[發(fā)明專利]一種數(shù)據(jù)驅(qū)動的風控策略規(guī)則生成方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110722333.5
• 申請日: 2021-06-29
• 公開（公告）號: CN113392921B
• 公開（公告）日: 2022-03-29
• 發(fā)明（設(shè)計）人: 柴磊
• 申請（專利權(quán)）人: 深圳市魔數(shù)智擎人工智能有限公司
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/77;G06V10/774;G06K9/62;G06Q40/02;G06Q40/04
• 代理公司: 北京廣技專利代理事務所(特殊普通合伙) 11842
• 代理人: 張國香

本發(fā)明提供了一種數(shù)據(jù)驅(qū)動的風控策略規(guī)則生成方法及系統(tǒng)，對基于第一訓練模型訓練得到的樹模型進行路徑預測，記錄所述路徑的節(jié)點索引；根據(jù)所述樹模型的特征，抽取目標節(jié)點；生成對應的抽取規(guī)則以及獲取用戶通過交互界面選擇的下一步建模的特征；根據(jù)抽取規(guī)則以及交互結(jié)果對所述樣本數(shù)據(jù)進行雙層次過濾，并傳輸結(jié)果到第一訓練模塊繼續(xù)進行訓練；基于所述規(guī)則與特征的人機交互的輸出生成串行規(guī)則組合性能報告，并用于上線部署。

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能領(lǐng)域，具體來說，是一種利用數(shù)據(jù)驅(qū)動的風控策略規(guī) 則生成方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)金融及其應用的快速發(fā)展，海量的交易行為從線下轉(zhuǎn)到線上， 銀行、第三方支付平臺等金融機構(gòu)迫切需要對大量的交易數(shù)據(jù)進行快速、準確 的欺詐風險評估和管控。風控策略通常會包含很多種類型的規(guī)則，每個規(guī)則都 是結(jié)合產(chǎn)品、業(yè)務基于經(jīng)驗和數(shù)據(jù)分析產(chǎn)生出來的。所以，用于區(qū)分線上交易 中產(chǎn)生的針對不同場景的問題交易。風控策略規(guī)則更多地會結(jié)合用戶體驗和業(yè) 務來平衡損失跟業(yè)務發(fā)展的關(guān)系，不同企業(yè)應該根據(jù)自身的業(yè)務情況選擇適合 的策略體系。

發(fā)明內(nèi)容

本發(fā)明提供一種數(shù)據(jù)驅(qū)動的風控策略規(guī)則生成方法及系統(tǒng)，用以解決上述 提出的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種數(shù)據(jù)驅(qū)動的風控策略規(guī) 則生成方法，其特征在于，包括：

步驟1：對訓練得到的樹模型進行路徑預測，并記錄樣本路徑；

步驟2：根據(jù)所述樹模型的特征，抽取樣本路徑上節(jié)點的規(guī)則信息，生成 數(shù)據(jù)驅(qū)動的風控策略規(guī)則，同時，獲取用戶交互的建模特征；

步驟3：根據(jù)所述風控策略規(guī)則以及交互結(jié)果對樣本數(shù)據(jù)進行雙層次過濾， 并對過濾后的數(shù)據(jù)繼續(xù)進行訓練；

步驟4：基于訓練結(jié)果獲取最新模型，生成串行規(guī)則報告并輸出。

優(yōu)選的，步驟1，對訓練得到的樹模型進行路徑預測，并記錄樣本路徑， 包括：

對樣本數(shù)據(jù)進行劃分，得到訓練樣本和測試樣本；

根據(jù)所述樹模型，對所述訓練樣本以及測試樣本進行預測，估計每個樣本 的路徑，并記錄每個樣本的路徑。

優(yōu)選的，步驟2，根據(jù)所述樹模型的特征，抽取樣本路徑上節(jié)點的規(guī)則信 息，生成數(shù)據(jù)驅(qū)動的風控策略規(guī)則，同時，獲取用戶交互的建模特征，包括：

獲取所述樹模型的節(jié)點，作為所述樹模型的特征，篩選經(jīng)過概率低于預設(shè) 概率的節(jié)點，并剔除，同時，篩選不同路徑中存在的相同節(jié)點或者不同樹模型 中存在的相同節(jié)點，作為冗余節(jié)點，并將剩余節(jié)點作為目標節(jié)點；

通過遞歸算法遍歷所述樹模型的每一層，判斷所述目標節(jié)點是否滿足提升 條件，若所述目標節(jié)點滿足所述提升條件，對所述目標節(jié)點進行信息提取并保 存到信息庫，更新信息庫；

同時，獲取滿足所述提升條件的目標節(jié)點與冗余節(jié)點的一致度，并保留相 同節(jié)點中一致度最大的冗余節(jié)點，將剩余冗余節(jié)點進行剔除，并獲取一致度最 大的冗余節(jié)點的信息，保存到信息庫；

否則，判斷所述目標節(jié)點的兄弟節(jié)點是否滿足所述提升條件，若所述兄弟 節(jié)點滿足所述提升條件，將所述兄弟節(jié)點進行提取信息并保存到信息庫，更新 信息庫；

基于更新的信息庫，生成數(shù)據(jù)驅(qū)動的風險策略規(guī)則，同時，獲取用戶交互 的建模特征。

優(yōu)選的，步驟3，根據(jù)所述風控策略規(guī)則以及交互結(jié)果對樣本數(shù)據(jù)進行雙 層次過濾，并對過濾后的數(shù)據(jù)繼續(xù)進行訓練，包括：

基于串行的迭代規(guī)則抽取模式，對所有特征按照業(yè)務邏輯進行分組；

且利用迭代建模功能將風控策略規(guī)則激活，對樣本數(shù)據(jù)進行雙層次過濾， 將雙層次過濾后的數(shù)據(jù)繼續(xù)進行訓練。