[發明專利]風險等級識別模型訓練方法、識別方法、終端及存儲介質

在審

• 申請號: 202011247673.9
• 申請日: 2020-11-10
• 公開（公告）號: CN112330432A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 盧佳卉
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 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權代理有限公司 44334
• 代理人: 楊毅玲;劉麗華

本發明涉及人工智能技術領域，提供一種風險等級識別模型訓練方法、風險等級識別方法、終端及存儲介質，包括：從多個用戶的多個一階特征中篩選出多個目標一階特征并訓練第一風險識別模型；使用第一風險識別模型對根據多個目標一階特征生成的多個二階特征進行有效性驗證得到多個目標二階特征；當基于多個目標二階特征訓練第二風險識別模型的測試通過率沒有滿足預設期望值時，使用多個目標二階特征生成多個三階特征并使用第二風險識別模型對多個三階特征進行有效性驗證得到多個目標三階特征；直至滿足預設期望值時，基于多個目標三階特征訓練風險等級識別模型。本發明能夠提高風險等級識別模型的識別效率，有效的保證識別出的風險等級的準確率。

技術領域

本發明涉及人工智能技術領域，具體涉及一種風險等級識別模型訓練方法、風險等級識別方法、終端及存儲介質。

背景技術

隨著互聯網、物聯網、傳感器等技術的快速發展，催生出了一種新的金融工具-互聯網金融服務。互聯網金融服務能夠為沒有抵押品且很可能被傳統金融機構拒絕的人群提供了幫助，在金融領域中起著重要作用。對于提供此類金融服務的平臺，主要挑戰在于對用戶進行風險管理和信用評分。

然而，發明人在實現本發明的過程中發現，在對用戶進行風險管理時，經常要面對大量原始數據，而傳統的風險評分或者信用評分在很大程度上取決于領域專家知識，且一次僅能構建一個特征，特征構建效率極其低下，導致風險評估效率較低；此外，憑直覺和反復試驗構建的特征和權重，導致風險識別模型不穩定，進而導致風險識別準確率的可信度較低。

發明內容

鑒于以上內容，有必要提出一種風險等級識別模型訓練方法、風險等級識別方法、終端及存儲介質，能夠提高風險等級識別模型的識別效率，有效的保證識別出的風險等級的準確率。

本發明的第一方面提供一種風險等級識別模型訓練方法，所述方法包括：

從多個用戶的多個一階特征中篩選出多個目標一階特征；

基于所述多個用戶的多個目標一階特征訓練第一風險識別模型；

根據每個用戶的多個目標一階特征生成多個二階特征，并使用所述第一風險識別模型對每個用戶的多個二階特征進行有效性驗證得到多個目標二階特征；

基于所述多個用戶的多個目標二階特征訓練第二風險識別模型，并判斷所述第二風險識別模型的測試通過率是否滿足預設期望值；

當確定所述第二風險識別模型的測試通過率沒有滿足所述預設期望值時，使用所述多個用戶的多個目標二階特征生成多個三階特征，并使用所述第二風險識別模型對每個用戶的多個三階特征進行有效性驗證得到多個目標三階特征；

迭代使用所述多個用戶的多個目標三階特征訓練第三風險識別模型，直至判斷所述第三風險識別模型的測試通過率滿足預設期望值時，基于所述多個用戶的多個目標三階特征訓練風險等級識別模型。

根據本發明的一個可選的實施例，所述根據每個用戶的多個目標一階特征生成多個二階特征包括：

使用每個用戶的多個目標一階特征訓練第一GBDT模型；

獲取所述第一GBDT模型的葉子節點上的特征；

將每個葉子節點上的特征作為一個二階特征。

根據本發明的一個可選的實施例，所述使用所述第一風險識別模型對每個用戶的多個二階特征進行有效性驗證得到多個目標二階特征包括：

從每個用戶的多個目標一階特征中隨機選取部分目標一階特征作為第一特征集；

將每個用戶的多個二階特征中的任意一個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練子風險識別模型，并測試所述子風險識別模型的測試通過率；