[發明專利]一種風險識別方法、裝置及設備

在審

• 申請號: 202110503922.4
• 申請日: 2021-05-10
• 公開（公告）號: CN113034057A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 晏欣衛;張杰;潘蒙;張祥
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F40/30;G06F40/289;G06F40/242;G06F40/216
• 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

1.一種風險識別方法，其特征在于，所述方法包括：

接收風險識別請求，所述風險識別請求包括目標對象的目標風險信息；

計算所述目標風險信息中的詞命中各風險主題詞典的命中詞數及命中詞長度占比；其中，所述風險主題詞典包括相應風險主題對應的至少一個風險關鍵詞；所述命中詞長度占比是指命中的詞的總字數與目標風險信息中各詞的總字數的比值；

比對各風險主題詞典對應的所述命中詞數及命中詞長度占比，以基于所述比對結果確定所述目標風險信息所屬的風險主題。

2.根據權利要求1所述的方法，其特征在于，所述計算所述目標風險信息中的詞命中各風險主題詞典的命中詞數及命中詞長度占比之前，所述方法還包括：

提取所述目標風險信息中的詞，得到所述目標風險信息的初始詞集；

對所述初始詞集進行噪聲詞剔除處理，得到所述目標風險信息的目標風險詞集；

相應的，計算所述目標風險詞集中的各詞命中各風險主題詞典的命中詞數及命中詞長度占比；所述命中詞長度占比是指命中的詞的總字數與目標風險詞集中各詞的總字數的比值。

3.根據權利要求1所述的方法，其特征在于，所述比對各風險主題詞典對應的所述命中詞數及命中詞長度占比，以基于所述比對結果確定所述目標風險信息所屬的風險主題，包括：

將各風險主題詞典對應的所述命中詞數按降序進行排列；

將排序在第一位的風險主題詞典作為指定風險主題詞典，將其他風險主題詞典作為備選風險主題詞典；

若所述指定風險主題詞典的所述命中詞數大于各備選風險主題詞典的所述命中詞數，則將所述指定風險主題詞典對應的風險主題作為所述目標風險信息所屬的風險主題；

若存在至少一個備選風險主題詞典的所述命中詞數與指定風險主題詞典的所述命中詞數相等，則從所述至少一個備選風險主題詞典與指定風險主題詞典中選取命中詞長度占比最大的風險主題詞典的風險主題，作為所述目標風險信息所屬的風險主題。

4.根據權利要求1所述的方法，其特征在于，所述風險主題詞典采用下述方式構建：

對于任一指定的風險主題，獲取所述指定的風險主題對應的風險樣本文檔；

提取所述風險樣本文檔對應的風險詞集，將所述風險詞集中的詞作為候選關鍵詞；

計算各候選關鍵詞在所述風險樣本文檔中的詞頻；

計算各候選關鍵詞在所述風險樣本文檔中的整體位置權重及相對位置權重；其中，所述整體位置權重根據所述風險樣本文檔的詞數量與所述候選關鍵詞的首詞詞距的比值確定，所述首詞詞距利用所述候選關鍵詞與所述風險樣本文檔的第一個詞之間的詞數表征；所述相對位置權重根據所述候選關鍵詞與所述風險樣本文檔中表征時間的詞之間的最小詞距確定；

結合所述整體位置權重以及相對位置權重計算所述候選關鍵詞的逆文檔頻率；

以所述詞頻與逆文檔頻率的乘積作為參考值，從所述風險詞集中篩選出參考值滿足預設要求的候選關鍵詞作為風險關鍵詞，以基于所述風險關鍵詞構建所述指定的風險主題的風險主題詞典。

5.根據權利要求4所述的方法，其特征在于，所述結合所述整體位置權重以及相對位置權重計算所述候選關鍵詞的逆文檔頻率，包括：

其中，W_i為風險樣本文檔D_j中的候選關鍵詞，表示W_i的逆文檔頻率，N表示D_j所屬的給定語料庫的文檔數，X_i表示W_i的整體位置權重，Y_i表示W_i的相對位置權重，I(W_iD_j)在給定語料庫中的某文檔D_j中包含候選關鍵詞W_i時取1、不包含候選關鍵詞W_i時取0。