权益风控建模方法和装置制造方法及图纸

本发明专利技术提供了一种权益风控建模方法和装置，该方法包括：获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；对历史数据信息进行处理，确定特征向量；利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集；利用SVM分类模型评估特征向量数据，确定风控评估准确率；在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。在迭代更新的过程中根据设定时间间隔对特征向量数据加权，实现对SVM分类模型更新校正，有效提高权益风控模型的准确率。

【技术实现步骤摘要】
权益风控建模方法和装置
本专利技术涉及数据建模
，尤其涉及一种权益风控建模方法和装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。随着金融行业的发展，客户权益(如优惠券、兑换券等)在银行企业获客和增加客户粘性等方面具有重要意义。然而，银行企业在开展此类营销活动的同时，也必须对活动的风险进行防范，避免活动的利益被大量的“羊毛党”获取，而失去营销活动原本的意义。对于这类风险的智能防范，现有的方案是利用收集的海量样本数据，利用传统模式识别方法训练模型，并利用模型识别每次营销活动中薅羊毛的风险。具体而言，会利用历史数据来做训练样本，把已知薅羊毛的特征数据和已知正常行为的特征数据标记为两类标签，然后把这些特征数据及对应的标签作为样本输入，通过贝叶斯、逻辑回归等模式识别算法训练出风控模型，并根据模型对用户请求的特征数据进行识别，以此作为识别薅羊毛行为的风险评估辅助手段。然而，如今羊毛党的手段五花八门、层出不穷，如不断的变化网络IP、收获地址等，过去营销活动积累的数据价值性越来越小，影响模型的准确度。如果单纯的利用新样本加入到训练样本中训练模型，则凸显不出新样本数据更高的价值性，过多的样本数据也会让算法计算的复杂度更高。因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
技术实现思路
本专利技术实施例提供一种权益风控建模方法，提高了权益风控模型的准确率，该方法包括：获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；对历史数据信息进行处理，确定特征向量；利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集；利用SVM分类模型评估特征向量数据，确定风控评估准确率；在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。本专利技术实施例还提供一种权益风控建模装置，包括：数据获取模块，用于获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；特征向量确定模块，用于对历史数据信息进行处理，确定特征向量；SVM分类模型和支持向量集确定模块，用于利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集；风控评估准确率确定模块，用于利用SVM分类模型评估特征向量数据，确定风控评估准确率；权益风控模型确定模块，用于在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述权益风控建模方法。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行实现上述权益风控建模方法的计算机程序。本专利技术实施例提供的一种权益风控建模方法和装置，首先获取历史数据信息和特征向量数据，其中，特征向量数据是随着时间持续更新的；然后对历史数据信息进行处理，确定特征向量；接着利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集，下一步利用SVM分类模型评估特征向量数据，确定风控评估准确率；最后在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。本专利技术实施例使用历史数据信息建立SVM分类模型，同时考虑到随时间不断更新的特征向量数据对SVM分类模型的价值度，在迭代更新的过程中根据设定时间间隔对特征向量数据加权，实现对SVM分类模型的更新校正，实现对风控模型的不断优化，可以有效提高权益风控模型的准确率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例一种权益风控建模方法示意图。图2为本专利技术实施例一种权益风控建模方法流程图。图3为本专利技术实施例一种权益风控建模方法的线性SVM算法分类决策函数示意图。图4为运行本专利技术实施的一种权益风控建模方法的计算机装置示意图。图5为本专利技术实施例一种权益风控建模装置示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。在本专利技术实施例中，涉及的专业名词解释如下：标签：根据一次用户请求所对应的特征数据(如ip地址、手机号等)进行分类识别后对应的标签。将被识别为薅羊毛行为的特征数据标记为正标签(+1)；相反，被识别为正常行为的特征数据标记为负标签(-1)。支持向量机(SupportVectorMachine,SVM)：是建立在风险最小及统计学理论的VC维理论基础上的，利用有限的样本数据在模型复杂性(对所有参与训练样本数据的学习精度)及学习能力(即准确识别出样本数据的能力)之间的一个最佳折中，已得到最大的推广能力；支持向量(SupportVector,SV)：能够正确分类训练集的特征向量。图1为本专利技术实施例一种权益风控建模方法示意图，如图1所示，本专利技术实施例提供一种权益风控建模方法，提高了权益风控模型的准确率，该方法包括：步骤101：获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；步骤102：对历史数据信息进行处理，确定特征向量；步骤103：利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集；步骤104：利用SVM分类模型评估特征向量数据，确定风控评估准确率；步骤105：在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。本专利技术实施例提供的一种权益风控建模方法，首先获取历史数据信息和特征向量数据，其中，特征向量数据是随着时间持续更新的；然后对历史数据信息进行处理，确定特征向量；接着利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集，下一步利用SVM分类模型评估特征向量数据，确定风控评估准确率；最后在风控评估准确率低于设定阈值时本文档来自技高网...

【技术保护点】
1.一种权益风控建模方法，其特征在于，包括：/n获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；/n对历史数据信息进行处理，确定特征向量；/n利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集；/n利用SVM分类模型评估特征向量数据，确定风控评估准确率；/n在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。/n

【技术特征摘要】
1.一种权益风控建模方法，其特征在于，包括：
获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；
对历史数据信息进行处理，确定特征向量；
利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集；
利用SVM分类模型评估特征向量数据，确定风控评估准确率；
在风控评估准确率低于设定阈值时，根据设定时间间隔对特征向量数据加权，将加权后的特征向量数据和支持向量集作为训练样本，输入到SVM分类模型进行迭代训练，直至风控评估准确率达到设定阈值时停止迭代，确定权益风控模型。


2.如权利要求1所述的方法，其特征在于，获取历史数据信息，包括：从数据库中获取历史权益活动过程中产生的历史数据信息；其中，所述历史数据信息包括：已识别的薅羊毛行为数据和已识别的正常获取权益行为数据。


3.如权利要求1所述的方法，其特征在于，对历史数据信息进行处理，确定特征向量，包括：
对历史数据信息进行数据清洗转换加载，抽取出多维数据；
对多维数据中的每一维数据转化为均值为0、方差为1的值，确定特征向量。


4.如权利要求1所述的方法，其特征在于，利用线性SVM算法对特征向量训练，确定SVM分类模型和支持向量集，包括：
利用线性SVM算法对特征向量进行划分，确定超平面；所述超平面为特征向量中所有数据到超平面的距离最大的平面；
利用超平面对特征向量进行训练，获得SVM分类模型和支持向量集。


5.如权利要求4所述的方法，其特征在于，所述支持向量机在每次迭代更新时，剔除不影响SVM分类模型的样本数据。


6.一种权益风控建模装置，其特征在于，包括：
数据获取模块，用于获取历史数据信息和特征向量数据；所述特征向量数据随时间进行更新；
特征向量确定模块，用于对历史数据信息进行处理，确定特征向量...

【专利技术属性】
技术研发人员：沈之芳，周宝琛，肖慧闵，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11