[發明專利]用戶風險的確定方法、裝置和服務器

在審

• 申請號: 202110643176.9
• 申請日: 2021-06-09
• 公開（公告）號: CN113379530A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 單升起;吳垠;蔡海嘉;池紀鋒
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 孫乳筍;劉熔

1.一種用戶風險的確定方法，其特征在于，包括：

獲取目標用戶的業務數據；

調用預設的用戶風險預測模型處理所述目標用戶的業務數據，得到對應的目標處理結果；其中，所述預設的用戶風險預測模型包括第一層模型和第二層模型，所述第一層模型包括多個子模型，所述多個子模型分別對應一個子業務場景；

根據所述目標處理結果，確定目標用戶的風險等級。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取業務系統的多個數據表；其中，所述多個數據表中的各個數據表分別包含有樣本用戶的多個業務數據；

對所述多個數據表進行預設的聚類處理，得到樣本用戶的多個樣本數據集；其中，所述多個樣本數據集中的各個樣本數據集分別包含有對應于一個子業務場景的，存在業務相關性的業務數據；

利用所述樣本用戶的多個樣本數據集，訓練初始模型，以得到所述預設的用戶風險預測模型。

3.根據權利要求2所述的方法，其特征在于，對所述多個數據表進行預設的聚類處理，得到樣本用戶的多個樣本數據集，包括：

基于K-means聚類算法，根據樣本用戶的身份標識對多個數據表進行聚類處理，以得到多個聚合表；其中，所述聚合表包含有對應一個樣本用戶的身份標識和一個子業務場景的業務數據；

根據所述多個聚合表，構建樣本用戶的多個樣本數據集。

4.根據權利要求2所述的方法，其特征在于，所述初始模型按照以下方式構建：

基于隨機森林算法，構建針對多個子業務場景的多個初始子模型；并組合所述多個初始子模型，得到初始的第一層模型；

基于決策樹算法，構建初始的第二層模型；

將所述初始的第一層模型中的多個初始子模型與所述初始的第二層模型相連，得到所述初始模型。

5.根據權利要求2所述的方法，其特征在于，在對所述多個數據表進行預設的聚類處理，得到樣本用戶的多個樣本數據集之后，所述方法還包括：

根據預設的校驗規則，對所述樣本用戶的多個樣本數據集分別進行數據清洗處理，以濾除無效數據。

6.根據權利要求5所述的方法，其特征在于，所述無效數據包括以下至少之一：數據生成時間大于預設的時間閾值的業務數據、數據格式不符和預設要求的業務數據、數據值為空的業務數據。

7.根據權利要求2所述的方法，其特征在于，所述業務數據包括銀行業務數據；相應的，所述子業務場景包括：存貸款業務場景、信用卡業務場景、金融理財業務場景。

8.根據權利要求7所述的方法，其特征在于，利用所述樣本用戶的多個樣本數據集，訓練初始模型，以得到所述預設的用戶風險預測模型，包括：

利用樣本用戶的多個樣本數據集，分別訓練初始的第一層模型中對應的初始子模型，以得到符合要求的第一層模型；

調用所述第一層模型處理樣本用戶的多個樣本數據集，得到多個中間處理結果；

利用所述多個中間處理結果，訓練所述初始的第二層模型，以得到符合要求的第二層模型。

9.根據權利要求8所述的方法，其特征在于，在利用所述多個中間處理結果，訓練所述初始的第二層模型的同時，所述方法還包括：

關聯征信系統，以獲取樣本用戶的征信風險參數；

利用樣本用戶的征信風險參數，修正所述第二層模型。