一种企业风险预警模型的训练方法、装置、介质及设备制造方法及图纸

本说明书公开了一种企业风险预警模型的训练方法、装置、介质及设备，包括：在训练企业风险预警模型时，将根据企业的基础数据和对企业进行监管的监管数据确定出的企业的企业数据作为训练样本，再根据失信企业名单，确定训练样本的标注。之后，先将训练样本中的基础数据输入待训练的企业风险预警模型的第一预测层，得到中间预测结果。再将中间预测结果和监管数据输入第二预测层，得到风险预测结果。以风险预测结果和训练样本的标注之间的差异最小为训练目标，对待训练的企业风险预警模型进行训练。使得训练好的企业风险预警模型对企业进行风险预警时，得到的风险预测结果更加准确，使得监管人员可以准确地对企业进行提早地干预，降低企业风险。降低企业风险。降低企业风险。

【技术实现步骤摘要】
一种企业风险预警模型的训练方法、装置、介质及设备


[0001]本说明书涉及计算机
，尤其涉及一种企业风险预警模型的训练方法、装置、介质及设备。

技术介绍

[0002]随着科技的不断发展，机器学习模型应用的越来越广泛。在公共信用领域，可以采用企业风险预警模型对企业进行风险预警，监管人员可以根据企业风险预警模型的预测结果，对企业进行精准地、提早地干预，从而降低企业的风险，使得企业能够持续健康的发展。比如，采用企业风险预警模型对某一企业进行风险预警，得到该企业的失信概率，由于该企业多次未按时缴纳税款，故该企业的失信概率可能较高，监管人员可以提早地提醒该企业有失信的风险，以使该企业可以提早地采取行动降低企业的风险，可以持续健康的发展。
[0003]但是，随着企业风险预警模型的持续应用，监管人员对企业的提早的干预，使得企业风险预警模型的预测结果越来越不准确。
[0004]因此，如何准确地对企业进行风险预警是个亟待解决的问题。

