本发明专利技术涉及人工智能，公开了一种风险模型创制方法、装置、计算机设备及可读存储介质，包括：识别报文中反映消费主体身份的主体字段，及反映消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成反映消费主体的消费行为的消费数据；通过消费数据对预置的初始机器学习模型进行训练，得到能够对消费数据进行分类的成熟机器学习模型；从成熟随机森林中获取特征重要度排序，将超过预置的影响权重的权重值所对应的影响特征设为风险特征；根据风险特征构建风险模型并构建风险模型的输入模板。本发明专利技术还涉及区块链技术，信息可存储于区块链节点中。本发明专利技术适用于大量客户端的频繁调用，扩大了适用范围，又保证了风险模型对风险识别的准确度。风险识别的准确度。风险识别的准确度。
【技术实现步骤摘要】
风险模型创制方法、装置、计算机设备及可读存储介质
[0001]本专利技术涉及人工智能的智能决策
，尤其涉及一种风险模型创制方法、装置、计算机设备及可读存储介质。
技术介绍
[0002]随着银行客户群体规模的不断扩大以及电子银行,电子商务等新型商业模式的兴起,一些不法分子在进行犯罪活动时,必定会涉及到资金交易的问题，当前银行通常采用人工智能模型对消费主体的风险识别。
[0003]然而，专利技术人意识到，由于人工智能模型的算力消耗量巨大，如果大量的客户端(如：全国各地各行的柜台)频繁调用人工智能模型，将会给服务系统的算力带来极大的负担，无法大范围推广。
技术实现思路
[0004]本专利技术的目的是提供一种风险模型创制方法、装置、计算机设备及可读存储介质，用于解决现有技术存在的人工智能模型被大量的客户端频繁调用人工智能模型，给服务系统的算力带来极大的负担，导致无法大范围推广的问题。
[0005]为实现上述目的，本专利技术提供一种风险模型创制方法，包括：
[0006]分别从白名单库和黑名单库中获取报文；
[0007]识别所述报文中反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成反映所述消费主体的消费行为的消费数据；
[0008]通过所述消费数据对预置的初始机器学习模型进行训练，得到能够对所述消费数据进行分类的成熟机器学习模型；
[0009]从所述成熟随机森林中获取特征重要度排序，将超过预置的影响权重的权重值所对应的影响特征设为风险特征，其中，所述特征排序中具有降序排列的权重值及其对应的影响特征；
[0010]根据所述风险特征构建风险模型并构建所述风险模型的输入模板，将所述输入模板发送至客户端。
[0011]上述方案中，所述识别所述报文中反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成反映所述消费主体的消费行为的消费数据的步骤，包括：
[0012]拆分所述报文得到至少一个字段；
[0013]从所述至少一个字段中获取反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段；
[0014]将所述主体字段和所述行为字段保存至预置的数据库中，以所述主体字段为主键并以所述行为字段为键值，使所述主体字段和所述行为字段以键值对的形式关联；
[0015]汇总主键相同的键值形成第一键值集合，对所述键值集合进行去重得到第二键值集合，计算所述第二键值集合中的键值在所述第一键值集合中出现的次数，并将所述次数与所述键值关联，使所述第二键值集合形成所述主键的消费数据。
[0016]上述方案中，所述通过所述消费数据对预置的初始机器学习模型进行训练之前，所述方法还包括：
[0017]识别所述消费数据对应的报文的来源；若所述报文从所述白名单库中获得，则将所述消费数据的标题编辑为正常信息；若所述报文从所述黑名单库中获得，则将所述消费数据的标题编辑为违约信息。
[0018]上述方案中，所述通过所述消费数据对预置的初始机器学习模型进行训练之前，所述方法还包括：
[0019]将所述消费数据中的行为字段转为数值型数据。
[0020]上述方案中，所述将所述消费数据中的行为字段转为数值型数据的步骤，包括：
[0021]调用行为字典，其定义了非数据值型数据和数值型数据之间的映射关系；
[0022]通过所述行为字典将所述消费数据中的非数值型数据转为数值型数据。
[0023]上述方案中，所述风险模型通过以下方法获得：
[0024]提取风险特征的元数据，以所述元数据作为变量，以风险值作为计算值创制目标加权公式，并构建以所述目标加权公式为目标公式的风险模型。
[0025]所述目标加权公式如下：
[0026]M＝A*x+B*y+C*z
[0027]其中，A、B、C是权重参数；x，y，z是所述变量，M是风险值。
[0028]上述方案中，所述将所述输入模板发送至客户端之后，所述方法还包括：
[0029]接收客户端在所述输入模板中录入的待运算数据，调用所述风险模型对所述待运算数据进行计算得到风险评估值；判断所述风险评估值是否超过预置的风险阈值；若是，则生成风险报文并将其发送至所述客户端；若否，则生成正常报文并将其发送至所述客户端；
[0030]所述生成风险报文并将其发送至所述客户端之后，所述方法还包括：
