[發明專利]風險評估方法、裝置、設備及存儲介質

在審

• 申請號: 202210246481.9
• 申請日: 2022-03-14
• 公開（公告）號: CN114612251A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 夏龍江
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06K9/62;G06F16/215;G06N3/04
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種風險評估方法，其特征在于，所述風險評估方法包括：

獲取原始業務數據，并對所述業務數據進行清洗，得到標準業務數據；

根據所述標準業務數據的數據類型獲取歷史業務數據，并根據所述歷史業務數據配置風控規則；

根據預設維度對所述業務數據進行維度拆分，生成多個目標業務數據；

根據所述風控規則確定所述目標業務數據對應風控評估因子；

將所述目標業務數據和所述風險評估因子輸入預設風控模型進行分析，得到所述業務數據的風險評估結果。

2.根據權利要求1所述的風險評估方法，其特征在于，所述獲取原始業務數據，并對所述業務數據進行清洗，得到標準業務數據包括：

獲取原始業務數據，對所述原始業務數據進行去重操作，并檢測去重后的所述原始業務數據是否存在數據缺失值；

若不存在數據缺失值，則將去重后的所述原始業務數據作為標準業務數據；

若存在數據缺失值，則對所述數據缺失值進行數據填充，得到標準業務數據。

3.根據權利要求1所述的風險評估方法，其特征在于，所述根據所述標準業務數據的數據類型獲取歷史業務數據，并根據所述歷史業務數據配置風控規則包括：

確定所述業務數據的類型，基于所述類型獲取歷史業務數據，并提取所述歷史業務數據中的風控分析結果，確定風險閾值；

根據所述風險閾值對預設的風控策略進行調整，得到實際風控策略；

根據所述實際風控策略和所述風控分析結果，確定所述實際風控策略對應的風控效果表征值；

根據所述風控效果表征值和所述歷史業務數據配置風控規則。

4.根據權利要求3所述的風險評估方法，其特征在于，所述根據所述風控效果表征值和所述歷史業務數據配置風控規則包括：

根據所述實際風控策略和所述歷史業務數據，確定所述實際風控策略對應的風控效果表征值；

將所述風控效果表征值作為測試參數，并根據預設風控效果表征值對應目標范圍和所述歷史業務數據配置風控規則。

5.根據權利要求1所述的風險評估方法，其特征在于，所述根據預設維度對所述業務數據進行維度拆分，生成多個目標業務數據包括：

獲取所述標準業務數據的數據字段，根據所述數據字段，識別所述標準業務數據的數據屬性；

將相同數據屬性的標準業務數據進行聚類，得到數據聚類中心點；

根據所述數據聚類中心點，生成對應的目標業務數據。

6.根據權利要求1所述的風險評估方法，其特征在于，在所述將所述目標業務數據和所述風險評估因子輸入預設風控模型進行分析，得到所述業務數據的風險評估結果之前，還包括：

獲取多個風控樣本用戶的樣本特征數據、所述風控樣本用戶在待風控場景中的風控表現數據和所述風控樣本用戶在所述待風控場景中的被風控時長信息；

根據所述風控表現數據，確定所述風控樣本用戶的風控評價標簽；

根據所述風控評價標簽，對所述樣本特征數據進行處理，得到所述風控樣本用戶的目標特征數據；

將所述目標特征數據、所述被風控時長信息和所述風控評價標簽按照預設比例進行劃分，得到訓練樣本數據和測試樣本數據；

將所述訓練樣本數據輸入預設卷積神經網絡模型中進行訓練，得到原始風控模型；

將所述測試樣本數據輸入所述原始風控模型進行測試，得到目標風控模型。

7.根據權利要求6所述的風險評估方法，其特征在于，所述將所述訓練樣本數據輸入預設卷積神經網絡模型中進行訓練，得到原始風控模型包括：

初始化卷積神經網絡模型的模型參數；

采用卷積神經網絡對所述訓練樣本數據進行特征提取，得到所述訓練樣本數據的特征向量；

將所述訓練樣本數據的特征向量輸入到所述卷積神經網絡模型中進行訓練，得到所述原始風控模型。