本公开涉及计算机技术领域，具体涉及了一种风险对象的识别方法及装置、存储介质和电子设备。该方法包括：将采集到的交易数据分为多个指标维度，并设置所述多个指标维度中的监测指标；根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型；按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型；基于所述目标评估模型从待评估风险对象中识别目标风险对象。本公开以交易数据为数据源，刻画多维度的监测指标及对应的风险评估模型，具有数据来源广、质量高的特点；将基于各指标维度建立的子评估模型进行集成后得到的集成模型，用于风险对象的识别，识别准确性高，可复用性高。可复用性高。可复用性高。
【技术实现步骤摘要】
风险对象的识别方法、装置、存储介质和电子设备
[0001]本公开涉及计算机
，更具体地，涉及一种风险对象的识别方法、风险对象的识别装置、计算机存储介质和电子设备。
技术介绍
[0002]在很多场景下，风险对象的存在已对人们的生产生活造成影响，例如非法集资行为对人民群众的财产安全带来巨大威胁。因此，能否及时防范风险行为的产生，及时甄别风险对象，已成为不可小觑的问题。
[0003]相关技术中，通过有监督机器学习模型对风险预测，特征是模型的基本组成单元，因此需要拥有大量的标签数据，即事先已知哪些账户为风险对象，同时能获取到该风险对象的风险行为，而在实际场景中，单个机构很难掌握大量的风险对象，即便是个别机构在自己系统内甄别出一定量的风险对象，仅仅针对这些少量样本构建的模型也难以推广到其他机构，模型的通用性难以实现；此外，通过网络公开的数据往往存在准确率低、时效性低和数据杂乱等问题，这必然影响基于这些数据训练得到的识别模型识别的准确性。
[0004]需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]本公开的目的在于提供一种风险对象的识别方法及装置、计算机存储介质和电子设备，进而至少在一定程度上提高了风险对象识别模型的识别准确性、可复用性。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的一个方面，提供一种风险对象的识别方法，包括：将采集到的交易数据分为多个指标维度，并设置所述多个指标维度中的监测指标；根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型；按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型；基于所述目标评估模型从待识别风险对象中识别目标风险对象。
[0008]在本公开的一种示例性实施例中，所述根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型，包括：
[0009]按照预设构建规则，构建各所述指标维度对应的子评估模型的结构；
[0010]根据所述指标维度中的监测指标，设置对应的子评估模型结构的参数值，得到各所述指标维度对应的子评估模型。
[0011]在本公开的一种示例性实施例中，所述子评估模型为决策树模型，所述根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型，包括：根据各所述指标维度的属性、各所述指标维度中的监测指标数量，确定对应的决策树模型的深度、节点数量及节点层级关系，其中，将各所述指标维度中的监测指标，作为对应决策树模型的节点；设
置各所述决策树模型的节点风险概率；根据各所述监测指标的分位数分布，确定对应的节点阈值。
[0012]在本公开的一种示例性实施例中，所述目标评估模型的数量为多个；
[0013]所述按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型，包括：根据所述多个指标维度的属性，确定所述目标评估模型的数量，所述目标评估模型的数量少于所述子评估模型的数量；将所述子评估模型进行分组集成处理，以得到具有所述数量的目标评估模型。
[0014]在本公开的一种示例性实施例中，所述基于所述目标评估模型从待识别风险对象中识别目标风险对象，包括：
[0015]将任一待识别风险对象对应的监测指标，分别输入至各所述目标评估模型中，输出多个评估分数；获取所述多个评估分数中的最高评估分数作为风险分数；将所述风险分数与风险阈值进行比对，并将大于所述风险阈值的风险分数所对应的待识别风险对象，确定为所述目标风险对象。
[0016]在本公开的一种示例性实施例中，所述将任一待识别风险对象对应的监测指标，分别输入至各所述目标评估模型中，输出多个评估分数，包括：任一目标评估模型输出的评估分数，为所述任一目标评估模型对应的子评估模型输出分数的均值。
[0017]在本公开的一种示例性实施例中，所述指标维度包括对私账户转入交易占比、对私账户转出交易占比、预设专属资源的返现、分散转入集中转出资源、集中转入分散转出资源，且分别对应第一决策树模型、第二决策树模型、第三决策树模型、第四决策树模型和第五决策树模型；其中，所述目标评估模型中的第一目标评估模型对应企业账户作为风险行为收款账户，第二目标评估模型对应企业账户作为风险行为返款账户，第三目标评估模型对应企业账户作为风险行为收款和返款账户。
