[發(fā)明專利]產品購買的風險評估方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202111264228.8
• 申請日: 2021-10-28
• 公開（公告）號: CN114331734A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設計）人: 劉申云;許海金;羅國輝;高洪喜
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06K9/62;G06F16/951;G06F17/18
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種產品購買的風險評估方法，其特征在于，所述方法包括：

獲取用戶填寫的問卷調查報告，從所述問卷調查報告中提取所述用戶對每一個問題的答案，并利用預構建的風險評估模型對所述每一個問題的答案進行單體風險評估，得到每一個問題的單體風險評估結果；

判斷所述單體風險評估結果是否存在非正常評估結果；

若所述單體風險評估結果中不存在非正常評估結果，則保留所有所述單體風險評估結果作為有效單體風險評估結果；

若所述單體風險評估結果中存在非正常評估結果，則從所述單體風險評估結果中剔除非正常評估結果，得到有效單體風險評估結果；

對所述有效單體風險評估結果進行整體評估，得到第一有效風險評估結果；

獲取所述用戶的身份信息，根據所述身份信息，獲取所述用戶的日常行為報告、資金狀況及歷史風險評估結果；

利用預設的分類模型對所述用戶的日常行為報告、資金狀況及歷史風險評估結果進行評估結果分類，得到第二有效風險評估結果；

獲取用戶需要購買的產品的產品特征，根據所述第一有效風險評估結果、所述第二有效風險評估結果及所述產品特征，分析所述用戶購買所述產品的綜合風險評估結果。

2.如權利要求1所述的產品購買的風險評估方法，其特征在于，所述從所述單體風險評估結果中剔除非正常評估結果，得到有效單體風險評估結果，包括：

將所述單體風險評估結果映射至預構建的直角坐標系中，得到風險評估結果坐標點；

根據所述風險評估結果坐標點，利用回歸分析法，繪制線性回歸方程；

在所述直角坐標系中，計算距離所述線性回歸方程的距離超過預設閾值的風險評估結果坐標點，得到偏離點，對應刪除所述偏離點所代表的單體風險評估結果，得到有效單體風險評估結果。

3.如權利要求1所述的產品購買的風險評估方法，其特征在于，所述利用預構建的風險評估模型對所述每一個問題的答案進行單體風險評估，得到每一個問題的單體風險評估結果，包括：

根據預設的選項對應分值表計算所述問卷調查報告中每一個問題的分值；

根據所述問卷調查報告中每一個問題的分值及預設的分值風險等級映射表，確定所述問卷調查報告中每一個問題的單體風險評估結果。

4.如權利要求1所述的產品購買的風險評估方法，其特征在于，所述根據所述用戶身份信息，獲取所述用戶的日常行為報告、資金狀況及歷史風險評估結果，包括：

根據所述用戶的身份信息，獲取所述用戶的網絡賬號；

根據所述網絡賬號，利用爬蟲技術爬取所述網絡賬號相關的日常行為，得到所述用戶的日常行為報告；

根據所述用戶身份信息，獲取用戶的金融賬號信息；

根據所述金融賬號信息，從所述用戶的金融資產賬戶中調取所述用戶的資金狀況及從預設的評估數據庫中獲取歷史風險評估結果。

5.如權利要求1所述的產品購買的風險評估方法，其特征在于，所述利用預設的分類模型對所述用戶的日常行為報告、資金狀況及歷史風險評估結果進行評估結果分類，得到第二有效風險評估結果，包括：

將所述日常行為報告與所述分類模型中的日常行為報告評估模板進行匹配，得到第一風險評估結果；

將所述資金狀況與所述分類模型中的資金狀況評估模板進行匹配，得到第二風險評估結果；

將所述歷史風險評估結果與所述分類模型中的歷史風評結果評估模板進行匹配，得到第三風險評估結果；

根據所述第一風險評估結果、第二風險評估結果與第三風險評估結果及預設的權重比值，計算得到第二有效風險評估結果。

6.如權利要求1所述的產品購買的風險評估方法，其特征在于，所述根據所述第一有效風險評估結果、所述第二有效風險評估結果及所述產品特征，分析所述用戶購買所述產品的綜合風險評估結果，包括：

根據所述第一有效風險評估結果、所述第二有效風險評估結果及所述產品特征，利用預設的大數據分析模型分析判斷所述用戶購買所述產品是否會出現虧損；

若所述用戶購買所述產品會出現虧損，則判定所述用戶不適合購買所述產品，并反饋判定結果給所述用戶；

若所述用戶購買所述產品不會出現虧損，則判定所述用戶可購買此產品，并給出相應的綜合風險評估結果。