风险预测方法和装置、处理器及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114971891A(43)申请公布日2022.08.30(21)申请号202210826125.4(22)申请日2022.07.14(71)申请人中国工商银行股份有限公司地址100140北京市西城区复兴门内大街55号(72)发明人韩奇城梁婷孙少杰徐晓琳(74)专利代理机构北京康信知识产权代理有限责任公司11240专利代理师周春枚(51)Int.Cl.G06Q40/02(2012.01)G06K9/62(2022.01)权利要求书2页说明书14页附图3页(54)发明名称风险预测方法和装置、处理器及电子设备(57)摘要本申请公开了一种风险预测方法和装置、处理器及电子设备，涉及人工智能技术领域。该方法包括：获取目标对象的目标数据信息；通过目标风险控制模型对目标数据信息进行处理，得到目标数据信息对应的风险等级，其中，目标数据信息对应的特征信息与用于构建目标风险控制模型的特征信息是一一对应的，目标风险控制模型是采用退火算法的能量函数，对初始风险控制模型迭代训练得到的，其中，初始风险控制模型由通过预设算法筛选得到的部分特征信息构建。通过本申请，解决了相关技术中需要通过手工筛选得到用于构建风险控制模型的特征集，导致风险控制模型预测风险的准确度比较低的问题。CN114971891ACN114971891A权利要求书1/2页1.一种风险预测方法，其特征在于，包括：获取目标对象的目标数据信息；通过目标风险控制模型对所述目标数据信息进行处理，得到所述目标数据信息对应的风险等级，其中，所述目标数据信息对应的特征信息与用于构建所述目标风险控制模型的特征信息是一一对应的，所述目标风险控制模型是采用退火算法的能量函数，对初始风险控制模型迭代训练得到的，其中，所述初始风险控制模型由通过预设算法筛选得到的部分特征信息构建。2.根据权利要求1所述的方法，其特征在于，在通过目标风险控制模型对所述目标数据信息进行处理，得到所述目标数据信息对应的风险等级之后，所述方法还包括：在目标界面展示所述目标数据信息对应的风险等级；若检测到对所述目标数据信息对应的风险等级进行调整的信号，则对所述目标数据信息对应的风险等级进行调整；依据调整后的所述目标数据信息对应的风险等级优化所述目标风险控制模型。3.根据权利要求1所述的方法，其特征在于，所述目标风险控制模型通过以下方法训练得到：获取目标数据集，并对所述目标数据集进行划分，得到训练集、验证集和测试集；依据所述训练集和所述验证集，通过所述预设算法，得到第一目标特征集；依据第二目标特征集构建模型，得到初始风险控制模型，其中，所述第二目标特征集为所述第一目标特征集的子集；依据所述第一目标特征集，所述第二目标特征集和所述测试集，得到所述退火算法的能量函数，并采用所述退火算法的能量函数对所述初始风险控制模型进行迭代训练，以得到所述目标风险控制模型。4.根据权利要求3所述的方法，其特征在于，依据所述训练集和所述验证集，通过所述预设算法，得到第一目标特征集包括：对所述训练集和所述验证集进行特征衍生，得到初始特征集；通过所述预设算法对所述初始特征集进行筛选，得到所述第一目标特征集。5.根据权利要求4所述的方法，其特征在于，所述预设算法中至少包括：信息价值算法、带有惩罚项的逻辑回归算法、方差膨胀系数、群体稳定性指标和双向逐步回归算法，通过所述预设算法对所述初始特征集进行筛选，得到所述第一目标特征集包括：通过信息价值算法对所述初始特征集进行筛选，得到第一特征集；通过带有惩罚项的逻辑回归算法对所述第一特征集进行筛选，得到第二特征集；通过方差膨胀系数对所述第二特征集进行多重共线性筛选，得到第三特征集；通过群体稳定性指标对所述第三特征集进行筛选，得到第四特征集；通过双向逐步回归算法对所述第四特征集进行筛选，得到所述第一目标特征集。6.根据权利要求3所述的方法，其特征在于，依据第二目标特征集构建模型，得到初始风险控制模型包括：确定用于构建所述初始风险控制模型的特征数量；依据所述特征数量从所述第一目标特征集中得到所述第二目标特征集；依据所述第二目标特征集构建模型，得到所述初始风险控制模型。2CN114971891A权利要求书2/2页7.根据权利要求3所述的方法，其特征在于，依据所述第一目标特征集，所述第二目标特征集和所述测试集，得到所述退火算法的能量函数，并采用所述退火算法的能量函数对所述初始风险控制模型进行迭代训练，以得到所述目标风险控制模型包括：依据所述第二目标特征集计算所述训练集的区分度评估指标，得到第一指标值；依据所述第二目标特征集计算所述验证集的区分度评估指标，得到第二指标值；依据所述第二目标特征集计算所述测试集的区分度评估指标，得到第三指标值；依据所述第一指标值、所述第二指标值和所述