技术实现思路

[0005]本说明书提供一种企业风险预警模型的训练方法、装置、介质及设备，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供了一种企业风险预警模型的训练方法，所述企业风险预警模型包括第一预测层和第二预测层；所述方法包括：
[0008]根据企业的基础数据和对所述企业进行监管的监管数据，确定所述企业的企业数据，作为训练样本；
[0009]根据失信企业名单，确定所述训练样本的标注；
[0010]将所述训练样本中的基础数据输入到待训练的企业风险预警模型的第一预测层，得到中间预测结果；
[0011]将所述中间预测结果和所述监管数据输入到所述待训练的企业风险预警模型的第二预测层，得到风险预测结果；
[0012]以所述风险预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型进行训练，其中，训练好的企业风险预警模型用于响应于风控请求，根据待风险预警企业的企业数据，确定所述待风险预警的企业的风险预测结果。
[0013]可选地，所述方法还包括：
[0014]所述待训练的企业风险预警模型的第一预测层为预先训练得到的，其中：
[0015]确定第一历史周期内企业的企业数据，将所述企业数据中的基础数据作为训练样本，并根据所述第一历史周期内的失信企业名单，确定所述训练样本的标注；
[0016]将所述训练样本输入到待训练的企业风险预警模型的第一预测层，得到预测结
果，以所述预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型的第一预测层进行训练。
[0017]可选地，以所述风险预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型进行训练，具体包括：
[0018]以所述风险预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型的第二预测层进行训练。
[0019]可选地，根据失信企业名单，确定所述训练样本的标注，具体包括：
[0020]针对各训练样本，判断在失信企业名单上是否存在该训练样本对应的企业，若是，将该训练样本的标注设置为有失信风险，否则，将该训练样本的标注设置为无失信风险。
[0021]可选地，将所述中间预测结果和所述监管数据输入到所述待训练的企业风险预警模型的第二预测层，具体包括：
[0022]将所述训练样本中的监管数据进行编码，得到所述训练样本的监管特征向量；
[0023]将所述中间预测结果和所述监管特征向量输入到所述待训练的企业风险预警模型的第二预测层。
[0024]可选地，所述监管数据至少包括监管次数、监管形式和发生时间；
[0025]将所述训练样本中的监管数据进行编码，得到所述训练样本的监管特征向量，具体包括：
[0026]根据预设的编码规则，将所述训练样本中的监管次数、监管形式和发生时间分别进行编码，得到各特征向量，并将得到的各特征向量进行拼接；
[0027]将拼接后的向量进行归一化处理，得到所述训练样本的监管特征向量。
[0028]可选地，原有模型包括所述第一预测层；
[0029]所述方法还包括：
[0030]确定第二历史周期内企业的企业数据，作为测试样本，并根据所述第二历史周期内的失信企业名单，确定所述测试样本的标注；
[0031]将所述测试样本分别输入到训练好的企业风险预警模型和所述原有模型，得到所述原有模型输出的第一测试结果和训练好的企业风险预警模型输出的第二测试结果；
[0032]根据所述第一测试结果、所述第二测试结果和所述测试样本的标注，从所述原有模型和所述企业风险预警模型中，确定输出的测试结果与所述测试样本的标注差异最小的模型；
[0033]采用确定出的所述差异最小的模型，对企业进行风险预警。
[0034]可选地，所述监管数据至少包括监管行为类型；
[0035]所述方法还包括：
[0036]确定所述训练样本中的监管数据，并根据所述监管数据，确定各监管行为类型；
[0037]针对所述监管数据中包括的每种监管行为类型，确定该种监管行为类型对应的训练样本的中间预测结果和风险预测结果；
[0038]根据所述中间预测结果和所述风险预测结果，确定该种监管行为类型对所述训练样本对应的企业的影响度；
[0039]根据确定出的各监管行为类型的影响度，将影响度最高的监管行为类型作为所述训练样本对应的企业的主要监管行为类型。
[0040]可选地，响应于风控请求，根据待风险预警企业的企业数据，确定所述待风险预警的企业的风险预测结果，具体包括：
[0041]响应于风控请求，确定待风险预警企业的企业数据；
[0042]将所述企业数据中的基础数据输入训练好的企业风险预警模型中的第一预测层，得到所述待风险预警企业的中间预测结果；
[0043]将所述企业数据中的监管数据和所述中间预测结果输入所述企业风险预警模型中的第二预测层，得到所述待风险预警企业的风险预测结果；
[0044]根据所述风险预测结果，对所述待风险预警企业进行风险预警。
[0045]本说明书提供了一种企业风险预警模型的训练装置，所述企业风险预警模型包括第一预测层和第二预测层；所述装置包括：
[0046]第一确定模块，用于根据企业的基础数据和对所述企业进行监管的监管数据，确定所述企业的企业数据，作为训练样本；
[0047]第二确定模块，用于根据失信企业名单，确定所述训练样本的标注；
[0048]第一结果模块，用于将所述训练样本中的基础数据输入到待训练的企业风险预警模型的第一预测层，得到中间预测结果；
[0049]第二结果模块，用于将所述中间预测结果和所述监管数据输入到所述待训练的企业风险预警模型的第二预测层，得到风险预测结果；...

