风险业务检测模型训练方法、风险业务检测方法及装置制造方法及图纸

本公开提供了一种风险业务检测模型的训练方法，应用于金融领域、人工智能领域或其它领域。风险业务检测模型的训练方法包括获取训练样本数据集，其中，训练样本数据集包括历史风险业务的特征数据；对训练样本数据集中历史风险业务的特征数据进行特征分析，得到特征分析结果；确定与特征分析结果相匹配的多个候选风险业务检测模型；以及利用训练样本数据集分别训练每个候选风险业务检测模型，以便从训练完成的多个候选风险业务检测模型中确定风险业务检测模型。本公开还提供了一种风险业务检测方法、风险业务模型的训练装置、风险业务检测装置、电子设备、计算机可读存储介质及计算机程序产品。

【技术实现步骤摘要】
风险业务检测模型训练方法、风险业务检测方法及装置
本公开涉及金融领域和人工智能领域，更具体地，涉及一种风险业务检测模型训练方法、风险业务检测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
目前，监控系统内部对于高风险的任务，主要通过人为分析任务风险的方法，由人工判别任务应该采取怎样的处置措施，实现任务处置，在实现本公开构思的过程中，专利技术人发现相关技术中存在人工判别的成本较高且准确率较低的问题。
技术实现思路
有鉴于此，本公开提供了一种风险业务检测模型训练方法、风险业务检测方法及装置。本公开的一个方面提供了一种风险业务检测模型训练方法，包括：获取训练样本数据集，其中，上述训练样本数据集包括历史风险业务的特征数据；对上述训练样本数据集中历史风险业务的特征数据进行特征分析，得到特征分析结果；确定与上述特征分析结果相匹配的多个候选风险业务检测模型；以及利用上述训练样本数据集分别训练每个上述候选风险业务检测模型，以便从训练完成的多个上述候选风险业务检测模型中确定风险业务检测模型。根据本公开的实施例，上述历史风险业务包括贷款业务；上述特征数据包括贷款人性别、贷款金额、逾期次数、贷款人月收入、贷款人分期情况、贷款人征信情况中的一种或多种。根据本公开的实施例，上述利用上述训练样本数据集分别训练上述多个候选风险业务检测模型，以便确定风险业务检测模型包括：利用上述训练样本数据集训练上述多个候选风险业务检测模型，分别生成多个调参风险业务检测模型，其中，上述多个调参风险业务检测模型中的每个调参风险业务检测模型均包括与其对应的验证结果，上述验证结果表征上述调参风险业务检测模型的检测准确度；根据上述验证结果，从上述多个调参风险业务检测模型中确定多个待测试风险业务检测模型，其中，上述待测试风险业务检测模型的数量小于等于上述调参风险业务检测模型的数量；对上述多个待测试风险业务检测模型进行生产测试，以便从上述多个待测试风险业务检测模型中确定风险业务检测模型。根据本公开的实施例，上述利用上述训练样本数据集训练上述多个候选风险业务检测模型，分别生成多个调参风险业务检测模型包括：将上述训练样本数据集划分为训练集和调参集；利用上述训练集训练上述多个候选风险业务检测模型，分别生成多个待调参风险业务检测模型；利用上述调参集对上述多个待调参风险业务检测模型进行参数调整，分别生成多个调参风险业务检测模型。根据本公开的实施例，上述对上述多个待测试风险业务检测模型进行生产测试，以便从上述多个待测试风险业务检测模型中确定风险业务检测模型包括：获取生产测试数据集；将上述生产测试数据集输入上述多个待测试风险业务检测模型，分别输出生产测试结果；根据上述生产测试数据集，得到标准生产测试结果；将上述多个待测试风险业务检测模型中，生产测试结果与上述标准生产测试结果相匹配的待测试风险业务检测模型确定为上述风险业务检测模型。根据本公开的实施例，上述候选风险业务检测模型包括基于随机森林算法的候选风险业务检测模型；上述利用上述训练样本数据集训练上述多个候选风险业务检测模型，分别生成多个调参风险业务检测模型包括：将上述训练样本数据集划分为训练集和调参集；根据上述训练集训练出随机森林，其中，上述随机森林中的决策树是根据上述训练集中的特征数据构建得到的；利用上述调参集对上述随机森林进行调参，生成调参随机森林，其中，上述随机森林中的每棵决策树分别输出调参结果；通过投票方式确定多个调参结果中出现次数最多的调参结果，作为上述验证结果。根据本公开的实施例，上述候选风险业务检测模型包括基于随机森林算法的候选风险业务检测模型、基于朴素贝叶斯算法的候选风险业务检测模型、基于梯度提升决策树算法的候选风险业务检测模型中的任意之一。本公开的另一个方面提供了一种风险业务检测方法，包括：获取待测风险业务数据集；将上述待测风险业务数据集输入至上述风险业务检测模型，输出检测结果，其中，上述风险业务检测模型由如上所述的风险业务检测模型的训练方法训练得到。根据本公开的实施例，风险业务检测方法还包括：从多个检测结果区间中，确定与上述检测结果对应的目标检测结果区间，其中，上述多个检测结果区间中的每个检测结果区间具有对应的操作类型；按照与上述目标检测结果区间对应的操作类型执行操作。根据本公开的实施例，上述检测结果区间对应的操作类型包括通过、警告、直接降频、加入黑名单、卡片止付、账户锁定中的任意之本公开的另一方面提供了一种风险业务检测模型训练装置，包括：第一获取模块，用于获取训练样本数据集，其中，上述训练样本数据集包括历史风险业务的特征数据；特征分析模块，用于对上述训练样本数据集中历史风险业务的特征数据进行特征分析，得到特征分析结果；确定模块，用于确定与上述特征分析结果相匹配的多个候选风险业务检测模型；训练模块，用于利用上述训练样本数据集分别训练上述多个候选风险业务检测模型，以便确定风险业务检测模型。本公开的另一方面提供了一种风险业务检测装置，包括：第二获取模块，用于获取待测风险业务数据集；检测模块，用于将上述待测风险业务数据集输入至上述风险业务检测模型，输出检测结果，其中，上述风险业务检测模型由如上所述的风险业务检测模型的训练方法训练得到。本公开的另一方面提供了电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当上述一个或多个指令被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上述的方法。本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上述的方法。本公开的另一方面提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述指令在被执行时用于实现如上述的方法。根据本公开的实施例，通过将历史风险业务的特征数据作为训练样本，训练得到风险业务检测模型，当利用风险业务检测模型对待测风险业务进行检测时，能够准确的检测出待测风险业务的风险值，从而实现了提高风险业务检测的准确率，以及降低人工检测成本的技术效果。附图说明通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：图1示意性示出了根据本公开实施例的可以应用风险业务检测模型的训练方法、风险业务检测模型的训练装置、风险业务检测方法及风险业务检测装置的示例性系统架构；图2示意性示出了根据本公开实施例的风险业务检测模型的训练方法的流程图；图3示意性示出了根据本公开实施例的利用训练样本数据集分别训练多个候选风险业务检测模型，以便确定风险业务检测模型的流程图；图4示意性示出了根据本公开实施例的利用训练样本数据集训练多个候选风险业务检测模型，分别生成多个调本文档来自技高网...

