风险预测方法、装置和电子设备制造方法及图纸

本公开提供了一种风险预测方法、装置和电子设备，可用于人工智能领域、金融领域等。该风险预测方法包括：获取待预测数据；获取待预测数据的风险特征；以及利用经训练的风险预测模型处理风险特征，得到风险预测结果，风险预测结果包括待预测数据所属的类别；其中，每个类别的样本数据包括边界样本数据，风险预测模型的目标函数包括边界样本判别约束项，边界样本判别约束项使得分别属于不同类别的边界样本数据在输出空间中的第一距离，大于分别属于同类别的边界样本数据在输出空间的第二距离。类别的边界样本数据在输出空间的第二距离。类别的边界样本数据在输出空间的第二距离。

【技术实现步骤摘要】
风险预测方法、装置和电子设备


[0001]本公开涉及人工智能
和金融领域，更具体地，涉及一种风险预测方法、装置和电子设备。

技术介绍

[0002]对于多类机构而言，风险预测是热点问题。例如，随着金融行业的发展，法人贷款业务在金融机构中所占的比重越来越大，对法人贷款业务的风险预测就成为越来越重要的事宜。
[0003]在实现本公开构思的过程中，申请人发现相关技术中至少存在如下问题，某些业务场景(如贷款业务场景)具有复杂性高特点，使得很难在处理该业务前发现高风险客户，导致业务处理异常，如不良贷款愈发严重，会对机构造成不利影响。

技术实现思路

[0004]有鉴于此，本公开提供了一种风险预测方法、装置和电子设备，以至少部分解决高风险预测的问题。
[0005]本公开的一个方面提供了风险预测方法，包括：获取待预测数据；获取待预测数据的风险特征；以及利用经训练的风险预测模型处理风险特征，得到风险预测结果，风险预测结果包括待预测数据所属的类别；其中，每个类别的样本数据包括边界样本数据，风险预测模型的目标函数包括边界样本判别约本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险预测方法，包括：获取待预测数据；获取所述待预测数据的风险特征；以及利用经训练的风险预测模型处理所述风险特征，得到风险预测结果，所述风险预测结果包括所述待预测数据所属的类别；其中，每个类别的样本数据包括边界样本数据，所述风险预测模型的目标函数包括边界样本判别约束项，所述边界样本判别约束项使得分别属于不同类别的边界样本数据在输出空间中的第一距离，大于分别属于同类别的边界样本数据在输出空间的第二距离。2.根据权利要求1所述的方法，其中，所述类别包括正样本类别和负样本类别；以及所述边界样本判别约束项包括：正样本子约束项、负样本子约束项和交叉项，其中，所述正样本子约束项的输出和模型处理正样本数据的子结果与模型处理边界正样本子集合的均值的子结果之间的差值相关，所述负样本子约束项的输出和模型处理负样本数据的子结果与模型处理边界负样本子集合的均值的子结果之间的差值相关，所述交叉项的输出和模型处理正样本数据的子结果与模型处理负样本数据的子结果的乘积相关。3.根据权利要求2所述的方法，其中，所述获取所述待预测数据的风险特征包括：获取所述待预测数据的针对基础信息视角的子特征、获取所述待预测数据的针对经营信息视角的子特征和获取所述待预测数据的针对行为信息视角的子特征中至少一种。4.根据权利要求3所述的方法，其中，所述边界样本判别约束项包括以下至少一种：针对基础信息视角的正样本子约束项、负样本子约束项和交叉项；针对经营信息视角的正样本子约束项、负样本子约束项和交叉项；或者针对行为信息视角的正样本子约束项、负样本子约束项和交叉项。5.根据权利要求3所述的方法，其中，所述风险预测模型的目标函数还包括视角间边界样本判别约束项，所述视角间边界样本判别约束项使得同类别的边界样本的均值在不同视角各自中的输出趋于一致。6.根据权利要求5所述的方法，其中，所述视角间边界样本判别约束项包括以下至少一种：针对不同视角的正样本子约束项；或者针对不同视角的负样本子约束项。7.根据权利要求1所述的方法，其中，训练所述风险预测模型包括：获取训练样本数据集合，所述训练样本数据集合包括正训练样本数据子集合和/或负训练样本数据子集合；基于样本的异类近邻信息确定所述正训练样本数据子集合中边界正样本子集合，和/或，基于样本的异类近邻信息确定所述负训练样本数据子集合中边界负样本...

【专利技术属性】
技术研发人员：陈李龙，王娜，强锋，刘华杰，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：