基于订单风险识别的资产资金匹配方法、装置及设备制造方法及图纸

本发明专利技术公开了基于订单风险识别的资产资金匹配方法、装置及设备，方法包括在获取到用户资产订单数据集后依次基于二分类预测模型集和决策树策略模型集进行风险识别得到对应的订单风险识别结果集；获取订单风险识别结果集中具有第一预设类型识别结果的订单风险识别结果对应的目标用户资产订单数据，并基于资金匹配策略获取各自对应的资金方匹配结果。本发明专利技术实施例可以通过对用户资产订单数据集采用二分类预测模型集及决策树策略模型集的两次风险评估后，筛选出具有第一预设类型识别结果的目标用户资产订单数据参与最终的资金资产匹配，提高了资产订单的数据使用率，且因采用二次风险识别避免了用户资产订单数据被误拦截的问题。拦截的问题。拦截的问题。

【技术实现步骤摘要】
基于订单风险识别的资产资金匹配方法、装置及设备


[0001]本专利技术涉及人工智能的智能决策
，尤其涉及一种基于订单风险识别的资产资金匹配方法、装置及设备。

技术介绍

[0002]在互联网金融领域，资金资产匹配是资金资产撮合平台的常见数据处理流程。其中，资产是用户向互联网金融公司发出的贷款申请订单(例如其中包括用户信息、订单金额、账期和利率)而形成；资金方则是资金资产撮合平台所合作的外部可提供资金的金融机构或银行。资金资产匹配则是对资产相应的贷款申请订单匹配到最适合的资金方，在资金方对贷款申请订单审核通过后则可进行后续的环节。
[0003]目前，在资金资产撮合平台在进行资金资产匹配时，需先对贷款申请订单由风控策略进行一次风险评估后确定贷款申请订单的风险级别，之后若确定贷款申请订单的风险级别为高风险级别或中风险级别，则直接拦截该贷款申请订单并不再参与后续的资金方匹配。
[0004]但是，基于目前对贷款申请订单采用风控策略行一次风险评估确定其风险级别再确定是否拦截订单的方式，存在以下缺陷：
[0005]1)存在误判订单风险级别的情况，从而导致有贷款申请订单被误拦截；
[0006]2)中风险级别对应的贷款申请订单是潜在促撮合订单，资金资产撮合平台对这类潜在促撮合订单也是统一拦截，不再进一步评估贷款申请订单的其他指标，使得资金资产撮合平台最终能促成资金资产匹配成功的成功率低下，导致资金资产撮合平台中作为资产的贷款申请订单的利用率低下。

