本申请涉及一种交易风险的评估方法、装置、计算机设备、存储介质和计算机程序产品，涉及大数据技术领域。方法包括：针对每个预设的交易特征，获取目标用户在多个历史时段中每个历史时段对应的交易特征的特征数据集；针对每个特征数据集，对交易特征的特征数据集中的各特征数据进行融合处理，得到特征数据集对应的融合交易特征数据；将各融合交易特征数据输入至预先训练的降维模型，得到目标降维数据；将目标降维数据输入至预先训练的目标风险评估模型，得到目标风险评估得分。本方案提高了风险评估的效率。险评估的效率。险评估的效率。
【技术实现步骤摘要】
交易风险的评估方法、装置、计算机设备和存储介质
[0001]本申请涉及大数据
，特别是涉及一种交易风险的评估方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着大数据技术的发展，出现了交易风险评估技术，交易风险评估技术可以根据用户的交易数据，对用户的交易风险进行评估，得到风险评估得分。那么，用户可以通过这个风险评估得分，获知交易风险的大小，避免进行风险过高的交易。
[0003]传统的交易风险评估技术中，是先由目标用户填写问卷，然后再把该问卷的数据输入至预设的风险评估算法，从而计算得到风险评估得分。
[0004]然而，上述方案中需要目标用户先填写问卷，才能进行风险评估，导致风险评估的效率较低。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高风险评估的准确性的交易风险的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种交易风险的评估方法。所述方法包括：
[0007]针对每个预设的交易特征，获取目标用户在多个历史时段中每个所述历史时段对应的所述交易特征的特征数据集；
[0008]针对每个所述特征数据集，对所述交易特征的特征数据集中的各特征数据进行融合处理，得到所述特征数据集对应的融合交易特征数据；
[0009]将各所述融合交易特征数据输入至预先训练的降维模型，得到目标降维数据；
[0010]将所述目标降维数据输入至预先训练的目标风险评估模型，得到目标风险评估得分。
[0011]在其中一个实施例中，所述交易特征包括第一类型交易特征、以及第二类型交易特征；所述针对每个预设的交易特征，获取目标用户在多个历史时段中每个所述历史时段对应的所述交易特征的特征数据集，包括：
[0012]针对每个预设的所述第一类型交易特征，获取所述目标用户在多个所述历史时段中每个所述历史时段对应的所述第一类型交易特征的特征数据集；
[0013]针对每个预设的所述第二类型交易特征，获取所述目标用户在多个所述历史时段中每个所述历史时段对应的所述第二类型交易特征的初始特征数据集，并根据所述初始特征数据集、以及所述第二类型交易特征对应的特征转换算法，确定每个所述历史时段对应的所述第二类型交易特征的特征数据集。
[0014]在其中一个实施例中，所述根据所述初始特征数据集、以及所述第二类型交易特征对应的特征转换算法，确定每个所述历史时段对应的所述第二类型交易特征的特征数据集包括：
[0015]获取所述预设的第二类型交易特征对应的特征转换算法；
[0016]针对每个所述预设的第二类型交易特征，根据所述预设的第二类型交易特征对应的特征转换算法，对各所述历史时段对应的所述第二类型交易特征的初始特征数据集中的每个初始特征数据都进行特征转换处理，得到所述初始特征数据对应的所述第二类型交易特征的特征数据。
[0017]在其中一个实施例中，所述方法还包括：
[0018]获取所述目标用户的用户年龄；
[0019]根据预先训练的风险评估模型和用户年龄的对应关系，确定所述目标用户的用户年龄对应的目标风险评估模型。
[0020]在其中一个实施例中，所述方法还包括：
[0021]针对每个所述预设的交易特征，获取样本用户在多个样本历史时段中每个所述样本历史时段对应的所述交易特征的样本特征数据集；
[0022]针对每个所述预设的交易特征，对所述交易特征的样本特征数据集中的样本特征数据进行融合处理，得到所述交易特征的样本特征数据集对应的样本融合交易特征数据；
[0023]将各所述样本融合交易特征数据输入至降维模型，得到所述降维模型对应的样本降维数据；
[0024]将所述样本降维数据输入至风险评估模型，得到所述样本降维数据对应的预测风险评估得分；
[0025]根据所述样本用户的真实风险评估得分、以及所述预测风险评估得分，确定风险评估的精度，并根据所述风险评估的精度对所述降维模型的参数、以及所述风险评估模型的参数进行调整，直到调整后的风险评估的精度达到预设的精度条件，得到所述预先训练的降维模型、以及所述预先训练的目标风险评估模型。
[0026]在其中一个实施例中，所述将各所述样本融合交易特征数据输入至降维模型，得到所述降维模型对应的样本降维数据之前，还包括：
[0027]将各所述样本融合交易特征数据输入至每个初始降维模型，得到初始降维数据；其中，各所述初始降维模型对应的超参数不同；
