[發明專利]基于神經網絡的風險監測方法及裝置

在審

• 申請號: 202010719006.X
• 申請日: 2020-07-23
• 公開（公告）號: CN111798162A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 陳燁;朱元;李磊
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/00;G06N3/04;G06K9/62
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

1.一種基于神經網絡的風險監測方法，其特征在于，包括：

獲取待監測區域各個業務對象對應的屬性信息；

根據所述屬性信息，確定所述各個業務對象對應的風險等級信息；

根據所述各個業務對象對應的風險等級信息，生成所述待監測區域對應的風險地圖；

將所述風險地圖輸入至預設神經網絡模型進行風險分類，輸出所述待監測區域對應的風險等級信息。

2.根據權利要求1所述的方法，其特征在于，所述根據所述屬性信息，確定所述各個業務對象對應的風險等級信息，包括：

確定所述屬性信息中各個屬性的屬性值，并判斷各個屬性值是否在其對應的預設范圍內；

根據所述各個屬性值的判斷結果，確定所述各個業務對象對應的風險等級信息。

3.根據權利要求2所述的方法，其特征在于，所述根據所述各個屬性值的判斷結果，確定所述各個業務對象對應的風險等級信息，包括：

根據所述各個屬性值的判斷結果，確定所述各個屬性對應的風險評分；

根據所述各個屬性對應的風險評分和風險系數，計算所述各個業務對象對應的風險分數；

根據所述風險分數，確定所述各個業務對象對應的風險等級信息。

4.根據權利要求1所述的方法，其特征在于，所述獲取待監測區域各個業務對象對應的屬性信息，包括：

根據所述各個業務對象對應的標識信息，從統一資源符對應的網頁中獲取所述各個業務對象對應的屬性信息。

5.根據權利要求1所述的方法，其特征在于，所述根據所述各個業務對象對應的風險等級信息，生成所述待監測區域對應的風險地圖，包括：

根據所述各個業務對象對應的風險等級信息，確定所述各個業務對象對應的風險標識信息；

根據所述各個業務對象對應的位置信息，將所述風險標識信息標注在電子地圖中，生成所述待監測區域對應的風險地圖。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述預設神經網絡模型為預設誤差反向傳播神經網絡模型，所述將所述風險地圖輸入至預設神經網絡模型進行風險分類，輸出所述待監測區域對應的風險等級信息，包括：

將所述風險地圖輸入至預設神經誤差反向傳播神經網絡模型進行風險分類，輸出所述待監測區域對應的風險等級信息。

7.根據權利要求1-5任一項所述的方法，其特征在于，在所述獲取待監測區域各個業務對象對應的屬性信息之前，所述方法還包括：

獲取不同時間段不同監測區域對應的歷史風險地圖和歷史風險等級信息；

將所述歷史風險地圖和所述歷史風險等級信息作為訓練集，利用預設誤差反向傳播算法對所述訓練集進行訓練，構建所述預設神經網絡模型。

8.一種基于神經網絡的風險監測裝置，其特征在于，包括：

獲取單元，用于獲取待監測區域各個業務對象對應的屬性信息；

確定單元，用于根據所述屬性信息，確定所述各個業務對象對應的風險等級信息；

生成單元，用于根據所述各個業務對象對應的風險等級信息，生成所述待監測區域對應的風險地圖；

分類單元，用于將所述風險地圖輸入至預設神經網絡模型進行風險分類，輸出所述待監測區域對應的風險等級信息。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。