风险标签处理方法、装置、风控方法、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114429283A(43)申请公布日2022.05.03(21)申请号202111668941.9(22)申请日2021.12.30(71)申请人中和农信项目管理有限公司地址100000北京市怀柔区开放路113号南三层302室(72)发明人吴杨向彪赵占胜(74)专利代理机构深圳中一联合知识产权代理有限公司44414代理人张良(51)Int.Cl.G06Q10/06(2012.01)G06F16/2458(2019.01)权利要求书2页说明书8页附图3页(54)发明名称风险标签处理方法、装置、风控方法、设备及存储介质(57)摘要本发明公开了一种风险标签处理方法、装置、风控方法、设备及存储介质，包括：响应风险场景处理请求，获取风险模型对应的训练样本的特征矩阵及其训练样本标签；对训练样本的特征矩阵进行标签化重编码，生成标签化特征矩阵；对标签化特征矩阵进行标签重要度排序，根据排序结果提取多个重要标签；针对每个重要标签，获取重要标签多个历史周期下的真实特征数据，并利用风险模型对获取重要标签多个历史周期下的预测特征数据，基于每个重要标签的组合特征数据，利用最大风险回撤模型计算每个重要标签的风险度。本发明基于最大风险回撤算法，可以自动选定高风险的标签客群，并且可以定期、自动的生成高风险标签客群的监控SQL，进行监控部署。CN114429283ACN114429283A权利要求书1/2页1.一种风险标签处理方法，其特征在于，所述方法包括：响应风险场景处理请求，所述风险场景处理请求包括：目标风险场景及其对应的风险模型；获取所述风险模型对应的训练样本的特征矩阵及其训练样本标签；对所述训练样本的特征矩阵进行标签化重编码，生成标签化特征矩阵；以及，基于所述训练样本标签，对所述标签化特征矩阵进行标签重要度排序；根据排序结果从所述标签化后特征矩阵中提取多个重要标签；针对每个所述重要标签，获取所述重要标签多个历史周期下的真实特征数据，并利用所述风险模型对获取所述重要标签多个历史周期下的预测特征数据，将所述重要标签在多个历史周期下的真实特征数据与预测特征数据进行组合，得到每个所述重要标签对应的组合特征数据；基于每个所述重要标签的组合特征数据，利用最大风险回撤模型计算每个所述重要标签的风险度。2.根据权利要求1所述的风险标签处理方法，其特征在于，所述基于所述训练数据标签，对所述训练数据特征矩阵进行标签化重编码，包括：针对训练数据特征矩阵X中的每个特征xi，判断xi是否为枚举值，若是，则一个枚举值是一个标签，若否，即xi是连续值，则通过密度分箱策略，将xi切分为若干标签，根据切分得到的若干标签对xi进行重编码；依次遍历训练数据特征矩阵X的所有特征，生成所述标签化特征矩阵。3.根据权利要求2所述的风险标签处理方法，其特征在于，所述基于所述训练样本标签，对所述标签化特征矩阵进行标签重要度排序，包括：采用XGBOOST模型，基于所述训练样本标签，对所述标签化特征矩阵的标签重要度进行排序。4.根据权利要求1‑3任一所述的风险标签处理方法，其特征在于，所述目标风险场景，包括：违规违禁风险场景、反作弊风险场景、投资理财风险场景以及欺诈风险场景、借贷风险场景、保险业务场景。5.一种风控方法，其特征在于，包括：采用权利要求1‑4任一所述的风险标签处理方法计算得到目标风险场景对应的重要标签的风险度；根据重要标签的风险度对重要标签进行排序，根据排序结果提取多个高风险标签；针对每个所述高风险标签设置相应的监控维度，根据每个所述高风险标签的监控维度，生成每个所述高风险标签对应的SQL监控描述，以对所述目标风险场景下的高风险标签进行监控。6.如权利要求5所述的风控方法，其特征在于，所述生成每个所述高风险标签对应的SQL监控描述包括：通过正则或者抽象语法树的算法，生成每个所述高风险标签对应的SQL监控描述。7.如权利要求5所述的风控方法，其特征在于，针对每个所述高风险标签设置的监控维度，包括：标签客群占所有客群比率、标签客群当前周期比上一周期变化率、标签客群的瞬间脉冲量。8.一种风险标签处理装置，其特征在于，所述装置包括：响应模块，用于响应风险场景处理请求，所述风险场景处理请求包括：目标风险场景及2CN114429283A权利要求书2/2页其对应的风险模型；采集模块，用于获取所述风险模型对应的训练样本的特征矩阵及其训练样本标签；编码模块，用于对所述训练样本的特征矩阵进行标签化重编码，生成标签化特征矩阵；以及，基于所述训练样本标签，对所述标签化特征矩阵进行标签重要度排序；第一计算模块，用于根据排序结果从所述标签化后特征矩阵中提取多个重要标签；针对每个所述重要标签，获取所述重要标签多个历史周期下的真实特征数据，并利