风控模型的构建方法、装置、存储介质及终端.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CN111160797A(43)申请公布日2020.05.15(21)申请号201911418593.2(22)申请日2019.12.31(71)申请人深圳市分期乐网络科技有限公司地址518000广东省深圳市南山区粤海街道科苑南路3099号中国储能大厦第23--27层(72)发明人钱信羽(74)专利代理机构北京品源专利代理有限公司11332代理人孟金喆(51)Int.Cl.G06Q10/06(2012.01)G06N20/00(2019.01)权利要求书2页说明书10页附图4页(54)发明名称风控模型的构建方法、装置、存储介质及终端(57)摘要本发明实施例公开了一种风控模型的构建方法、装置、存储介质及终端。该方法包括：获取预设时间段内至少一个用户的历史数据；提取历史数据所涉及的至少一类第一特征信息；针对各类第一特征信息，按照预设排序规则对历史数据中的第一特征信息进行排序，生成第一特征信息序列；确定第一特征信息在第一特征信息序列中的第一排列分位数；基于第一排列分位数对预设机器学习模型进行训练，生成风控模型。通过采用上述技术方案，以历史数据中各特征信息的排列分位数代替对应的特征信息，并基于各特征信息的排列分位数进行模型训练生成风控模型，使得构建的风控模型能够对输入数据的变化能够达到动态自适应的效果，有效降低了风控模型随时间衰减的速度。CN111160797ACN111160797A权利要求书1/2页1.一种风控模型的构建方法，其特征在于，包括：获取预设时间段内至少一个用户的历史数据；提取所述历史数据所涉及的至少一类第一特征信息；针对各类第一特征信息，按照预设排序规则对所述历史数据中的第一特征信息进行排序，生成第一特征信息序列；确定所述第一特征信息在所述第一特征信息序列中的第一排列分位数；基于所述第一排列分位数对预设机器学习模型进行训练，生成风控模型。2.根据权利要求1所述的方法，其特征在于，提取所述历史数据所述涉及的至少一个特征信息，包括：获取预先设定的至少一个特征类型；针对每个特征类型，从所述历史数据中提取与所述特征类型对应的第一特征信息。3.根据权利要求1所述的方法，其特征在于，还包括：确定所述第一特征信息序列中所述第一特征信息与所述第一排列分位数间的对应关系，生成第一对应关系列表。4.根据权利要求3所述的方法，其特征在于，在生成风控模型之后，还包括：获取待进行风控的预测数据；在所述第一对应关系列表中查找所述预测数据所涉及的特征信息对应的目标排列分位数；将所述目标排列分位数输入至所述风控模型中，根据所述风控模型的输出结果确定所述预测数据是否存在风险。5.根据权利要求3所述的方法，其特征在于，在生成风控模型之后，还包括：当检测到风控模型更新事件被触发时，获取所述风控模型的更新数据；提取所述更新数据所涉及的至少一类第二特征信息；其中，所述第二特征信息对应的特征类型与所述第一特征信息对应的特征类型相同，所述第二特征信息对应的特征类型的数量与所述第一特征信息对应的特征类型的数量相同；针对各类第二特征信息，按照所述预设排序规则对所述更新数据中的第二特征信息进行排序，生成第二特征信息序列；确定所述第二特征信息在所述第二特征信息序列中的第二排列分位数；确定所述第二特征信息序列中所述第二特征信息与所述第二排列分位数间的对应关系，生成第二对应关系列表；基于所述第二对应关系列表更新所述第一对应关系列表。6.一种风控模型的构建装置，其特征在于，包括：历史数据获取模块，用于获取预设时间段内至少一个用户的历史数据；第一特征信息提取模块，用于提取所述历史数据所涉及的至少一类第一特征信息；第一特征信息排序模块，用于针对各类第一特征信息，按照预设排序规则对所述历史数据中的第一特征信息进行排序，生成第一特征信息序列；第一排列分位数确定模块，用于确定所述第一特征信息在所述第一特征信息序列中的第一排列分位数；风控模型生成模块，用于基于所述第一排列分位数对预设机器学习模型进行训练，生2CN111160797A权利要求书2/2页成风控模型。7.根据权利要求6所述的装置，其特征在于，还包括：第一对应关系列表生成模块，用于确定所述第一特征信息序列中所述第一特征信息与所述第一排列分位数间的对应关系，生成第一对应关系列表。8.根据权利要求7所述的装置，其特征在于，还包括：更新数据获取模块，用于在生成风控模型之后，当检测到风控模型更新事件被触发时，获取所述风控模型的更新数据；第二特征信息提取模块，用于提取所述更新数据所涉及的至少一类第二特征信息；其中，所述第二特征信息对应的特征类型与所述第一特征信息对应的特征类型相同，所述第二特征信息对应的特征类型的数量与所述第一特征信息对应的特征类型的数量相同；第二特征