[發(fā)明專利]風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法、識別方法、終端及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011247673.9
• 申請日: 2020-11-10
• 公開（公告）號: CN112330432A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 盧佳卉
• 申請（專利權(quán)）人: 中國平安人壽保險(xiǎn)股份有限公司
• 主分類號: G06Q40/00
• 分類號: G06Q40/00;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 楊毅玲;劉麗華

1.一種風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法，其特征在于，所述方法包括：

從多個(gè)用戶的多個(gè)一階特征中篩選出多個(gè)目標(biāo)一階特征；

基于所述多個(gè)用戶的多個(gè)目標(biāo)一階特征訓(xùn)練第一風(fēng)險(xiǎn)識別模型；

根據(jù)每個(gè)用戶的多個(gè)目標(biāo)一階特征生成多個(gè)二階特征，并使用所述第一風(fēng)險(xiǎn)識別模型對每個(gè)用戶的多個(gè)二階特征進(jìn)行有效性驗(yàn)證得到多個(gè)目標(biāo)二階特征；

基于所述多個(gè)用戶的多個(gè)目標(biāo)二階特征訓(xùn)練第二風(fēng)險(xiǎn)識別模型，并判斷所述第二風(fēng)險(xiǎn)識別模型的測試通過率是否滿足預(yù)設(shè)期望值；

當(dāng)確定所述第二風(fēng)險(xiǎn)識別模型的測試通過率沒有滿足所述預(yù)設(shè)期望值時(shí)，使用所述多個(gè)用戶的多個(gè)目標(biāo)二階特征生成多個(gè)三階特征，并使用所述第二風(fēng)險(xiǎn)識別模型對每個(gè)用戶的多個(gè)三階特征進(jìn)行有效性驗(yàn)證得到多個(gè)目標(biāo)三階特征；

迭代使用所述多個(gè)用戶的多個(gè)目標(biāo)三階特征訓(xùn)練第三風(fēng)險(xiǎn)識別模型，直至判斷所述第三風(fēng)險(xiǎn)識別模型的測試通過率滿足預(yù)設(shè)期望值時(shí)，基于所述多個(gè)用戶的多個(gè)目標(biāo)三階特征訓(xùn)練風(fēng)險(xiǎn)等級識別模型。

2.如權(quán)利要求1所述的風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法，其特征在于，所述根據(jù)每個(gè)用戶的多個(gè)目標(biāo)一階特征生成多個(gè)二階特征包括：

使用每個(gè)用戶的多個(gè)目標(biāo)一階特征訓(xùn)練第一GBDT模型；

獲取所述第一GBDT模型的葉子節(jié)點(diǎn)上的特征；

將每個(gè)葉子節(jié)點(diǎn)上的特征作為一個(gè)二階特征。

3.如權(quán)利要求1所述的風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法，其特征在于，所述使用所述第一風(fēng)險(xiǎn)識別模型對每個(gè)用戶的多個(gè)二階特征進(jìn)行有效性驗(yàn)證得到多個(gè)目標(biāo)二階特征包括：

從每個(gè)用戶的多個(gè)目標(biāo)一階特征中隨機(jī)選取部分目標(biāo)一階特征作為第一特征集；

將每個(gè)用戶的多個(gè)二階特征中的任意一個(gè)二階特征加入所述第一特征集中得到第二特征集；

基于所述第二特征集訓(xùn)練子風(fēng)險(xiǎn)識別模型，并測試所述子風(fēng)險(xiǎn)識別模型的測試通過率；

判斷所述第一風(fēng)險(xiǎn)識別模型的測試通過率是否小于所述子風(fēng)險(xiǎn)識別模型的測試通過率；

當(dāng)所述第一風(fēng)險(xiǎn)識別模型的測試通過率小于所述子風(fēng)險(xiǎn)識別模型的測試通過率，確定所述任意一個(gè)二階特征驗(yàn)證有效；

將所有驗(yàn)證有效的二階特征確定為多個(gè)目標(biāo)二階特征。

4.如權(quán)利要求1所述的風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法，其特征在于，所述判斷所述第二風(fēng)險(xiǎn)識別模型的測試通過率是否滿足預(yù)設(shè)期望值包括：

計(jì)算所述第二風(fēng)險(xiǎn)識別模型的測試通過率與所述第一風(fēng)險(xiǎn)識別模型的測試通過率之間的差值；

判斷所述差值是否小于預(yù)設(shè)差值閾值；

當(dāng)確定所述差值小于所述預(yù)設(shè)差值閾值時(shí)，確定所述第二風(fēng)險(xiǎn)識別模型的測試通過率滿足了預(yù)設(shè)期望值；

當(dāng)確定所述差值大于或者等于所述預(yù)設(shè)差值閾值時(shí)，確定所述第二風(fēng)險(xiǎn)識別模型的測試通過率沒有滿足預(yù)設(shè)期望值。

5.如權(quán)利要求1所述的風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法，其特征在于，所述基于所述多個(gè)用戶的多個(gè)目標(biāo)三階特征訓(xùn)練風(fēng)險(xiǎn)等級識別模型包括：

將每個(gè)用戶的多個(gè)目標(biāo)一階特征與對應(yīng)的多個(gè)目標(biāo)二階特征及多個(gè)目標(biāo)三階特征合并為用戶特征向量；

對多個(gè)用戶的用戶特征向量進(jìn)行聚類分析得到多個(gè)子集；

計(jì)算每一個(gè)子集的用戶密度值；

將大于或者等于預(yù)設(shè)密度值閾值的用戶密度值對應(yīng)的子集確定為訓(xùn)練集，將小于所述預(yù)設(shè)密度值閾值的用戶密度值對應(yīng)的子集確定為測試集；

基于所述訓(xùn)練集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)得到風(fēng)險(xiǎn)等級識別模型；

基于所述測試集測試所述風(fēng)險(xiǎn)等級識別模型的測試通過率，并判斷所述測試通過率是否大于預(yù)設(shè)通過率閾值；

當(dāng)所述測試通過率大于所述預(yù)設(shè)通過率閾值時(shí)，停止風(fēng)險(xiǎn)等級識別模型的訓(xùn)練過程。

6.如權(quán)利要求1至5中任意一項(xiàng)所述的風(fēng)險(xiǎn)等級識別模型訓(xùn)練方法，其特征在于，從每個(gè)用戶的多個(gè)一階特征中篩選出多個(gè)目標(biāo)一階特征包括：

計(jì)算所述多個(gè)一階特征中的任意兩個(gè)一階特征之間的相關(guān)系數(shù)；

選取大于預(yù)設(shè)系數(shù)閾值的相關(guān)系數(shù)對應(yīng)的兩個(gè)一階特征；

對所選取的一階特征進(jìn)行去重處理得到多個(gè)目標(biāo)一階特征。