风险评估模型的训练、风险评估方法及装置制造方法及图纸

本说明书实施例提供一种风险评估模型的训练、风险评估方法及装置，在训练方法中，收集一批用户样本，其中的每个用户样本包括用户特征和风险标签，风险标签用于指示出用户的总风险评分以及对应于各预定风险类型的多个单独风险评分。基于各用户样本的用户特征以及风险标签中的总风险评分，对特征编码层进行训练，得到训练的特征编码层，并基于训练的特征编码层，获取各用户样本的特征编码结果。基于各用户样本的特征编码结果以及风险标签中的总风险评分，对综合风险评估层进行训练。对于各单一风险评估层中的每个单一风险评估层，基于各用户样本的特征编码结果以及风险标签中的对应风险类型的单独风险评分，对该单一风险评估层进行训练。

【技术实现步骤摘要】
风险评估模型的训练、风险评估方法及装置
本说明书一个或多个实施例涉及机器学习
，尤其涉及一种风险评估模型的训练、风险评估方法及装置。
技术介绍
随着网络技术的日益普遍，网络交易中存在的风险也越来越多。为了能有效的减少高风险交易，加强市场监控，对用户进行风险评估显得极其重要。传统技术中，通常只针对单一风险类型(如，涉嫌赌博的风险类型)进行风险评估。其评估过程具体可以为：先基于该风险类型的样本用户和正常样本用户，训练风险评估模型。之后基于该风险评估模型，评估目标用户是否为对应风险类型的用户。因此，传统的风险评估方法效率较低。因此，希望提供改进的方案，能够提升对用户的风险评估效率。
技术实现思路
本说明书一个或多个实施例描述了一种风险评估模型的训练、风险评估方法及装置，可以降低模型训练的成本和开销。第一方面，提供了一种风险评估模型的训练方法，包括：收集一批用户样本，其中的每个用户样本包括用户特征和风险标签；所述风险标签用于指示出用户的总风险评分以及对应于所述各预定风险类型的多个单独风险评分；<本文档来自技高网...

【技术保护点】
1.一种风险评估模型的训练方法，所述风险评估模型包括特征编码层、综合风险评估层和若干单一风险评估层；各单一风险评估层中的每个单一风险评估层对应于各预定风险类型中的一种风险类型；所述方法包括：/n收集一批用户样本，其中的每个用户样本包括用户特征和风险标签；所述风险标签用于指示出用户的总风险评分以及对应于所述各预定风险类型的多个单独风险评分；/n基于所述一批用户样本中各用户样本的用户特征，以及所述各用户样本的风险标签中的总风险评分，对所述特征编码层进行训练，得到训练的特征编码层；/n基于训练的特征编码层，获取所述各用户样本的特征编码结果；/n基于所述各用户样本的特征编码结果，以及所述各用户样本的风...

【技术特征摘要】
1.一种风险评估模型的训练方法，所述风险评估模型包括特征编码层、综合风险评估层和若干单一风险评估层；各单一风险评估层中的每个单一风险评估层对应于各预定风险类型中的一种风险类型；所述方法包括：
收集一批用户样本，其中的每个用户样本包括用户特征和风险标签；所述风险标签用于指示出用户的总风险评分以及对应于所述各预定风险类型的多个单独风险评分；
基于所述一批用户样本中各用户样本的用户特征，以及所述各用户样本的风险标签中的总风险评分，对所述特征编码层进行训练，得到训练的特征编码层；
基于训练的特征编码层，获取所述各用户样本的特征编码结果；
基于所述各用户样本的特征编码结果，以及所述各用户样本的风险标签中的总风险评分，对所述综合风险评估层进行训练；
对于所述各单一风险评估层中的每个单一风险评估层，基于所述各用户样本的特征编码结果，以及所述各用户样本的风险标签中的对应于该单一风险评估层的风险类型的单独风险评分，对该单一风险评估层进行训练。


2.根据权利要求1所述的方法，所述训练的特征编码层包括多棵决策树；所述基于训练得到的特征编码层，获取所述各用户样本的特征编码结果，包括：
确定所述各用户样本在所述多棵决策树中各棵决策所落入叶子节点的节点标识；
基于所述各用户样本在所述多棵决策树中各棵决策所落入叶子节点的节点标识，确定所述各用户样本的特征编码结果。


3.根据权利要求2所述的方法，所述各棵决策树中每棵决策树的每个非叶子节点对应于一个用户特征；所述每棵决策树的叶子节点的节点标识表征从该叶子节点至其所在决策树的根节点之间的路径所覆盖的各节点所对应用户特征的归一化处理结果。


4.根据权利要求1所述的方法，所述综合风险评估层以及所述各单一风险评估层中的每个单一风险评估层均包括迭代决策树模型。


5.根据权利要求4所述的方法，所述迭代决策树模型包括以下任一种：梯度提升决策树GBDT模型、adaboost决策树模型以及XGBoost决策树模型。


6.根据权利要求1所述的方法，所述各预定风险类型包括违规违禁类型、反作弊类型、投资理财类型以及欺诈类型中的若干种。


7.根据权利要求1-6任一项所述的方法，所述用户特征包括用户属性、历史高危稽查记录、历史行为记录以及每天策略处罚结果中的若干种。


8.一种风险评估方法，包括：
获取待评估风险用户的目标特征；
将所述目标特征输入风险评估模型的特征编码层，得到目标特征编码结果；所述风险评估模型通过如权利要求1-7中任一项所述的方法训练得到；
将所述目标特征编码结果分别输入所述风险评估模型的综合风险评估层和各单一风险评估层；
通过所述综合风险评估层的输出，得到所述待评估风险用户的总风险评分；通过所述各单一风险评估层中的每个单一风险评估层的输出，得到所述待评估风险用户的对应于每个单一风险评估层的风险类型的单独风险评分。


9.一种风险评估模型的训练装置，所述风险评估模型包括特征编码层、综合风险评估层和若干单一风险评估层；各单一风险评估层中的每个单一风险评估层对应于各预定风险类型中的一种风险类型；所述装置包括：
收集单元，用于收集一批用户样本，其中的每个用户样本包括用户特征和风险标签；...

【专利技术属性】
技术研发人员：许小龙，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33