评价信息确定方法、装置、设备及计算机存储介质制造方法及图纸

本申请公开了一种评价信息确定方法、装置、设备及计算机存储介质，能够通过用户历史业务数据，训练预设的神经网络，得到第一风险识别模型和该模型的第一质量评价信息。然后利用待评价的目标模型生成业务特征信息，通过该业务特征信息和用户历史业务数据再次训练上述神经网络，这样通过引入新的特征信息(即业务特征信息)再训练后，可以得到第二风险识别模型和对应的第二质量评价信息。继而根据两个质量评价信息得到的比较结果，可以反映出两次训练得到的风险识别模型的训练程度是否有所提高，以此能够快速验证、评价目标模型(即事项识别模型)是否有效，利于提升事项识别模型在应用于风险事项识别场景中的可靠性。应用于风险事项识别场景中的可靠性。应用于风险事项识别场景中的可靠性。

【技术实现步骤摘要】
评价信息确定方法、装置、设备及计算机存储介质


[0001]本申请属于金融
，尤其涉及一种评价信息确定方法、装置、设备及计算机存储介质。

技术介绍

[0002]通常，金融机构通过信贷管理业务系统识别对公信贷场景中的各类风险事件。但目前信贷风险的成因纷繁复杂，导致信贷管理业务系统产生大量的信贷风险排查事项，都需要信贷从业人员和信贷管理人员去人工识别、判断和最终审核确认风险事项的真实有效性。这样如果业务系统识别能力不足，将会识别出大量无效的风险事项，进而需要耗费大量人力进行复核，人力成本大，效率低下，可靠性低。

技术实现思路

[0003]本申请实施例提供一种评价信息确定方法、装置、设备及计算机存储介质，能够提高信贷管理场景中的风险事项识别的可靠性。
[0004]本申请第一方面的实施例提供一种评价信息确定方法，方法包括：
[0005]获取用户历史业务数据；
[0006]通过用户历史业务数据，训练预设的神经网络，得到第一风险识别模型和第一风险模型的第一质量评价信息；
[0007]利用待评价的目标模型，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评价信息确定方法，其特征在于，所述方法包括：获取用户历史业务数据；通过用户历史业务数据，训练预设的神经网络，得到第一风险识别模型和所述第一风险模型的第一质量评价信息；利用待评价的目标模型，生成业务特征信息；通过所述业务特征信息和所述用户历史业务数据，训练所述神经网络，得到第二风险识别模型和所述第二风险模型的第二质量评价信息；根据所述第一质量评价信息和所述第二质量评价信息的比较结果，确定所述目标模型的目标评价信息。2.根据权利要求1所述的方法，其特征在于，所述用户历史业务数据对应多个特征维度，所述第一质量评价信息包括第一准确率和/或第一召回率；所述通过用户历史业务数据，训练预设的神经网络，得到第一风险识别模型和所述第一风险模型的第一质量评价信息，包括：将所述用户历史业务数据输入所述神经网络；按照所述多个特征维度，训练所述神经网络，得到所述第一风险模型和所述第一风险模型的第一输出信息；根据所述第一输出信息进行计算，得到所述第一准确率和/或第一召回率。3.根据权利要求2所述的方法，其特征在于，所述目标模型为事项识别模型，所述利用待评价的目标模型，生成业务特征信息，包括：根据所述事项识别模型的至少一个事项特征，生成所述业务特征信息，其中，所述业务特征信息对应的特征维度，与所述用户历史业务数据的多个特征维度不同。4.根据权利要求3所述的方法，其特征在于，所述第二质量评价信息包括第二准确率和/或第二召回率，所述通过所述业务特征信息和所述用户历史业务数据，训练所述神经网络，得到第二风险识别模型和所述第二风险模型的第二质量评价信息，包括：将所述用户历史业务数据输入所述神经网络；按照所述业务特征信息对应的特征维度，以及所述用户历史业务数据对应的多个特征维度，训练所述神经网络，得到所述第二风险识别模型和所述第二风险模型的第二输出信息；根据所述第二输出信息进行计算，得到所述第二准确率和/或第二召回率。5.根据权利要求1所述的方法，其特征在于，所述目标模型为事项识别模型，在所述目标模型的目标评价信息之后，所述方法还包括：在所述目标评价信息满足预设条件的情况下，获取待识别的用户业务数据；通过所述事项识别模型，对所述待识别的用户业务数据进行特征提取，得到事项识别信息。6.一种评价信息确定装置，其特征在于，所述装置包括：第一获取模块，用于获取用户历史业务数据；第一训练模块，用于通过用户历史业务数据，训练预设的神经网络，得到第一风险识别
模型和所述第一风险模型的第一质量评价信息；生成模块，用于利用待评价的目标模型，生成业务特征信息；第二训练模块，用于通过所...

【专利技术属性】
技术研发人员：朱翔，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：