[發明專利]風險的確定方法、裝置和服務器

在審

• 申請號: 202110398902.5
• 申請日: 2021-04-14
• 公開（公告）號: CN113095408A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 陳李龍;王娜;強鋒;劉華杰
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02;G06Q40/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;王濤

本說明書提供了風險的確定方法、裝置和服務器。基于該方法，具體實施前，可以通過引入并利用子空間一致性約束和動態成對約束，來同時利用攜帶有預設標簽和沒有攜帶預設標簽的樣本數據，訓練得到效果較好、準確度較高的預設的處理模型；具體實施時，在獲取目標對象的多個特征數據之后，可以先根據預設的映射規則，通過將多個特征數據映射到多個預設的特征子空間中，得到目標對象的多個維度較低的特征組；再調用預設的處理模型處理上述多個特征組，得到對應的處理結果；進而可以根據處理結果，高效、準確地確定出該目標對象是否存在預設風險。從而可以較好地適用于特征維度較高、較復雜的數據預測場景，準確地預測出目標對象是否存在預設風險。

技術領域

本說明書屬于人工智能技術領域，尤其涉及風險的確定方法、裝置和服務器。

背景技術

在一些比較復雜的數據預測場景(例如，借款逾期風險預測場景)中，所采集到的待預測風險的數據對象的特征數據的種類往往較多(例如，可能包含有100多種不同種類的特征數據)、特征維度相對較高。

針對上述特征維度較高、較復雜的數據預測場景，基于現有方法往往很難訓練得到效果較好、誤差較小的風險預測模型，進而導致基于現有方法，很難適用于上述特征維度較高、較復雜的數據預測場景，難以準確地確定出上述場景中的數據對象是否存在預設風險。

針對上述問題，目前尚未提出有效的解決方案。

發明內容

本說明書提供了一種風險的確定方法、裝置和服務器，通過利用預先基于子空間一致性約束和動態成對約束訓練得到的預設的處理模型，可以較好地適用于特征維度較高、較復雜的數據預測場景，準確地預測出目標對象是否存在預設風險。

本說明書提供了一種風險的確定方法，包括：

獲取目標對象的多個特征數據；

根據預設的映射規則，將所述多個特征數據映射到多個預設的特征子空間中，得到目標對象的多個特征組；其中，所述特征組分別與一個預設的特征子空間對應；

調用預設的處理模型處理所述多個特征組，以得到對應的處理結果；其中，所述預設的處理模型至少包括多個預設的分類器，所述預設的分類器分別與一個預設的特征子空間對應；所述預設的處理模型為預先基于子空間一致性約束和動態成對約束訓練得到的；

根據所述處理結果，確定目標對象是否存在預設風險。

在一個實施例中，所述目標對象包括交易賬戶；相應的，所述預設風險包括交易數據逾期風險。

在一個實施例中，所述特征數據包括：交易賬戶的身份類特征數據、交易賬戶的歷史交易行為類特征數據、交易賬戶的當前交易行為類特征數據、交易賬戶的關聯行為類特征數據。

在一個實施例中，所述預設的處理模型還包括判別結構；其中，所述判別結構與所述多個預設的分類器相連；所述判別結構用于根據所述多個預設的分類器輸出的分類結果，生成所述處理結果。

在一個實施例中，所述預設的處理模型按照以下方式建立：

獲取多個樣本數據；其中，所述樣本數據對應一個樣本對象，所述樣本數據包含有所對應的樣本對象的多個特征數據；所述樣本對象包括攜帶有預設標簽的第一類樣本對象，和不攜帶有預設標簽的第二類樣本對象；

根據預設的映射規則，將第一類樣本對象的多個特征數據映射到多個預設的特征子空間中，得到第一類訓練數據；將第二類樣本對象的多個特征數據映射到多個預設的特征子空間中，得到第二類訓練數據；

利用所述第一類訓練數據，訓練多個初始分類器，得到對應的多個中間分類器；其中，所述初始的分類器分別與一個預設的特征子空間對應；