[發明專利]風險評估模型的訓練、風險評估方法及裝置

有效

• 申請號: 202010256586.3
• 申請日: 2020-04-02
• 公開（公告）號: CN111401914B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 許小龍
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06K9/62
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 張明;周良玉

本說明書實施例提供一種風險評估模型的訓練、風險評估方法及裝置，在訓練方法中，收集一批用戶樣本，其中的每個用戶樣本包括用戶特征和風險標簽，風險標簽用于指示出用戶的總風險評分以及對應于各預定風險類型的多個單獨風險評分。基于各用戶樣本的用戶特征以及風險標簽中的總風險評分，對特征編碼層進行訓練，得到訓練的特征編碼層，并基于訓練的特征編碼層，獲取各用戶樣本的特征編碼結果。基于各用戶樣本的特征編碼結果以及風險標簽中的總風險評分，對綜合風險評估層進行訓練。對于各單一風險評估層中的每個單一風險評估層，基于各用戶樣本的特征編碼結果以及風險標簽中的對應風險類型的單獨風險評分，對該單一風險評估層進行訓練。

技術領域

本說明書一個或多個實施例涉及機器學習技術領域，尤其涉及一種風險評估模型的訓練、風險評估方法及裝置。

背景技術

隨著網絡技術的日益普遍，網絡交易中存在的風險也越來越多。為了能有效的減少高風險交易，加強市場監控，對用戶進行風險評估顯得極其重要。

傳統技術中，通常只針對單一風險類型(如，涉嫌賭博的風險類型)進行風險評估。其評估過程具體可以為：先基于該風險類型的樣本用戶和正常樣本用戶，訓練風險評估模型。之后基于該風險評估模型，評估目標用戶是否為對應風險類型的用戶。因此，傳統的風險評估方法效率較低。

因此，希望提供改進的方案，能夠提升對用戶的風險評估效率。

發明內容

本說明書一個或多個實施例描述了一種風險評估模型的訓練、風險評估方法及裝置，可以降低模型訓練的成本和開銷。

第一方面，提供了一種風險評估模型的訓練方法，包括：

收集一批用戶樣本，其中的每個用戶樣本包括用戶特征和風險標簽；所述風險標簽用于指示出用戶的總風險評分以及對應于所述各預定風險類型的多個單獨風險評分；

基于所述一批用戶樣本中各用戶樣本的用戶特征，以及所述各用戶樣本的風險標簽中的總風險評分，對所述特征編碼層進行訓練，得到訓練的特征編碼層；

基于訓練的特征編碼層，獲取所述各用戶樣本的特征編碼結果；

基于所述各用戶樣本的特征編碼結果，以及所述各用戶樣本的風險標簽中的總風險評分，對所述綜合風險評估層進行訓練；

對于所述各單一風險評估層中的每個單一風險評估層，基于所述各用戶樣本的特征編碼結果，以及所述各用戶樣本的風險標簽中的對應于該單一風險評估層的風險類型的單獨風險評分，對該單一風險評估層進行訓練。

第二方面，提供了一種風險評估方法，包括：

獲取待評估風險用戶的目標特征；

將所述目標特征輸入風險評估模型的特征編碼層，得到目標特征編碼結果；所述風險評估模型通過第一方面所述的方法訓練得到；

將所述目標特征編碼結果分別輸入所述風險評估模型的綜合風險評估層和各單一風險評估層；

通過所述綜合風險評估層的輸出，得到所述待評估風險用戶的總風險評分；通過所述各單一風險評估層中的每個單一風險評估層的輸出，得到所述待評估風險用戶的對應于每個單一風險評估層的風險類型的單獨風險評分。

第三方面，提供了一種風險評估模型的訓練裝置，包括：

收集單元，用于收集一批用戶樣本，其中的每個用戶樣本包括用戶特征和風險標簽；所述風險標簽用于指示出用戶的總風險評分以及對應于所述各預定風險類型的多個單獨風險評分；

訓練單元，用于基于所述收集單元收集的所述一批用戶樣本中各用戶樣本的用戶特征，以及所述各用戶樣本的風險標簽中的總風險評分，對所述特征編碼層進行訓練，得到訓練的特征編碼層；