[發明專利]權益風控建模方法和裝置

在審

• 申請號: 202010618802.4
• 申請日: 2020-07-01
• 公開（公告）號: CN111652713A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 沈之芳;周寶琛;肖慧閔
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王天堯;吳學鋒

本發明提供了一種權益風控建模方法和裝置，該方法包括：獲取歷史數據信息和特征向量數據；所述特征向量數據隨時間進行更新；對歷史數據信息進行處理，確定特征向量；利用線性SVM算法對特征向量訓練，確定SVM分類模型和支持向量集；利用SVM分類模型評估特征向量數據，確定風控評估準確率；在風控評估準確率低于設定閾值時，根據設定時間間隔對特征向量數據加權，將加權后的特征向量數據和支持向量集作為訓練樣本，輸入到SVM分類模型進行迭代訓練，直至風控評估準確率達到設定閾值時停止迭代，確定權益風控模型。在迭代更新的過程中根據設定時間間隔對特征向量數據加權，實現對SVM分類模型更新校正，有效提高權益風控模型的準確率。

技術領域

本發明涉及數據建模技術領域，尤其涉及一種權益風控建模方法和裝置。

背景技術

本部分旨在為權利要求書中陳述的本發明的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

隨著金融行業的發展，客戶權益(如優惠券、兌換券等)在銀行企業獲客和增加客戶粘性等方面具有重要意義。然而，銀行企業在開展此類營銷活動的同時，也必須對活動的風險進行防范，避免活動的利益被大量的“羊毛黨”獲取，而失去營銷活動原本的意義。

對于這類風險的智能防范，現有的方案是利用收集的海量樣本數據，利用傳統模式識別方法訓練模型，并利用模型識別每次營銷活動中薅羊毛的風險。具體而言，會利用歷史數據來做訓練樣本，把已知薅羊毛的特征數據和已知正常行為的特征數據標記為兩類標簽，然后把這些特征數據及對應的標簽作為樣本輸入，通過貝葉斯、邏輯回歸等模式識別算法訓練出風控模型，并根據模型對用戶請求的特征數據進行識別，以此作為識別薅羊毛行為的風險評估輔助手段。

然而，如今羊毛黨的手段五花八門、層出不窮，如不斷的變化網絡IP、收獲地址等，過去營銷活動積累的數據價值性越來越小，影響模型的準確度。如果單純的利用新樣本加入到訓練樣本中訓練模型，則凸顯不出新樣本數據更高的價值性，過多的樣本數據也會讓算法計算的復雜度更高。

因此，如何提供一種新的方案，其能夠解決上述技術問題是本領域亟待解決的技術難題。

發明內容

本發明實施例提供一種權益風控建模方法，提高了權益風控模型的準確率，該方法包括：

獲取歷史數據信息和特征向量數據；所述特征向量數據隨時間進行更新；

對歷史數據信息進行處理，確定特征向量；

利用線性SVM算法對特征向量訓練，確定SVM分類模型和支持向量集；

利用SVM分類模型評估特征向量數據，確定風控評估準確率；

在風控評估準確率低于設定閾值時，根據設定時間間隔對特征向量數據加權，將加權后的特征向量數據和支持向量集作為訓練樣本，輸入到SVM分類模型進行迭代訓練，直至風控評估準確率達到設定閾值時停止迭代，確定權益風控模型。

本發明實施例還提供一種權益風控建模裝置，包括：

數據獲取模塊，用于獲取歷史數據信息和特征向量數據；所述特征向量數據隨時間進行更新；

特征向量確定模塊，用于對歷史數據信息進行處理，確定特征向量；

SVM分類模型和支持向量集確定模塊，用于利用線性SVM算法對特征向量訓練，確定SVM分類模型和支持向量集；

風控評估準確率確定模塊，用于利用SVM分類模型評估特征向量數據，確定風控評估準確率；

權益風控模型確定模塊，用于在風控評估準確率低于設定閾值時，根據設定時間間隔對特征向量數據加權，將加權后的特征向量數據和支持向量集作為訓練樣本，輸入到SVM分類模型進行迭代訓練，直至風控評估準確率達到設定閾值時停止迭代，確定權益風控模型。