[發明專利]基于模糊決策的風險預測方法、裝置、設備和存儲介質

在審

• 申請號: 202011475586.9
• 申請日: 2020-12-15
• 公開（公告）號: CN112529303A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 歐陽解文;魏茜;葉俊
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q40/00;G06N7/02
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;李輝

1.一種基于模糊決策的風險預測方法，其特征在于，所述方法包括：

根據獲取到的用戶的歷史數據構建風險特征向量，其中，所述風險特征向量為反映用戶行為異常的風險指標數據；

基于所述風險特征向量對所述用戶的風險大小進行排序，得到所述用戶的風險排序結果；

基于所述風險排序結果確定所述用戶的風險等級模糊隸屬函數；

根據所述風險等級模糊隸屬函數得到所述用戶的風險預測結果。

2.根據權利要求1所述的方法，其特征在于，所述根據獲取到的用戶的歷史數據構建風險特征向量包括：

獲取所述用戶的歷史數據和交易數據；

根據所述歷史數據和交易數據確定活躍用戶；

基于所述活躍用戶的歷史數據構建所述風險特征向量。

3.根據權利要求2所述的方法，其特征在于，所述基于所述活躍用戶的歷史數據構建所述風險特征向量包括：

所述活躍用戶的歷史數據包括用戶信息、用戶設備信息、用戶位置信息、用戶網絡信息、用戶支付信息中至少一種；

基于所述活躍用戶的歷史數據中的至少一種構建所述風險特征向量；其中，所述風險特征向量為同向化向量。

4.根據權利要求1所述的方法，其特征在于，所述基于所述風險特征向量對所述用戶的風險大小進行排序，得到所述用戶的風險排序結果包括：

基于所述風險特征向量，通過優劣解距離法，得到所述用戶的風險排序結果。

5.根據權利要求4所述的方法，其特征在于，所述基于所述風險特征向量，通過優劣解距離法，得到所述用戶的風險排序結果包括：

基于所述風險特征向量構建原始數據矩陣；

將所述原始數據矩陣進行向量規范化，得到加權規范矩陣；

根據所述加權規范矩陣得到標準化矩陣；

基于預設的風險指標權重和所述標準化矩陣得到所述用戶的風險排序結果。

6.根據權利要求4所述的方法，其特征在于，所述基于所述風險排序結果確定所述用戶的風險等級模糊隸屬函數包括：

將所述風險排序結果進行分層抽樣，得到分層抽樣結果；

通過隸屬度函數的模糊統計方法確定所述用戶的風險等級模糊隸屬函數。

7.根據權利要求5所述的方法，其特征在于，所述根據所述風險等級模糊隸屬函數得到所述用戶的風險預測結果包括：

根據所述風險等級模糊隸屬函數構建用戶風險模糊判斷矩陣；

基于所述用戶風險模糊判斷矩陣和所述預設的風險指標權重計算所述用戶風險等級；

根據所述用戶風險等級得到所述用戶的風險預測結果。

8.根據權利要求7所述的方法，其特征在于，根據所述用戶風險等級得到所述用戶的風險預測結果包括：

將所述用戶風險等級通過最大隸屬度原則得到所述用戶的風險預測結果。

9.一種基于模糊決策的風險預測裝置，其特征在于，所述裝置包括：

構建模塊，用于根據獲取到的用戶的歷史數據構建風險特征向量，其中，所述風險特征向量為反映用戶行為異常的風險指標數據；

風險排序模塊，用于基于所述風險特征向量對所述用戶的風險大小進行排序，得到所述用戶的風險排序結果；

確定模塊，用于基于所述風險排序結果確定所述用戶的風險等級模糊隸屬函數；

風險預測模塊，用于根據所述風險等級模糊隸屬函數得到所述用戶的風險預測結果。

10.根據權利要求9所述的裝置，其特征在于，所述構建模塊，具體用于：獲取所述用戶的歷史數據和交易數據；

根據所述歷史數據和交易數據確定活躍用戶；

基于所述活躍用戶的歷史數據構建所述風險特征向量。