[0031]将所述风险报文上传至区块链中。
[0032]为实现上述目的，本专利技术还提供一种风险模型创制装置，包括：
[0033]输入模块，用于分别从白名单库和黑名单库中获取报文；
[0034]数据生成模块，用于识别所述报文中反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成反映所述消费主体的消费行为的消费数据；
[0035]模型训练模块，用于通过所述消费数据对预置的初始机器学习模型进行训练，得到能够对所述消费数据进行分类的成熟机器学习模型；
[0036]特征获取模块，用于从所述成熟随机森林中获取特征重要度排序，将超过预置的影响权重的权重值所对应的影响特征设为风险特征，其中，所述特征排序中具有降序排列的权重值及其对应的影响特征；
[0037]模型构建模块，用于根据所述风险特征构建风险模型并构建所述风险模型的输入模板，将所述输入模板发送至客户端。
[0038]为实现上述目的，本专利技术还提供一种计算机设备，其包括存储器、处理器以及存储
在存储器上并可在处理器上运行的计算机程序，所述计算机设备的处理器执行所述计算机程序时实现上述风险模型创制方法的步骤。
[0039]为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述可读存储介质存储的所述计算机程序被处理器执行时实现上述风险模型创制方法的步骤。
[0040]本专利技术提供的风险模型创制方法、装置、计算机设备及可读存储介质，通过识别所述报文中反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成消费数据的方式，并通过消费数据对所述初始机器学习模型进行训练，以获得能够根据消费数据对所述消费数据对应的消费主体的来源的成熟机器学习模型，以识别出影响对消费主体的评价的重要因素。
[0041]根据所述风险特征构建风险模型并构建所述风险模型的输入模板，将所述输入模板发送至客户端，以便于客户端能够快速识别出具有风险的消费主体，又由于所述风险模型的运算消耗量极低，并且构建风险模型的风险特征是通过成熟随机森林所获得的，因此，即适用于大量客户端的频繁调用，扩大了适用范围，又保证了风险模型对风险识别的准确度。
附图说明
[0042]图1为本专利技术风险模型创制方法实施例一的流程图；
[0043]图2为本专利技术风险模型创制方法实施例本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风险模型创制方法，其特征在于，包括：分别从白名单库和黑名单库中获取报文；识别所述报文中反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成反映所述消费主体的消费行为的消费数据；通过所述消费数据对预置的初始机器学习模型进行训练，得到能够对所述消费数据进行分类的成熟机器学习模型；从所述成熟随机森林中获取特征重要度排序，将超过预置的影响权重的权重值所对应的影响特征设为风险特征，其中，所述特征排序中具有降序排列的权重值及其对应的影响特征；根据所述风险特征构建风险模型并构建所述风险模型的输入模板，将所述输入模板发送至客户端。2.根据权利要求1所述的风险模型创制方法，其特征在于，所述识别所述报文中反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段，汇总具有同一主体字段的行为字段形成反映所述消费主体的消费行为的消费数据的步骤，包括：拆分所述报文得到至少一个字段；从所述至少一个字段中获取反映消费主体身份的主体字段，及反映所述消费主体的消费行为的行为字段；将所述主体字段和所述行为字段保存至预置的数据库中，以所述主体字段为主键并以所述行为字段为键值，使所述主体字段和所述行为字段以键值对的形式关联；汇总主键相同的键值形成第一键值集合，对所述键值集合进行去重得到第二键值集合，计算所述第二键值集合中的键值在所述第一键值集合中出现的次数，并将所述次数与所述键值关联，使所述第二键值集合形成所述主键的消费数据。3.根据权利要求1所述的风险模型创制方法，其特征在于，所述通过所述消费数据对预置的初始机器学习模型进行训练之前，所述方法还包括：识别所述消费数据对应的报文的来源；若所述报文从所述白名单库中获得，则将所述消费数据的标题编辑为正常信息；若所述报文从所述黑名单库中获得，则将所述消费数据的标题编辑为违约信息。4.根据权利要求1所述的风险模型创制方法，其特征在于，所述通过所述消费数据对预置的初始机器学习模型进行训练之前，所述方法还包括：将所述消费数据中的行为字段转为数值型数据。5.根据权利要求4所述的风险模型创制方法，其特征在于，所述将所述消费数据中的行为字段转为数值型数据的步骤，包括：调用行为字典，其定义了非数据值型数据和数值...
【专利技术属性】
技术研发人员：季德志，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
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。