【技术保护点】
1.一种风险业务检测模型的训练方法，包括：/n获取训练样本数据集，其中，所述训练样本数据集包括历史风险业务的特征数据；/n对所述训练样本数据集中历史风险业务的特征数据进行特征分析，得到特征分析结果；/n确定与所述特征分析结果相匹配的多个候选风险业务检测模型；以及/n利用所述训练样本数据集分别训练每个所述候选风险业务检测模型，以便从训练完成的多个所述候选风险业务检测模型中确定风险业务检测模型。/n

【技术特征摘要】
1.一种风险业务检测模型的训练方法，包括：
获取训练样本数据集，其中，所述训练样本数据集包括历史风险业务的特征数据；
对所述训练样本数据集中历史风险业务的特征数据进行特征分析，得到特征分析结果；
确定与所述特征分析结果相匹配的多个候选风险业务检测模型；以及
利用所述训练样本数据集分别训练每个所述候选风险业务检测模型，以便从训练完成的多个所述候选风险业务检测模型中确定风险业务检测模型。


2.根据权利要求1所述的方法，其中，所述历史风险业务包括贷款业务；
所述特征数据包括贷款人性别、贷款金额、逾期次数、贷款人月收入、贷款人分期情况、贷款人征信情况中的一种或多种。


3.根据权利要求1所述的方法，其中，所述利用所述训练样本数据集分别训练所述多个候选风险业务检测模型，以便确定风险业务检测模型包括：
利用所述训练样本数据集训练所述多个候选风险业务检测模型，分别生成多个调参风险业务检测模型，其中，所述多个调参风险业务检测模型中的每个调参风险业务检测模型均包括与其对应的验证结果，所述验证结果表征所述调参风险业务检测模型的检测准确度；
根据所述验证结果，从所述多个调参风险业务检测模型中确定多个待测试风险业务检测模型，其中，所述待测试风险业务检测模型的数量小于等于所述调参风险业务检测模型的数量；
对所述多个待测试风险业务检测模型进行生产测试，以便从所述多个待测试风险业务检测模型中确定风险业务检测模型。


4.根据权利要求3所述的方法，其中，所述利用所述训练样本数据集训练所述多个候选风险业务检测模型，分别生成多个调参风险业务检测模型包括：
将所述训练样本数据集划分为训练集和调参集；
利用所述训练集训练所述多个候选风险业务检测模型，分别生成多个待调参风险业务检测模型；
利用所述调参集对所述多个待调参风险业务检测模型进行参数调整，分别生成多个调参风险业务检测模型。


5.根据权利要求3所述的方法，其中，所述对所述多个待测试风险业务检测模型进行生产测试，以便从所述多个待测试风险业务检测模型中确定风险业务检测模型包括：
获取生产测试数据集；
将所述生产测试数据集输入所述多个待测试风险业务检测模型，分别输出生产测试结果；
根据所述生产测试数据集，得到标准生产测试结果；
将所述多个待测试风险业务检测模型中，生产测试结果与所述标准生产测试结果相匹配的待测试风险业务检测模型确定为所述风险业务检测模型。


6.根据权利要求3所述的方法，其中，所述候选风险业务检测模型包括基于随机森林算法的候选风险业务检测模型；
所述利用所述训练样本数据集训练所述多个候选风险业务检测模型，分别生成多个调参风险业务检测模型包括：
将所述训练样本数据集划分为训练集和调参集；
根据...

【专利技术属性】
技术研发人员：周煊烨，武梦杰，薛宗义，
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：北京;11