产品风险预警方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能领域，可以应用于金融行业，提供了一种产品风险预警方法、装置、计算机设备和存储介质。方法包括：获取待分析产品信息，对待分析产品信息进行数据画像处理，获得待分析产品信息对应的向量数据，将向量数据分别与预设的孪生神经网络模型的多个样本向量数据进行组合，将得到的多对组合数据输入预设的孪生神经网络模型，获得待分析产品的风险概率，根据风险概率，推送待分析产品的风险预警信息。本方法通过数据画像处理，可以深入挖掘待分析产品的相关数据，将待分析产品的向量数据与样品向量数据组合作为输入数据，并利用预设的孪生神经网络模型评价两个输入数据的相似度，使获得的风险分析结果以及对应的预警信息更为准确有效。

【技术实现步骤摘要】
产品风险预警方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种产品风险预警方法、装置、计算机设备和存储介质。
技术介绍
随着金融行业的发展，出现了越来越多的类似于债券的金融投资类产品，例如央企、国企、民企等各大类企业也都可以发行债券等产品，投资人在选择投资产品时，为保护自身利益、避免财产损失，一般都会倾向于投资风险性较小的投资产品。传统的对于投资产品的风险分析方法需要用到大量的历史数据进行测评，确定其潜在的风险性，但在实际情况中，债券数据中可用的出现了违约情况的负样本占比及其小，传统的方法难以对产品实现有效的风险分析。
技术实现思路
基于此，有必要针对上述技术问题，提供一种提高产品风险分析有效性的产品风险预警方法、装置、计算机设备和存储介质。一种产品风险预警方法，所述方法包括：获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据；获取预设的孪生神经网络模型的样本向量数据，将所述向量数据分别与多个所述样本向量数据进行组合，获取多对组合数据；将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率；根据所述风险概率，推送所述待分析产品的风险预警信息。在其中一个实施例中，所述获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据，包括：获取待分析产品的各维度信息，并按照预设量化标准，获得所述各维度信息的量化数据；对所述各维度信息的量化数据进行数据画像处理，获得所述待分析产品的衍生数据；根据所述量化数据与所述衍生数据，获得所述待分析产品的向量数据。在其中一个实施例中，产品风险预警方法还包括：将所述多对组合数据输入所述预设的孪生神经网络模型，获得相似度最高的组合数据；根据所述相似度最高的组合数据，获得与所述待分析产品对应的样本向量数据；根据所述样本向量数据对应产品的风险情况，获得所述待分析产品的潜在风险情况。在其中一个实施例中，所述将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率之前，还包括：获取样本产品，将所述样本产品进行数据画像处理，获得样本向量数据；对所述样本产品进行分析，确定所述样本向量数据对应的数据标签；根据所述数据标签，将所述样本向量数据进行组对处理，获得组对样本；根据所述组对样本，构建得到预设的孪生神经网络模型。在其中一个实施例中，所述组对样本包括正组对样本与负组对样本；所述根据所述数据标签，将所述样本向量数据进行组对处理，获得组对样本，包括：根据样本向量数据携带的数据标签，将样本向量数据进行分类；根据排列组合，将同一类别的两个样本向量数据进行组对，获得正组对样本；根据排列组合，将不同类别的两个样本向量数据进行组对，获得负组对样本。在其中一个实施例中，所述根据所述组对样本，构建得到预设的孪生神经网络模型包括：根据所述组对样本，生成初始孪生神经网络模型；获取所述初始孪生神经网络模型的模型评价参数；当所述模型评价参数未达到预设阈值范围时，通过反向传播算法对所述初始孪生神经网络模型的结构参数进行调整，构建得到所述预设的孪生神经网络模型。在其中一个实施例中，所述根据所述风险概率，推送所述待分析产品的风险预警信息，包括：根据待分析产品预警需求，确定风险预警等级阈值；根据所述风险概率与所述风险预警等级阈值，确定所述待分析产品的对应的风险预警等级，并推送所述待分析产品的风险预警信息。一种产品风险预警装置，所述装置包括：数据处理模块，用于获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据；数据组合模块，用于获取预设的孪生神经网络模型的样本向量数据，将所述向量数据分别与多个所述样本向量数据进行组合，获取多对组合数据；数据分析模块，用于将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率；风险预警模块，用于根据所述风险概率，推送所述待分析产品的风险预警信息。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据；获取预设的孪生神经网络模型的样本向量数据，将所述向量数据分别与多个所述样本向量数据进行组合，获取多对组合数据；将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率；根据所述风险概率，推送所述待分析产品的风险预警信息。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据；获取预设的孪生神经网络模型的样本向量数据，将所述向量数据分别与多个所述样本向量数据进行组合，获取多对组合数据；将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率；根据所述风险概率，推送所述待分析产品的风险预警信息。上述产品风险预警方法、装置、计算机设备和存储介质，通过获取待分析产品信息，采用数据画像对待分析产品信息进行处理，得到用于表征待分析产品的向量数据，并将向量数据与样本向量数据进行组合，将组合结果输入预设的孪生神经网络模型，获得待分析产品的风险概率，从而确定待分析产品的风险预警等级，本申请通过数据画像处理，可以深入挖掘待分析产品的相关数据，将待分析产品的向量数据与样品数据相组合作为输入数据，并利用预设的孪生神经网络模型来评价两个输入的相似度，使获得的风险分析结果以及对应的预警信息更为准确有效。附图说明图1为一个实施例中产品风险预警方法的流程示意图；图2为另一个实施例中产品风险预警方法的流程示意图；图3为另一个实施例中产品风险预警方法的流程示意图；图4为一个实施例中产品风险预警装置的结构框图；图5为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的产品风险预警方法，用于对金融类产品的风险情况进行分析并推送预警信息，具体可以通过计算机程序对本申请的产品风险预警方法进行实现，计算机程序可以加载于终端上，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。在一个实施例中，如图1所示，提供了一种产品风险预警方法，包括以下步骤：步骤S200，获取待分析产品信息，对待分析产品信息进行数据画像处理，获得待分析产品信息对应的向量数据。待分析产品是指可能存在风险性的金融类投资产品，例如债券、基金等，待分析产品信息是指与待分析产品相关的各维度信息，例如债券产品的债券面值、偿还期、付息期、票面利率等信息，数据画像处理是指将待分析产品信息进行多维度画像处理，获得待分析产品的深层次信息的过程，在画像处理过程中，可以将获得的文字信息转化为量化的数据信息，通过数据分析，得到待分析产品的向量数据，通过向量数据，可以更加全面直观地体现待分析产品的特征。步骤S300，获取预设的孪生神经网络模型的样本向量数据，将向量数据分别与多个样本向量数据进行组本文档来自技高网...