[0018]在本公开的一种示例性实施例中，所述按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型，包括：将所述第一决策树模型与第四决策树模型组合，得到所述第一目标评估模型；将所述第二决策树模型与第五决策树模型组合，得到所述第二目标评估模型；将所述第三决策树模型作为所述第三目标评估模型。
[0019]在本公开的一种示例性实施例中，在将采集到的交易数据分为多个指标维度，并设置所述多个指标维度中的监测指标之前，所述方法还包括：从交易机构采集交易数据，并对所述交易数据进行清洗处理。
[0020]根据本公开的一个方面，提供一种风险对象的识别系统，所述系统包括：指标设置模块，用于将采集到的交易数据分为多个指标维度，并设置所述多个指标维度中的监测指标；模型建立模块，用于根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型；模型集成模块，用于按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型；对象识别模块，用于基于所述目标评估模型从待识别风险对象中识别目标风险对象。
[0021]根据本公开的一个方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的风险对象的识别方法。
[0022]根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述
任意一项所述的风险对象的识别方法。
[0023]本公开的示例性实施例中的风险对象的识别方法，基于交易数据设置多个维度的监测指标，并建立与各指标维度对应的子评估模型，从而将多个子评估模型集成处理为目标评估模型，以利用该目标评估模型进行风险对象的识别。一方面，以采集到的交易数据为数据源，刻画多维度的监测指标，交易数据可从相关交易机构直接获得，具有来源广、时效性和质量高的特点；同时，将采集到的交易数据作为构建模型的样本数据，而不是将已知的风险对象作为样本数据，因此不需要知道哪些对象为风险对象，能够实现在没有足够风险对象作为样本的情况下建模；另一方面，将不同指标维度对应的子评估模型集成为目标评估模型，风险对象识别的准确性高；再一方面，指标维度的划分、指标维度下监测指标的确定以及在构建模型的过程中模型参数的设定，均可结合人工的实际业务经验进行相应参数的调整，使所构建的模型更具业务解释性。
[002本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风险对象的识别方法，其特征在于，包括：将采集到的交易数据分为多个指标维度，并设置所述多个指标维度中的监测指标；根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型；按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型；基于所述目标评估模型从待识别风险对象中识别目标风险对象。2.根据权利要求1所述的识别方法，其特征在于，所述根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型，包括：按照预设构建规则，构建各所述指标维度对应的子评估模型的结构；根据所述指标维度中的监测指标，设置对应的子评估模型结构的参数值，得到各所述指标维度对应的子评估模型。3.根据权利要求2所述的识别方法，其特征在于，所述子评估模型为决策树模型，所述根据各所述指标维度中的监测指标，建立各所述指标维度对应的子评估模型，包括：根据各所述指标维度的属性、各所述指标维度中的监测指标数量，确定对应的决策树模型的深度、节点数量及节点层级关系，其中，将各所述指标维度中的监测指标，作为对应决策树模型的节点；设置各所述决策树模型的节点风险概率；根据各所述监测指标的分位数分布，确定对应的节点阈值。4.根据权利要求1所述的识别方法，其特征在于，所述目标评估模型的数量为多个；所述按照预设的集成规则，将得到的多个所述子评估模型进行集成处理，得到目标评估模型，包括：根据所述多个指标维度的属性，确定所述目标评估模型的数量，所述目标评估模型的数量少于所述子评估模型的数量；将所述子评估模型进行分组集成处理，以得到具有所述数量的目标评估模型。5.根据权利要求4所述的识别方法，其特征在于，所述基于所述目标评估模型从待识别风险对象中识别目标风险对象，包括：将任一待识别风险对象对应的监测指标，分别输入至各所述目标评估模型中，输出多个评估分数；获取所述多个评估分数中的最高评估分数作为风险分数；将所述风险分数与风险阈值进行比对，并将大于所述风险阈值的风险分数所对应的待识别风险对象，确定为所述目标风险对象。6.根据权利要求5所述的识别方法，其特征在于，所述将任一待识别风险对象对应的监测指标，分别输入至各所述目标评估...
【专利技术属性】
技术研发人员：陈佳瑞，段贵锋，周红伟，
申请(专利权)人：同盾控股有限公司，
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。