[發(fā)明專(zhuān)利]風(fēng)險(xiǎn)模型創(chuàng)制方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011542725.5
• 申請(qǐng)日: 2020-12-23
• 公開(kāi)（公告）號(hào): CN112561538A
• 公開(kāi)（公告）日: 2021-03-26
• 發(fā)明（設(shè)計(jì)）人: 季德志
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安銀行股份有限公司
• 主分類(lèi)號(hào): G06Q20/40
• 分類(lèi)號(hào): G06Q20/40;G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 北京英特普羅知識(shí)產(chǎn)權(quán)代理有限公司 11015
• 代理人: 程超

本發(fā)明涉及人工智能，公開(kāi)了一種風(fēng)險(xiǎn)模型創(chuàng)制方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)，包括：識(shí)別報(bào)文中反映消費(fèi)主體身份的主體字段，及反映消費(fèi)主體的消費(fèi)行為的行為字段，匯總具有同一主體字段的行為字段形成反映消費(fèi)主體的消費(fèi)行為的消費(fèi)數(shù)據(jù)；通過(guò)消費(fèi)數(shù)據(jù)對(duì)預(yù)置的初始機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到能夠?qū)οM(fèi)數(shù)據(jù)進(jìn)行分類(lèi)的成熟機(jī)器學(xué)習(xí)模型；從成熟隨機(jī)森林中獲取特征重要度排序，將超過(guò)預(yù)置的影響權(quán)重的權(quán)重值所對(duì)應(yīng)的影響特征設(shè)為風(fēng)險(xiǎn)特征；根據(jù)風(fēng)險(xiǎn)特征構(gòu)建風(fēng)險(xiǎn)模型并構(gòu)建風(fēng)險(xiǎn)模型的輸入模板。本發(fā)明還涉及區(qū)塊鏈技術(shù)，信息可存儲(chǔ)于區(qū)塊鏈節(jié)點(diǎn)中。本發(fā)明適用于大量客戶(hù)端的頻繁調(diào)用，擴(kuò)大了適用范圍，又保證了風(fēng)險(xiǎn)模型對(duì)風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能的智能決策技術(shù)領(lǐng)域，尤其涉及一種風(fēng)險(xiǎn)模型創(chuàng)制方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著銀行客戶(hù)群體規(guī)模的不斷擴(kuò)大以及電子銀行,電子商務(wù)等新型商業(yè)模式的興起,一些不法分子在進(jìn)行犯罪活動(dòng)時(shí),必定會(huì)涉及到資金交易的問(wèn)題，當(dāng)前銀行通常采用人工智能模型對(duì)消費(fèi)主體的風(fēng)險(xiǎn)識(shí)別。

然而，發(fā)明人意識(shí)到，由于人工智能模型的算力消耗量巨大，如果大量的客戶(hù)端(如：全國(guó)各地各行的柜臺(tái))頻繁調(diào)用人工智能模型，將會(huì)給服務(wù)系統(tǒng)的算力帶來(lái)極大的負(fù)擔(dān)，無(wú)法大范圍推廣。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種風(fēng)險(xiǎn)模型創(chuàng)制方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲(chǔ)介質(zhì)，用于解決現(xiàn)有技術(shù)存在的人工智能模型被大量的客戶(hù)端頻繁調(diào)用人工智能模型，給服務(wù)系統(tǒng)的算力帶來(lái)極大的負(fù)擔(dān)，導(dǎo)致無(wú)法大范圍推廣的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種風(fēng)險(xiǎn)模型創(chuàng)制方法，包括：

分別從白名單庫(kù)和黑名單庫(kù)中獲取報(bào)文；

識(shí)別所述報(bào)文中反映消費(fèi)主體身份的主體字段，及反映所述消費(fèi)主體的消費(fèi)行為的行為字段，匯總具有同一主體字段的行為字段形成反映所述消費(fèi)主體的消費(fèi)行為的消費(fèi)數(shù)據(jù)；

通過(guò)所述消費(fèi)數(shù)據(jù)對(duì)預(yù)置的初始機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到能夠?qū)λ鱿M(fèi)數(shù)據(jù)進(jìn)行分類(lèi)的成熟機(jī)器學(xué)習(xí)模型；

從所述成熟隨機(jī)森林中獲取特征重要度排序，將超過(guò)預(yù)置的影響權(quán)重的權(quán)重值所對(duì)應(yīng)的影響特征設(shè)為風(fēng)險(xiǎn)特征，其中，所述特征排序中具有降序排列的權(quán)重值及其對(duì)應(yīng)的影響特征；

根據(jù)所述風(fēng)險(xiǎn)特征構(gòu)建風(fēng)險(xiǎn)模型并構(gòu)建所述風(fēng)險(xiǎn)模型的輸入模板，將所述輸入模板發(fā)送至客戶(hù)端。

上述方案中，所述識(shí)別所述報(bào)文中反映消費(fèi)主體身份的主體字段，及反映所述消費(fèi)主體的消費(fèi)行為的行為字段，匯總具有同一主體字段的行為字段形成反映所述消費(fèi)主體的消費(fèi)行為的消費(fèi)數(shù)據(jù)的步驟，包括：

拆分所述報(bào)文得到至少一個(gè)字段；

從所述至少一個(gè)字段中獲取反映消費(fèi)主體身份的主體字段，及反映所述消費(fèi)主體的消費(fèi)行為的行為字段；

將所述主體字段和所述行為字段保存至預(yù)置的數(shù)據(jù)庫(kù)中，以所述主體字段為主鍵并以所述行為字段為鍵值，使所述主體字段和所述行為字段以鍵值對(duì)的形式關(guān)聯(lián)；

匯總主鍵相同的鍵值形成第一鍵值集合，對(duì)所述鍵值集合進(jìn)行去重得到第二鍵值集合，計(jì)算所述第二鍵值集合中的鍵值在所述第一鍵值集合中出現(xiàn)的次數(shù)，并將所述次數(shù)與所述鍵值關(guān)聯(lián)，使所述第二鍵值集合形成所述主鍵的消費(fèi)數(shù)據(jù)。

上述方案中，所述通過(guò)所述消費(fèi)數(shù)據(jù)對(duì)預(yù)置的初始機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練之前，所述方法還包括：

識(shí)別所述消費(fèi)數(shù)據(jù)對(duì)應(yīng)的報(bào)文的來(lái)源；若所述報(bào)文從所述白名單庫(kù)中獲得，則將所述消費(fèi)數(shù)據(jù)的標(biāo)題編輯為正常信息；若所述報(bào)文從所述黑名單庫(kù)中獲得，則將所述消費(fèi)數(shù)據(jù)的標(biāo)題編輯為違約信息。

上述方案中，所述通過(guò)所述消費(fèi)數(shù)據(jù)對(duì)預(yù)置的初始機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練之前，所述方法還包括：