[0028]针对每个所述初始降维模型，将所述初始降维数据输入至所述风险评估模型，得到初始风险评估得分，并根据所述初始风险评估得分、以及所述样本用户的真实风险评估得分，确定所述初始降维模型对应的所述初始风险评估的精度；
[0029]比较各所述初始降维模型对应的所述初始风险评估的精度，将所述初始风险评估的精度的极大值所对应的所述初始降维模型作为所述降维模型。
[0030]第二方面，本申请还提供了一种交易风险的评估装置。所述装置包括：
[0031]第一获取模块，用于针对每个预设的交易特征，获取目标用户在多个历史时段中每个所述历史时段对应的所述交易特征的特征数据集；
[0032]融合模块，用于针对每个所述特征数据集，对所述交易特征的特征数据集中的特征数据进行融合处理，得到所述交易特征的特征数据集对应的融合交易特征数据；
[0033]降维模块，用于将各所述融合交易特征数据输入至预先训练的降维模型，得到目标降维数据；
[0034]评估模块，用于将所述目标降维数据输入至预先训练的目标风险评估模型，得到
目标风险评估得分。
[0035]在其中一个实施例中，所述交易特征包括第一类型交易特征、以及第二类型交易特征；所述第一获取模块具体用于：
[0036]针对每个预设的所述第一类型交易特征，获取所述目标用户在多个所述历史时段中每个所述历史时段对应的所述第一类型交易特征的特征数据集；
[0037]针对每个预设的所述第二类型交易特征，获取所述目标用户在多个所述历史时段中每个所述历史时段对应的所述第二类型交易特征的初始特征数据集，并根据所述初始特征数据集、以及所述第二类型交易特征对应的特征转换算法，确定每个所述历史时段对应的所述第二类型交易特征的特征数据集。
[0038]在其中一个实施例中，所述第一获取模块具体用于：
[0039]获取所述预设的第二类型交易特征对应的特征转换算法；
[0040]针对每个所述预设的第二类型交易特征，根据所述预设的第二类型交易特征对应的特征转换算法，对各所述历史时段对应的所述第二类型交易特征的初始特征数据集中的每个初始特征数据都进行特征转换处理，得到所述初始特征数据对应的所述第二类型交易特征的特征数据。
[0041]在其中一个实施例中，所述交易风险的评估装置还包括：
[0042]第二获取模块，用于获取所述目标用户的用户年龄；<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交易风险的评估方法，其特征在于，所述方法包括：针对每个预设的交易特征，获取目标用户在多个历史时段中每个所述历史时段对应的所述交易特征的特征数据集；针对每个所述特征数据集，对所述交易特征的特征数据集中的各特征数据进行融合处理，得到所述特征数据集对应的融合交易特征数据；将各所述融合交易特征数据输入至预先训练的降维模型，得到目标降维数据；将所述目标降维数据输入至预先训练的目标风险评估模型，得到目标风险评估得分。2.根据权利要求1所述的方法，其特征在于，所述交易特征包括第一类型交易特征、以及第二类型交易特征；所述针对每个预设的交易特征，获取目标用户在多个历史时段中每个所述历史时段对应的所述交易特征的特征数据集，包括：针对每个预设的所述第一类型交易特征，获取所述目标用户在多个所述历史时段中每个所述历史时段对应的所述第一类型交易特征的特征数据集；针对每个预设的所述第二类型交易特征，获取所述目标用户在多个所述历史时段中每个所述历史时段对应的所述第二类型交易特征的初始特征数据集，并根据所述初始特征数据集、以及所述第二类型交易特征对应的特征转换算法，确定每个所述历史时段对应的所述第二类型交易特征的特征数据集。3.根据权利要求2所述的方法，其特征在于，所述根据所述初始特征数据集、以及所述第二类型交易特征对应的特征转换算法，确定每个所述历史时段对应的所述第二类型交易特征的特征数据集包括：获取所述预设的第二类型交易特征对应的特征转换算法；针对每个所述预设的第二类型交易特征，根据所述预设的第二类型交易特征对应的特征转换算法，对各所述历史时段对应的所述第二类型交易特征的初始特征数据集中的每个初始特征数据都进行特征转换处理，得到所述初始特征数据对应的所述第二类型交易特征的特征数据。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述目标用户的用户年龄；根据预先训练的风险评估模型和用户年龄的对应关系，确定所述目标用户的用户年龄对应的目标风险评估模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：针对每个所述预设的交易特征，获取样本用户在多个样本历史时段中每个所述样本历史时段对应的所述交易特征的样本特征数据集；针对每个所述预设的交易特征，对所述交易特征的样本特征数据集中的样本特征数据进行融合处理，得到所述交易特征的样本特征数据集对...
【专利技术属性】
技术研发人员：王耀，张鹏，王超远，朱碧焓，
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。