[發明專利]一種物體風險預警方法、管理終端及存儲介質

在審

• 申請號: 202010098941.9
• 申請日: 2020-02-18
• 公開（公告）號: CN111369107A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 趙莫言;王紅偉
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06F17/16
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 張超艷;董永輝

1.一種物體風險預警方法，其特征在于，所述方法包括：

實時收集風險目標的風險因素，所述風險因素包括場景因素和所述風險目標的固有因素，所述固有因素表示所述風險目標的固有屬性；

根據預設指標對所述風險因素進行數據清理，以匹配所述指標對應的數據值，所述指標按照預設的規則構建生成；

使用基于至少一個風險樣本構建的風險分析模型分析所述指標對應的數據值，以使得當所述風險分析模型根據所述指標對應的數據值判斷出所述風險目標存在風險時，輸出風險提示。

2.如權利要求1所述的方法，其特征在于，所述風險分析模型的構建，包括：

收集多個同類型風險樣本的風險因素并生成樣本訓練集，其中，風險因素包括固有因素和場景因素；

設定所述樣本訓練集中每個樣本的指標并為每個樣本的指標關聯權重，所述權重用于評估所述指標導致所述樣本發生風險的概率；

根據關聯權重后的樣本訓練集構建初代模型；

使用所述樣本訓練集對應的樣本測試集作為所述初代模型的輸入；

通過所述初代模型分析所述樣本測試集中的每個樣本并生成分析報告，其中，分析報告包括每個所述測試樣本發生風險的概率；

根據分析報告修正所述初代模型，直至所述初代模型輸出的評估結果符合預設風險值。

3.如權利要求1所述的方法，其特征在于，根據預設指標對所述風險因素進行數據清理包括對所述風險因素進行數據預處理,其中，數據預處理包括以下步驟：

使用矩陣數據分析算法分析所述風險目標的風險因素并生成所述風險因素對應的數據分析矩陣，其中，所述數據分析矩陣中包括精確度信息向量和效率信息向量。

4.如權利要求2所述的方法，其特征在于，通過所述初代模型分析所述樣本測試集中的每個樣本并生成分析報告，包括：

將每個樣本的每個風險因素對應的數值劃分為若干區間，并統計每個區間對應的風險發生概率；

根據對每個區間的權重和每個區間對應的風險發生概率，統計每個風險因素對應的風險發生概率；

根據每個風險因素的權重和每個風險因素對應的風險發生概率統計每個樣本的風險發生概率；根據每個樣本的風險發生概率生成分析報告。

5.如權利要求1所述的方法，其特征在于，實時收集風險目標的風險因素，包括：

按照預設的時間軸采集所述風險目標的場景因素，其中，所述預設的時間軸包括至少兩個時間點、且其中一個時間點作為風險目標的基準點。

6.如權利要求5所述的方法，其特征在于，所述方法還包括：

將所述基準點采集的場景因素中每個風險因素對應的風險發生概率與其他時間點采集的場景因素的每個風險因素對應的風險發生概率做比較，若兩個數值之間的絕對差大于預設閾值時，則生成風險因素修改提示，所述修改提示用于修正所述風險分析模型。

7.如權利要求1所述的方法，其特征在于，在輸出風險提示之后，所述方法還包括：

根據所述風險目標所在地理位置信息確定與所述風險目標對應的人員的聯系信息，其中，所述聯系信息包括QQ號碼、微信號碼、郵箱、手機號碼中的至少一種。

8.一種管理終端，其特征在于，所述管理終端包括：

收集單元，用于實時收集風險目標的風險因素，所述風險因素包括場景因素和所述風險目標的固有因素，所述固有因素表示所述風險目標的固有屬性；

數據清洗單元，用于在所述收集單元實時收集風險目標的風險因素之后，根據按照預設的規則構建的指標對所述風險因素進行數據清理，以匹配所述指標對應的數據值；

分析單元，用于在所述數據清洗單元根據按照預設的規則構建的指標對所述風險因素進行數據清理之后，使用基于至少一個風險樣本構建的風險分析模型分析所述指標對應的數據值；

輸出單元，用于當所述分析單元分析出所述風險目標存在風險時，輸出風險提示。