技术实现思路

[0007]本专利技术实施例提供了基于订单风险识别的资产资金匹配方法、装置及设备，旨在解决现有技术中资金资产撮合平台对贷款申请订单采用风控策略行一次风险评估确定其风险级别在确定是否拦截订单的方式存在误判订单风险级别的情况，从而导致有贷款申请订单被误拦截的问题。
[0008]第一方面，本专利技术实施例提供了一种基于订单风险识别的资产资金匹配方法，其包括：
[0009]响应于资产资金匹配指令，获取与所述资产资金匹配指令对应的用户资产订单数据集；
[0010]基于预先训练的二分类预测模型集获取与所述用户资产订单数据集对应的预测结果集；其中，所述用户资产订单数据集中每一个用户资产订单数据对应一个预测结果；
[0011]获取所述预测结果集中各预测结果对应的补充用户特征以更新各预测结果，得到更新后预测结果集；
[0012]基于预先训练的决策树策略模型集获取与所述更新后预测结果集对应的订单风
险识别结果集；其中，所述更新后预测结果集中每一个更新后预测结果对应一个订单风险识别结果；
[0013]获取所述订单风险识别结果集中具有第一预设类型识别结果的订单风险识别结果以组成目标订单风险识别结果集；
[0014]获取所述目标订单风险识别结果集中各目标订单风险识别结果分别对应的目标用户资产订单数据，并基于预设的资金匹配策略获取各目标用户资产订单数据对应的资金方匹配结果。
[0015]第二方面，本专利技术实施例还提供了一种基于订单风险识别的资产资金匹配装置，其包括：
[0016]订单数据获取单元，用于响应于资产资金匹配指令，获取与所述资产资金匹配指令对应的用户资产订单数据集；
[0017]二分类预测单元，用于基于预先训练的二分类预测模型集获取与所述用户资产订单数据集对应的预测结果集；其中，所述用户资产订单数据集中每一个用户资产订单数据对应一个预测结果；
[0018]预测结果更新单元，用于获取所述预测结果集中各预测结果对应的补充用户特征以更新各预测结果，得到更新后预测结果集；
[0019]决策单元，用于基于预先训练的决策树策略模型集获取与所述更新后预测结果集对应的订单风险识别结果集；其中，所述更新后预测结果集中每一个更新后预测结果对应一个订单风险识别结果；
[0020]识别结果筛选单元，用于获取所述订单风险识别结果集中具有第一预设类型识别结果的订单风险识别结果以组成目标订单风险识别结果集；
[0021]资产资金匹配单元，用于获取所述目标订单风险识别结果集中各目标订单风险识别结果分别对应的目标用户资产订单数据，并基于预设的资金匹配策略获取各目标用户资产订单数据对应的资金方匹配结果。
[0022]第三方面，本专利技术实施例还提供了一种应计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
[0023]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述第一方面所述的方法。
[0024]本专利技术实施例提供了一种基于订单风险识别的资产资金匹配方法、装置及设备，方法包括：响应于资产资金匹配指令，获取与资产资金匹配指令对应的用户资产订单数据集；基于预先训练的二分类预测模型集获取与用户资产订单数据集对应的预测结果集；获取预测结果集中各预测结果对应的补充用户特征以更新各预测结果，得到更新后预测结果集；基于预先训练的决策树策略模型集获取与更新后预测结果集对应的订单风险识别结果集；获取订单风险识别结果集中具有第一预设类型识别结果的订单风险识别结果以组成目标订单风险识别结果集；获取目标订单风险识别结果集中各目标订单风险识别结果分别对应的目标用户资产订单数据，并基于预设的资金匹配策略获取各目标用户资产订单数据对应的资金方匹配结果。本专利技术实施例可以通过对用户资产订单数据集采用二分类预测模型
集及决策树策略模型集的两次风险评估后，筛选出具有第一预设类型识别结果的目标用户资产订单数据参与最终的资金资产匹配，提高了资产订单的数据使用率，且因采用二次风险识别避免了用户资产订单数据被误拦截的问题。
附图说明
[0025]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本专利技术实施例提供的基于订单风险识别的资产资金匹配方法的应用场景示意图；
[0027]图2为本专利技术实施例提供的基于订单风险识别的资产资金匹配方法的流程示意图；
[0028]图3为本专利技术实施例提供的基于订单风险识别的资产资金匹配方法的子流程示意图；
[0029]图4为本专利技术实施例提供的基于订单风险识别的资产资金匹配装置的示意性框图；
[0030]图5为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]应当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于订单风险识别的资产资金匹配方法，其特征在于，包括：响应于资产资金匹配指令，获取与所述资产资金匹配指令对应的用户资产订单数据集；基于预先训练的二分类预测模型集获取与所述用户资产订单数据集对应的预测结果集；其中，所述用户资产订单数据集中每一个用户资产订单数据对应一个预测结果；获取所述预测结果集中各预测结果对应的补充用户特征以更新各预测结果，得到更新后预测结果集；基于预先训练的决策树策略模型集获取与所述更新后预测结果集对应的订单风险识别结果集；其中，所述更新后预测结果集中每一个更新后预测结果对应一个订单风险识别结果；获取所述订单风险识别结果集中具有第一预设类型识别结果的订单风险识别结果以组成目标订单风险识别结果集；获取所述目标订单风险识别结果集中各目标订单风险识别结果分别对应的目标用户资产订单数据，并基于预设的资金匹配策略获取各目标用户资产订单数据对应的资金方匹配结果。2.根据权利要求1所述的方法，其特征在于，在所述响应于资产资金匹配指令，获取与所述资产资金匹配指令对应的用户资产订单数据集之后，在所述基于预先训练的二分类预测模型集获取与所述用户资产订单数据集对应的预测结果集之前，所述方法还包括：获取所述用户资产订单数据集中各用户资产订单数据对应的用户特征、资方特征及订单特征；若确定各用户资产订单数据对应的用户特征、资方特征及订单特征均为非空值特征，则由各用户资产订单数据对应的用户特征、资方特征及订单特征组成对应的用户资产订单输入数据；若确定有用户资产订单数据对应的资方特征为空值特征，则获取相应用户资产订单数据的第三方用户数据以提取第三资方特征并更新资方特征，由相应用户资产订单数据的用户特征、资方特征及订单特征组成对应的用户资产订单输入数据。3.根据权利要求2所述的方法，其特征在于，所述二分类预测模型集包括至少一个二分类预测模型，所述用户资产订单数据包括至少一个订单账期类型，不同订单账期类型的具有不同的账期时长，且所述至少一个二分类预测模型与所述至少一个订单账期类型的账期时长相对应；所述基于预先训练的二分类预测模型集获取与所述用户资产订单数据集对应的预测结果集中针对所述用户资产订单数据集每一个用户资产订单数据均执行：获取所述用户资产订单数据的用户资产订单输入数据，并获取所述用户资产订单输入数据中的订单特征及对应的订单账期类型；在所述二分类预测模型集中确定与所述订单账期类型对应的目标二分类预测模型，对所述用户资产订单输入数据基于所述目标二分类预测模型运算，得到预测结果。4.根据权利要求1所述的方法，其特征在于，所述获取所述预测结果集中各预测结果对应的补充用户特征以更新各预测结果，得到更新后预测结果集，包括：获取所述预测结果集中各预测结果对应的用户资产订单数据；
获取与各用户资产订单数据对应的风控特征集和订单补充特征，以组成与各预测结果对应的补充用户特征；其中，各用户资产订单数据对应的风控特征集均由用户资产订单数据输入至若干个风控模型运算得到；以各预测结果对应的补充用户特征更新各预测结果，得到所述更新后预测结果集。5.根据权利要求3所述的方法，其特征在于，所述决策树策略模型集中包括至少一个决策树策略模型，且所述至少一个决策树策略模型与所述至少一个二分类预测模型相对应；所述基于...

【专利技术属性】
技术研发人员：赵薇，
申请(专利权)人：深圳乐信软件技术有限公司，
类型：发明
国别省市：