一种基于特征衍生技术的风险控制方法方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种基于特征衍生技术的风险控制方法方法、装置和电子设备，包括：构建特征数据衍生规则；获取历史用户原始数据，利用特征数据衍生规则获取历史用户的组合特征数据；将历史用户原始数据及组合特征数据作为训练样本，采用机器学习的方法构建用户风险预测模型；获取当前用户数据，利用特征数据衍生规则获取当前用户的组合特征数据；将当前用户原始数据及当前用户组合特征数据输入至用户风险预测模型以判断当前用户的风险值；基于当前用户风险值做进一步风险控制处理。本发明专利技术通过现有特征衍生出更多维度的特征数据，简化数据挖掘步骤，体现最小量运算，提升模型精度，提高风险控制能力，优化风险控制策略，降低风险发生几率，最终实现整体收益的提升。

A risk control method, device and electronic equipment based on feature derivation Technology

【技术实现步骤摘要】
一种基于特征衍生技术的风险控制方法方法、装置和电子设备
本专利技术涉及计算机信息处理领域，具体而言，涉及一种基于特征衍生技术的风险控制方法方法、装置、电子设备及计算机可读介质。
技术介绍
随着互联网、大数据、人工智能等新兴技术的应用及快速发展，互联网金融的金融服务模式也随之兴起。据统计，当下我国互联网金融行业规模已经超过17.8万亿元。新技术的使用，使金融服务更为简单快捷和高效。金融业务的核心-风险控制能力也随着大数据和人工智能技术的应用而更加强大。现有技术中，大多数互联网金融服务的风险控制策略是基于评分卡方式与机器学习模型相结合而制定的，这就需要尽量多的获取分析变量的维度，尽可能多的收集用户的行为信息，将其加入评分模型来提高模型精度，获取更为准确的风险评分。随着用户对个人信息分享的日益谨慎，用户行为信息获取也愈发困难。基于已有或合法公开的用户特征经最小化计算量的衍生获取新的特征用于风控策略，就成为解决信息获取困难的一个较好的解决方案。
技术实现思路
本专利技术的目的在于，提供一种于特征衍生技术的风险本文档来自技高网...

【技术保护点】
1.一种基于特征衍生技术的风险控制方法，其特征在于，包括：/n构建特征数据衍生规则；/n获取历史用户原始数据，所述历史用户原始数据包括属性数据、行为数据、金融数据及所述历史用户的风险数据；/n利用所述特征数据衍生规则获取所述历史用户的组合特征数据；/n将所述历史用户原始数据及组合特征数据作为训练样本，采用机器学习的方法构建用户风险预测模型；/n获取当前用户数据，所述当前用户数据包括属性特征数据、行为数据、金融数据，利用所述特征数据衍生规则获取所述当前用户的组合特征数据；/n将所述当前用户原始数据及所述当前用户组合特征数据输入至所述用户风险预测模型以判断所述当前用户的风险值；/n基于所述当前用户...

【技术特征摘要】
1.一种基于特征衍生技术的风险控制方法，其特征在于，包括：
构建特征数据衍生规则；
获取历史用户原始数据，所述历史用户原始数据包括属性数据、行为数据、金融数据及所述历史用户的风险数据；
利用所述特征数据衍生规则获取所述历史用户的组合特征数据；
将所述历史用户原始数据及组合特征数据作为训练样本，采用机器学习的方法构建用户风险预测模型；
获取当前用户数据，所述当前用户数据包括属性特征数据、行为数据、金融数据，利用所述特征数据衍生规则获取所述当前用户的组合特征数据；
将所述当前用户原始数据及所述当前用户组合特征数据输入至所述用户风险预测模型以判断所述当前用户的风险值；
基于所述当前用户风险值做进一步风险控制处理。


2.根据权利要求1所述的方法，其特征在于，所述构建特征数据衍生规则步骤进一步包括：
对原始数据进行分类分析及节点特征提取以获取节点特征，其中，同类所述原始数据对应于唯一的节点特征；
获取特征组合规则；
利用所述特征组合规则将所述节点特征进行组合以生成组合节点特征，并按照所述特征组合规则对所述节点特征唯一对应的原始数据进行组合运算，以形成所述组合节点特征唯一对应的组合特征数据。


3.根据权利要求1-2所述的方法，其特征在于，所述节点特征的类别包括过滤条件类、统计指标类及统计逻辑类。


4.根据权利要求1-3所述的方法，其特征在于，所述获取特征组合规则进一步包括：选择至少一个过滤条件类节点特征、唯一个统计指标类节点特征及唯一一个统计逻辑类节点特征组合形成特征组合。


5.根据权利要求1-4所述的方法，其特征在于，所述对原始数据进行分类分析及节点特征提取以获取节点特征步骤进一步包括：

【专利技术属性】
技术研发人员：蒋勃，沈赟，王骞，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11