【技术实现步骤摘要】
风险的确定方法、装置和服务器
[0001]本说明书属于人工智能
，尤其涉及风险的确定方法、装置和服务器。
技术介绍
[0002]在一些比较复杂的数据预测场景(例如，借款逾期风险预测场景)中，所采集到的待预测风险的数据对象的特征数据的种类往往较多(例如，可能包含有100多种不同种类的特征数据)、特征维度相对较高。
[0003]针对上述特征维度较高、较复杂的数据预测场景，基于现有方法往往很难训练得到效果较好、误差较小的风险预测模型，进而导致基于现有方法，很难适用于上述特征维度较高、较复杂的数据预测场景，难以准确地确定出上述场景中的数据对象是否存在预设风险。
[0004]针对上述问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本说明书提供了一种风险的确定方法、装置和服务器，通过利用预先基于子空间一致性约束和动态成对约束训练得到的预设的处理模型，可以较好地适用于特征维度较高、较复杂的数据预测场景，准确地预测出目标对象是否存在预设风险。
[0006]本说明书提供了一种风险的确
【技术保护点】
【技术特征摘要】
1.一种风险的确定方法，其特征在于，包括：获取目标对象的多个特征数据；根据预设的映射规则，将所述多个特征数据映射到多个预设的特征子空间中，得到目标对象的多个特征组；其中，所述特征组分别与一个预设的特征子空间对应；调用预设的处理模型处理所述多个特征组，以得到对应的处理结果；其中，所述预设的处理模型至少包括多个预设的分类器，所述预设的分类器分别与一个预设的特征子空间对应；所述预设的处理模型为预先基于子空间一致性约束和动态成对约束训练得到的；根据所述处理结果，确定目标对象是否存在预设风险。2.根据权利要求1所述的方法，其特征在于，所述目标对象包括交易账户；相应的，所述预设风险包括交易数据逾期风险。3.根据权利要求2所述的方法，其特征在于，所述特征数据包括：交易账户的身份类特征数据、交易账户的历史交易行为类特征数据、交易账户的当前交易行为类特征数据。4.根据权利要求1所述的方法，其特征在于，所述预设的处理模型还包括判别结构；其中，所述判别结构与所述多个预设的分类器相连；所述判别结构用于根据所述多个预设的分类器输出的分类结果，生成所述处理结果。5.根据权利要求4所述的方法，其特征在于，所述预设的处理模型按照以下方式建立：获取多个样本数据；其中，所述样本数据对应一个样本对象，所述样本数据包含有所对应的样本对象的多个特征数据；所述样本对象包括携带有预设标签的第一类样本对象，和不携带有预设标签的第二类样本对象；根据预设的映射规则，将第一类样本对象的多个特征数据映射到多个预设的特征子空间中，得到第一类训练数据；将第二类样本对象的多个特征数据映射到多个预设的特征子空间中，得到第二类训练数据；利用所述第一类训练数据，训练多个初始分类器，得到对应的多个中间分类器；其中，所述初始的分类器分别与一个预设的特征子空间对应；利用所述多个中间分类器、所述第一类训练数据、所述第二类训练数据，构建关于多个中间分类器的目标函数；其中，所述目标函数包含有子空间一致性约束算式和动态成对约束算式；根据所述目标函数，确定出符合要求的多个预设的分类器，以构建得到预设的处理模型。6.根据权利要求5所述的方法，其特征在于，利用所述多个中间分类器、所述第一类训练数据、所述第二类训练数据，构建关于多个中间分类器的目标函数，包括：调用多个中间分类器处理所述第二类训练数据，以得到针对第二类样本对象的动态标签；根据第一类样本对象的预设标签、第二类样本对象的动态标签，构建动态成对约束算式；调用多个中间分类器处理所述第一类训练数据，得到第一类样本对象的多个分类结果；根据所述第一类样本对象的多个分类结果，构建子空间一致性约束算式；根据所述动态成对约束算式和所述子空间一致性约束算式，构建所述目标函数。
7.根据权利要求6所述的方法，其特征在于，根据第一类样本对象的预设标签、第二类样本对象的动态标签，构建动态成对约束算式，包括：根据第一类样本对象的...
【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：
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。