【技术保护点】

【技术特征摘要】
1.一种企业风险预警模型的训练方法，其特征在于，所述企业风险预警模型包括第一预测层和第二预测层；所述方法包括：根据企业的基础数据和对所述企业进行监管的监管数据，确定所述企业的企业数据，作为训练样本；根据失信企业名单，确定所述训练样本的标注；将所述训练样本中的基础数据输入到待训练的企业风险预警模型的第一预测层，得到中间预测结果；将所述中间预测结果和所述监管数据输入到所述待训练的企业风险预警模型的第二预测层，得到风险预测结果；以所述风险预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型进行训练，其中，训练好的企业风险预警模型用于响应于风控请求，根据待风险预警企业的企业数据，确定所述待风险预警的企业的风险预测结果。2.如权利要求1所述的方法，其特征在于，所述方法还包括：所述待训练的企业风险预警模型的第一预测层为预先训练得到的，其中：确定第一历史周期内企业的企业数据，将所述企业数据中的基础数据作为训练样本，并根据所述第一历史周期内的失信企业名单，确定所述训练样本的标注；将所述训练样本输入到待训练的企业风险预警模型的第一预测层，得到预测结果，以所述预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型的第一预测层进行训练。3.如权利要求2所述的方法，其特征在于，以所述风险预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型进行训练，具体包括：以所述风险预测结果和所述训练样本的标注之间的差异最小为训练目标，对所述待训练的企业风险预警模型的第二预测层进行训练。4.如权利要求1所述的方法，其特征在于，根据失信企业名单，确定所述训练样本的标注，具体包括：针对各训练样本，判断在失信企业名单上是否存在该训练样本对应的企业，若是，将该训练样本的标注设置为有失信风险，否则，将该训练样本的标注设置为无失信风险。5.如权利要求1所述的方法，其特征在于，将所述中间预测结果和所述监管数据输入到所述待训练的企业风险预警模型的第二预测层，具体包括：将所述训练样本中的监管数据进行编码，得到所述训练样本的监管特征向量；将所述中间预测结果和所述监管特征向量输入到所述待训练的企业风险预警模型的第二预测层。6.如权利要求5所述的方法，其特征在于，所述监管数据至少包括监管次数、监管形式和发生时间；将所述训练样本中的监管数据进行编码，得到所述训练样本的监管特征向量，具体包括：根据预设的编码规则，将所述训练样本中的监管次数、监管形式和发生时间分别进行编码，得到各特征向量，并将得到的各特征向量进行拼接；将拼接后的向量进行归一化处理，得到所述训练样本的监管特征向量。
7.如权利要求1所述的方法，其特征在于，原有模型包括所述第一预测层；所述方法还包括：确定第二历史周期内企业的企业数据，作为测试样本，并根据所述第二历史周期内的失信企业名单，确定所述测试样本的标注；将所述测试样本分别输入到训练好的企业风险预警模型和所述原有模型，得到所述原有模型输出的第一测试结果和训练好的企业风险预警模型输出的第二测试结果；根据所述第一测试结果、所述第二测试结果和所述测试样本的标注，从所述原有模型和所述企业风险预警模型中，确定输出的测试结果与所述测试样本的标注差异最小的模型；采用确定出的所述差异最小的模型，对企业进行风险预警。8.如权利要求1所述的方法，其特征在于，所述监管数据至少包括监管行为类型；所述方法还包括：确定所述训练样本中的监管数据，并根据所述监管数据，确定各监管行为类型；针对所述监管数据中包括的每种监管行为类型，确定该种监管行为类型对应的训练样本的中间预测结果和风险预测结果；根据所述中间预测结果和所述风险预测结果，确定该种监管行为类型对所述训练样本对应的企业的影响度；根据确定出的各监管行为类型的影响度，将影响度最高的监管行为类型作为所述训练样本对应的企业的主要监管行为类型。9.如权利要求1所述的方法，其特征在于，响应于风控请求，根据待风险预警企业的企业数据，确定所述待风险预警的企业的风险预测结果，具体包括：响应于风控请求，确定待风险预警企业的企业数据；将所述企业数据中的基础数据输入训练好的企业风险预警模型中的第一预测层，得到所述待风险预警企业的中间预测结果；将所述企业数据中的监管数据和所述中间预测结果输入所述企业风险预警模型中的第二预测层，得到所述待风险预警企业的风险预测结果；根据所述风险预测结果，对所述待风险预警企业进行风险预警。10.一种企业风险预警模型的训练装置，其特征在于，所述企业风险预警模型...

【专利技术属性】
技术研发人员：柏洁明，董波，葛俊，陈怡桐，王嘉琪，聂元清，谷晓丽，
申请(专利权)人：之江实验室，
类型：发明
国别省市：