)收集已經(jīng)定性為風(fēng)險(xiǎn)案件中的相關(guān)數(shù)據(jù)，進(jìn)而進(jìn)行更深層次的分析，以尋找措施避免類(lèi)似案件發(fā)生。在這些已定性的案件里，管理人員除了用戶(hù)的個(gè)人特征之外，往往還會(huì)關(guān)注多種不同的風(fēng)險(xiǎn)手法、風(fēng)險(xiǎn)類(lèi)型。在實(shí)際風(fēng)控中，提前預(yù)知和得到相應(yīng)的風(fēng)險(xiǎn)手法往往是必要的和有價(jià)值的。主要原因在于不同風(fēng)險(xiǎn)手法有相應(yīng)的風(fēng)控手段，比如用戶(hù)逾期風(fēng)險(xiǎn)，當(dāng)用戶(hù)在文本中表現(xiàn)出對(duì)貸款和資金情況偏向的信息，進(jìn)而調(diào)整該用戶(hù)的金融服務(wù)策略。對(duì)風(fēng)險(xiǎn)手法、風(fēng)險(xiǎn)類(lèi)型的分析，能夠幫助業(yè)務(wù)人員彌補(bǔ)金融服務(wù)條款或者金融服務(wù)策略上的漏洞，完善金融服務(wù)系統(tǒng)，其中，風(fēng)險(xiǎn)案件中的風(fēng)險(xiǎn)手法和風(fēng)險(xiǎn)類(lèi)別可為已有的風(fēng)險(xiǎn)手法和未知的風(fēng)險(xiǎn)手法

現(xiàn)有的技術(shù)對(duì)于文本的風(fēng)險(xiǎn)感知沒(méi)有任何處理，每次出現(xiàn)一個(gè)新的案件后，主要通過(guò)審理人員查看案件的方式，判斷案件是否是屬于已知的風(fēng)險(xiǎn)，并挖掘可能出現(xiàn)的未知風(fēng)險(xiǎn)。這樣導(dǎo)致的結(jié)果是過(guò)度的使用了人力，而且人力可能會(huì)過(guò)度疲勞導(dǎo)致出錯(cuò)。另外人工抽樣的樣本量每天是有限的，很多在數(shù)學(xué)和其他統(tǒng)計(jì)上可能能統(tǒng)計(jì)出異常的樣本點(diǎn)，因?yàn)槌闃拥钠瓤赡軙?huì)被忽略。

因此，需要一種新的風(fēng)控文本處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

在所述背景技術(shù)部分公開(kāi)的上述信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

有鑒于此，本公開(kāi)提供一種風(fēng)控文本處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，能夠?qū)τ脩?hù)的風(fēng)控文本進(jìn)行自動(dòng)處理，確定用戶(hù)的風(fēng)險(xiǎn)分類(lèi)，還能夠自動(dòng)對(duì)異常用戶(hù)文本信息監(jiān)測(cè)，實(shí)現(xiàn)自適應(yīng)的用戶(hù)風(fēng)險(xiǎn)預(yù)判。

本公開(kāi)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本公開(kāi)的實(shí)踐而習(xí)得。

根據(jù)本公開(kāi)的一方面，提出一種風(fēng)控文本處理方法，該方法包括：獲取用戶(hù)的風(fēng)控文本，所述風(fēng)控文本包括用戶(hù)描述文本、應(yīng)用列表、金融記錄文本；將所述風(fēng)控文本輸入文本向量化模型中，生成風(fēng)控向量；將所述風(fēng)控向量輸入風(fēng)險(xiǎn)預(yù)測(cè)模型中以確定所述用戶(hù)的風(fēng)險(xiǎn)類(lèi)別和其對(duì)應(yīng)的風(fēng)險(xiǎn)概率；以及基于所述風(fēng)險(xiǎn)類(lèi)別和其對(duì)應(yīng)的風(fēng)險(xiǎn)概率生成所述用戶(hù)的風(fēng)險(xiǎn)策略。

可選地，還包括：通過(guò)預(yù)設(shè)的自然語(yǔ)言處理模型進(jìn)行調(diào)整以生成所述文本向量化模型，所述自然語(yǔ)言處理模型包括雙向編解碼模型。

可選地，通過(guò)預(yù)設(shè)的自然語(yǔ)言處理模型進(jìn)行調(diào)整以生成所述文本向量化模型，包括：確定初始雙向編解碼模型；基于歷史用戶(hù)的風(fēng)控文本對(duì)所述初始雙向編解碼模型的參數(shù)進(jìn)行微調(diào)，生成更新參數(shù)；以及基于所述更新參數(shù)生成所述文本向量化模型。

可選地，還包括：通過(guò)歷史用戶(hù)的風(fēng)控向量對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，以生成所述風(fēng)險(xiǎn)預(yù)測(cè)模型，所述機(jī)器學(xué)習(xí)模型包括極端梯度提升決策樹(shù)模型。

可選地，還包括：獲取歷史用戶(hù)的風(fēng)控向量；為所述風(fēng)控向量確定風(fēng)險(xiǎn)類(lèi)別標(biāo)簽；以及通過(guò)所述風(fēng)控向量及其對(duì)應(yīng)的風(fēng)險(xiǎn)類(lèi)別標(biāo)簽對(duì)極端梯度提升決策樹(shù)模型進(jìn)行訓(xùn)練以生成所述風(fēng)險(xiǎn)預(yù)測(cè)模型。

可選地，獲取歷史用戶(hù)的風(fēng)控向量，包括：通過(guò)所述文本向量化模型對(duì)歷史用戶(hù)的風(fēng)控文本進(jìn)行處理，生成歷史用戶(hù)的所述風(fēng)控向量。