【技术保护点】
1.一种产品风险预警方法，所述方法包括：获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据；获取预设的孪生神经网络模型的样本向量数据，将所述向量数据分别与多个所述样本向量数据进行组合，获取多对组合数据；将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率；根据所述风险概率，推送所述待分析产品的风险预警信息。

【技术特征摘要】
1.一种产品风险预警方法，所述方法包括：获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据；获取预设的孪生神经网络模型的样本向量数据，将所述向量数据分别与多个所述样本向量数据进行组合，获取多对组合数据；将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率；根据所述风险概率，推送所述待分析产品的风险预警信息。2.根据权利要求1所述的产品风险预警方法，其特征在于，所述获取待分析产品信息，对所述待分析产品信息进行数据画像处理，获得所述待分析产品信息对应的向量数据，包括：获取待分析产品的各维度信息，并按照预设量化标准，获得所述各维度信息的量化数据；对所述各维度信息的量化数据进行数据画像处理，获得所述待分析产品的衍生数据；根据所述量化数据与所述衍生数据，获得所述待分析产品的向量数据。3.根据权利要求1所述的产品风险预警方法，其特征在于，还包括：将所述多对组合数据输入所述预设的孪生神经网络模型，获得相似度最高的组合数据；根据所述相似度最高的组合数据，获得与所述待分析产品对应的样本向量数据；根据所述样本向量数据对应产品的风险情况，获得所述待分析产品的潜在风险情况。4.根据权利要求1所述的产品风险预警方法，其特征在于，所述将所述多对组合数据输入所述预设的孪生神经网络模型，获得待分析产品的风险概率之前，还包括：获取样本产品，将所述样本产品进行数据画像处理，获得样本向量数据；对所述样本产品进行分析，确定所述样本向量数据对应的数据标签；根据所述数据标签，将所述样本向量数据进行组对处理，获得组对样本；根据所述组对样本，构建得到预设的孪生神经网络模型。5.根据权利要求4所述的产品风险预警方法，其特征在于，所述组对样本包括正组对样本与负组对样本；所述根据所述数据标签，将所述样本向...

【专利技术属性】
技术研发人员：张翔，周欣欣，汪伟，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44