[發(fā)明專利]一種風險識別方法和裝置

在審

• 申請?zhí)枺?/td>: 202011405848.4
• 申請日: 2020-12-02
• 公開（公告）號: CN112446708A
• 公開（公告）日: 2021-03-05
• 發(fā)明（設計）人: 梁學甲;覃鵬;龔葦;梁永健;禤棟雄;許創(chuàng)標
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06N20/10
• 代理公司: 中原信達知識產(chǎn)權代理有限責任公司 11219
• 代理人: 張一軍;韓黎捷

1.一種風險識別方法，其特征在于，包括：

根據(jù)多個歷史交易報文，確定訓練樣本；

將所述訓練樣本輸入設定有當前超參數(shù)的支持向量機模型，得到輸出結果；

根據(jù)所述輸出結果更新所述當前超參數(shù)；

確定是否滿足終止條件，如果滿足，將預測樣本輸入設定有更新后當前超參數(shù)的支持向量機模型，得到風險識別結果；

其中，所述預測樣本由當前交易報文確定。

2.根據(jù)權利要求1的方法，其特征在于，

所述根據(jù)所述輸出結果更新所述當前超參數(shù)，包括：

根據(jù)所述輸出結果，計算個體適應度；

根據(jù)所述個體適應度更新所述當前超參數(shù)。

3.根據(jù)權利要求1的方法，其特征在于，進一步包括：

如果不滿足所述終止條件，則根據(jù)更新后當前超參數(shù)執(zhí)行步驟：將所述訓練樣本輸入設定有當前超參數(shù)的支持向量機模型。

4.根據(jù)權利要求1的方法，其特征在于，

所述根據(jù)多個歷史交易報文，確定訓練樣本，包括：

確定各個所述歷史交易報文的類型；其中，所述類型包括：正報文和負報文；

分別從所述正報文和所述負報文中提取特征；其中，從所述正報文提供的特征構成正訓練樣本，從所述負報文提取的特征構成負訓練樣本。

5.根據(jù)權利要求1的方法，其特征在于，

當前超參數(shù)包括：核函數(shù)γ，和/或，懲罰因子C。

6.根據(jù)權利要求3的方法，其特征在于，

如果不滿足所述終止條件，則在將所述訓練樣本輸入設定有當前超參數(shù)的支持向量機模型之前，進一步包括：

將迭代次數(shù)加1；

所述終止條件，包括：所述迭代次數(shù)達到預設的次數(shù)閾值。

7.根據(jù)權利要求1的方法，其特征在于，進一步包括：

根據(jù)所述多個歷史交易報文，確定測試樣本；

根據(jù)所述測試樣本評估所述支持向量機模型。

8.根據(jù)權利要求7的方法，其特征在于，

所述訓練樣本與所述測試樣本的數(shù)量之比為9:1。

9.根據(jù)權利要求1的方法，其特征在于，

當所述風險識別結果為有風險時，該方法進一步包括：

將所述當前交易報文發(fā)送至分析平臺。

10.一種風險識別裝置，其特征在于，包括：

確定模塊，配置為根據(jù)多個歷史交易報文，確定訓練樣本；

訓練模塊，配置為將所述訓練樣本輸入設定有當前超參數(shù)的支持向量機模型，得到輸出結果；

更新模塊，配置為根據(jù)所述輸出結果更新所述當前超參數(shù)；

預測模塊，配置為確定是否滿足終止條件，如果滿足，將預測樣本輸入設定有更新后當前超參數(shù)的支持向量機模型，得到風險識別結果；其中，所述預測樣本由當前交易報文確定。

11.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如權利要求1-9中任一所述的方法。

12.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執(zhí)行時實現(xiàn)如權利要求1-9中任一所述的方法。