【技术实现步骤摘要】
基于相似性的风险识别方法、装置、设备及存储介质
本专利技术涉及金融科技(Fintech)
，尤其涉及基于相似性的风险识别方法、装置、设备及计算机可读存储介质。
技术介绍
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Finteh)转变，模型训练技术也不例外，但由于金融行业的安全性、实时性要求，也对模型训练技术提出的更高的要求。现有个贷风险识别方法主要基于评分卡模型，即首先获取部分有风险标识的用户样本，并抽取样本所对应的风险相关的因子，然后对风险相关的因子进行相关技术处理后，利用监督算法训练模型，使得模型输出的风险结果与已知的风险结果一致，然后即可利用训练后的模型对用户进行风险评分。现有评分卡模型需要已知样本客户的风险标签以及风险因子，然后利用监督学习算法查找出风险相近的客户。因此，在缺少客户直接相关的外部信息时，现有风险识别方法难以对用户的风险进行识别，降低了风险识别准确度。
技术实现思路
本专利技术的主要目的在于提出一种基于相似性的风险识别方法、装置、设备及计算...
【技术保护点】
1.一种基于相似性的风险识别方法，其特征在于，所述基于相似性的风险识别方法包括如下步骤：/n在接收到风险识别指令时，在预设数据中确定目标对象以及待抽取关系对象，并基于所述目标对象与待抽取关系对象在所述预设数据中的对应关系，生成所述目标对象与所述待抽取关系对象对应的关联相似度矩阵；/n将所述关联相似度矩阵进行归一化处理，并基于迭代算法将预设风险标签向量以及归一化之后的关联相似度矩阵进行迭代，以获取所述目标对象的风险值；/n在所述目标对象的风险值达到收敛条件时，输出所述目标对象对应的风险值，以便确定所述目标对象是否具有风险。/n
【技术特征摘要】
1.一种基于相似性的风险识别方法，其特征在于，所述基于相似性的风险识别方法包括如下步骤：
在接收到风险识别指令时，在预设数据中确定目标对象以及待抽取关系对象，并基于所述目标对象与待抽取关系对象在所述预设数据中的对应关系，生成所述目标对象与所述待抽取关系对象对应的关联相似度矩阵；
将所述关联相似度矩阵进行归一化处理，并基于迭代算法将预设风险标签向量以及归一化之后的关联相似度矩阵进行迭代，以获取所述目标对象的风险值；
在所述目标对象的风险值达到收敛条件时，输出所述目标对象对应的风险值，以便确定所述目标对象是否具有风险。
2.如权利要求1所述的基于相似性的风险识别方法，其特征在于，所述在接收到风险识别指令时，在预设数据中确定目标对象以及待抽取关系对象，并基于所述目标对象与待抽取关系对象在所述预设数据中的对应关系，生成所述目标对象与所述待抽取关系对象对应的关联相似度矩阵的步骤具体包括：
在接收到风险识别指令时，在所述预设数据中确定所述目标对象以及待抽取关系对象，并在所述预设数据中确定所述目标对象与所述待抽取关系对应的关联数据表；
基于所述关联数据表以及矩阵公式，生成所述目标对象与所述待抽取关系对象对应的关联相似度矩阵，其中，所述矩阵公式为：
S＝D-1/2WD-1/2或S＝D-1W，其中，D为对角矩阵，W为所述关联数据表中的向量。
3.如权利要求2所述的基于相似性的风险识别方法，其特征在于，所述将所述关联相似度矩阵进行归一化处理，并基于迭代算法将预设风险标签向量以及归一化之后的关联相似度矩阵进行迭代，以获取所述目标对象的风险值的步骤具体包括：
将所述关联相似度矩阵进行归一化处理，并确定所述关联相似度矩阵对应的矩阵类型；
在所述关联相似度矩阵对应的矩阵类型为第一类型时，确定所述第一类型对应的第一迭代公式，作为所述迭代算法，其中，所述第一迭代公式为：
P(t)＝kSP(t-1)+(1-k)Y，其中，t为迭代轮次，P(t)为迭代t轮次结点节点的风险值向量，P0＝Y，Y为预设风险标签向量，S为关联相似度矩阵，k为预设常量；
基于所述迭代算法将预设风险标签向量以及归一化之后的关联相似度矩阵进行迭代，以获取所述目标对象的风险值。
4.如权利要求3所述的基于相似性的风险识别方法，其特征在于，所述将所述关联相似度矩阵进行归一化处理，并确定所述关联相似度矩阵对应的矩阵类型的步骤之后，还包括：
在所述关联相似度矩阵对应的矩阵类型为第二类型时，确定所述第二类型对应的第二迭代公式，作为所述迭代算法，其中，所述第二迭代公式为：
Pe(t)＝STPc(t-1)，其中，Pe(t)为目标对象为用户且待抽取关系对象为实体时的风险值向量；
Pc(t)＝SPe(t-1)，其中，Pc(t)为目标对象为实体且待抽取关系对象为用户时的风险值向量；
基于所述迭代算法将预设风险标签向量以...
【专利技术属性】
技术研发人员：张鹏，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。