业务风险预测方法、装置和系统制造方法及图纸

本公开公开了一种业务风险预测方法、装置和系统，涉及数据处理领域。该方法包括：构建预测当前业务风险前多个业务周期的多维度特征数据；对每个业务周期的多维度特征数据对应的风险值进行标注，生成标注数据；将任意一个或多个业务周期的多维度特征数据和对应的标注数据输入至分类模型，对分类模型进行训练，得到多个风险预测模型，以便基于训练好的多个风险预测模型预测当前业务的风险，其中，风险预测模型的个数等于业务周期数的组合个数。本公开由于多维度特征数据能够反映业务实际动态变化，并且，训练多个风险预测模型能够保证模型稳定性，并且解决现有多模型在同一批数据中训练得到的结果相似，提高了业务风险预测的准确性。确性。确性。

【技术实现步骤摘要】
业务风险预测方法、装置和系统


[0001]本公开涉及数据处理领域，尤其涉及一种业务风险预测方法、装置和系统。

技术介绍

[0002]随着互联网和移动互联网的飞速发展，快捷的在线支付方式受到人们喜爱。在实时交易场景中，蕴藏着账户被盗，欺诈等各种风险事件，使得人们的安全和利益受到损害。因此，相关技术中使用机器学习算法训练模型，进行实时预测，以应对交易风险。但相关技术风险预测精准度较低。

技术实现思路

[0003]本公开要解决的一个技术问题是，提供一种业务风险预测方法、装置和系统，能够提高业务风险预测的准确性。
[0004]根据本公开一方面，提出一种业务风险预测方法，包括：构建预测当前业务风险前多个业务周期的多维度特征数据；对每个业务周期的多维度特征数据对应的风险值进行标注，生成标注数据；将任意一个或多个业务周期的多维度特征数据和对应的标注数据输入至分类模型，对分类模型进行训练，得到多个风险预测模型，以便基于训练好的多个风险预测模型预测当前业务的风险，其中，风险预测模型的个数等于业务周期数的组合个数。/>[0005]在一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务风险预测方法，包括：构建预测当前业务风险前多个业务周期的多维度特征数据；对每个业务周期的多维度特征数据对应的风险值进行标注，生成标注数据；将任意一个或多个业务周期的多维度特征数据和对应的标注数据输入至分类模型，对分类模型进行训练，得到多个风险预测模型，以便基于训练好的多个风险预测模型预测当前业务的风险，其中，所述风险预测模型的个数等于业务周期数的组合个数。2.根据权利要求1所述的业务风险预测方法，其中，所述当前业务的风险值是根据多个风险预测模型预测的多个当前业务的多维度特征数据对应的风险值的平均运算值确定。3.根据权利要求1或2所述的业务风险预测方法，其中，所述多维度特征数据包括：业务发送方历史行为特征数据、即时业务特征数据、设备特征数据、网络环境特征数据和业务接收方特征数据中的两种或两种以上特征数据。4.根据权利要求1或2所述的业务风险预测方法，其中，对所述多维度特征数据中的类别特征数据进行混合编码处理。5.根据权利要求3所述的业务风险预测方法，其中，所述业务发送方历史行为特征数据包括：业务发送方执行业务行为之前预定时间段的平均业务次数和最大业务次数、业务发送方对应当前环境出现次数、以及出现次数与之前总业务次数之比；所述即时业务特征数据包括：当前预定时间内设备出现次数、设备出现次数与当前预定时间内总业务次数之比、该设备对应业务发送方数、以及业务发送方数与当前预定时间内总业务次数之比；所述设备特征数据包括：当前业务之前设备对应不同业务发送方次数、以及预定时间设备对应的平均业务次数；所述网路环境特征数据包括：预定时间内网络环境对应的业务发送方数、业务接收方数、设备数，以及对应业务次数最多的业务发送方、业务接收方和设备，以及网络环境不同时间段内活跃度之比；所述业务接收方特征数据包括：当前预定时间段内业务接收方对应的业务次数，出现次数最多的业务发送方、业务接收方和设备，业务接收方对应的业务发送方、设备以及每个业务发送方、设备出现次数，以及业务接收方不同时间段内活跃度之比。6.根据权利要求1或2所述的业务风险预测方法，其中，多个业务周期包括第一业务周期和第二业务周期，多个风险预测模型包括第一...

【专利技术属性】
技术研发人员：赵振凯，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：