一种自动规则的风控策略生成方法、系统、介质及设备技术方案

本申请提供一种自动规则的风控策略生成方法、系统、介质及设备，所述自动规则的风控策略生成方法包括：获取用户数据及订单信息；基于所述用户数据对用户进行样本标注，以获取多元有标签数据集；对所述订单信息进行预处理，以获取不同的特征集合；分别采用不同的梯度树模型对所述不同的特征集合及所述多元有标签数据集进行训练，以获取输出决策树组；自动筛选符合预设筛选条件的输出决策树并拆解，以获取自动规则；根据所述自动规则判断所述用户是否为风险用户。本申请在解决风控模型解释性差、难以说服用户等问题方面具有重要的应用价值，能够为新零售行业提供更高效、可解释性强的风控解决方案。的风控解决方案。的风控解决方案。

【技术实现步骤摘要】
一种自动规则的风控策略生成方法、系统、介质及设备


[0001]本申请涉及信息
，涉及一种自动规则的风控策略生成方法，尤其是涉及一种自动规则的风控策略生成方法、系统、介质及设备。

技术介绍

[0002]在新零售领域中，风控是一项重要的任务。为了应对风险，现有的风控模型通常采用无监督模型或深度学习模型。然而，这些模型在解释性方面存在较大局限性。当模型判断用户为黄牛/黑产且用户发起客诉时，客服很难用“我们的模型准确率很高”来说服用户，因为无法给出具体的用户表现出黄牛行为的特征，如IP聚集性下单、高频下单等。
[0003]因此，如何提高风控模型的解释性，以便有效应对风险，是当下亟待解决的技术问题。

技术实现思路

[0004]本申请的目的在于提供一种自动规则的风控策略生成方法、系统、介质及设备，用于解决现有技术中风控模型的解释性较差，无法说服用户，导致无法有效应对风险的问题。
[0005]第一方面，本申请提供一种自动规则的风控策略生成方法，所述自动规则的风控策略生成方法包括：获取用户数据及订单信息；基于所述用户数据对用户进行样本标注，以获取多元有标签数据集；对所述订单信息进行预处理，以获取不同的特征集合；分别采用不同的梯度树模型对所述不同的特征集合及所述多元有标签数据集进行训练，以获取输出决策树组；自动筛选符合预设筛选条件的输出决策树并拆解，以获取自动规则；根据所述自动规则判断所述用户是否为风险用户。
[0006]在第一方面的一种实现方式中，所述对所述订单信息进行预处理，以获取不同的特征集合包括：将所述订单信息进行特征工程处理，以将所述订单信息转化为特征；将所述特征划分为：数值类特征、日期类特征和类别类特征；对所述数值类特征、所述日期类特征、所述类别类特征进行自动切分和聚合运算，以获取对应的特征集合。
[0007]进一步地，所述日期类数据特征用于进行数据切分，所述数值类特征用于作为聚合的指标，所述类别类特征用于作为聚合的主键。
[0008]在第一方面的一种实现方式中，所述分别采用不同的梯度树模型对所述特征集合及所述多元有标签数据集进行训练，以获取输出决策树组包括：采用不同的梯度树模型分别对所述特征集合及所述多元有标签数据集进行模型训练，以获取不同的独立模型；对所述不同的独立模型进行交叉验证，判断是否符合预设验证条件；若符合预设验证条件，则对所述不同的独立模型的输出特征集合进行特征重要性的分位数筛选，以获取输出决策树组。
[0009]在第一方面的一种实现方式中，所述自动筛选符合预设筛选条件的输出决策树并拆解，以获取自动规则后，还包括：将所述自动规则与现有规则进行对比，判断所述自动规则的准确率和召回性是否符合预设标准条件；若所述自动规则不符合预设标准条件，则重
新筛选符合预设筛选条件的输出决策树并拆解。
[0010]在第一方面的一种实现方式中，若所述用户为风险用户时，根据所述自动规则输出所述用户表现为黄牛特征的解释。
[0011]第二方面，本申请提供一种自动规则的风控策略生成系统，所述系统包括：数据获取模块，用于获取用户数据及订单信息；样本标注模块，用于基于所述用户数据对用户进行样本标注，以获取多元有标签数据集；预处理模块，用于对所述订单信息进行预处理，以获取不同的特征集合；模型训练模块，用于分别采用不同的梯度树模型对所述不同的特征集合及所述多元有标签数据集进行训练，以获取输出决策树组；规则生成模块，用于自动筛选符合预设条件的输出决策树并拆解，以获取自动规则；输出模块，用于根据所述自动规则判断所述用户是否为风险用户。
[0012]在第二方面的一种实现方式中，所述系统还包括：验证模块，用于将所述自动规则与现有规则进行对比，判断所述自动规则的准确率和召回性是否符合预设标准条件；若所述自动规则不符合预设标准条件，则重新筛选符合预设筛选条件的输出决策树并拆解。
[0013]第三方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被电子设备执行时实现本申请第一方面任一项所述的自动规则的风控策略生成方法。
[0014]第四方面，本申请提供一种电子设备，包括：处理器和存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行本申请第一方面任一项所述的自动规则的风控策略生成方法。
[0015]如上所述，本申请所述的自动规则的风控策略生成方法、系统、介质及设备，具有以下
[0016]有益效果：
[0017]1、通过生成具有解释性的规则，能够明确告知用户其被判定为风险用户的具体特征，增加用户的信服度和接受度。
[0018]2、利用样本数据和深度学习模型进行训练，生成更精准的风险判定模型，提高准确度和召回率，有效防范风险。
[0019]3、采用自动特征工程方法，能够快速生成适用于模型训练的特征集合，提高模型训练的效率和性能。
[0020]4、通过规则筛选方法，减少了人工验证规则准确率的工作量，提高了工作效率。
[0021]5、本申请的自动规则的风控策略生成方法、系统、介质及设备在解决风控模型解释性差、难以说服用户等问题方面具有重要的应用价值，能够为新零售行业提供更高效、可解释性强的风控解决方案。
附图说明
[0022]图1显示为本申请的电子设备于一实施例中的场景示意图。
[0023]图2显示为本申请实施例所述的自动规则的风控策略生成方法的流程示意图。
[0024]图3显示为本申请实施例所述的自动规则的风控策略生成方法的流程示意图。
[0025]图4显示为本申请实施例所述的自动规则的风控策略生成方法的流程示意图。
[0026]图5显示为本申请实施例所述的自动规则的风控策略生成系统的结构示意图。
[0027]图6显示为本申请实施例所述的电子设备的结构示意图。
[0028]元件标号说明
[0029]11手机
[0030]12平板电脑
[0031]13笔记本电脑
[0032]100自动规则的风控策略生成系统
[0033]10数据获取模块
[0034]20样本标注模块
[0035]30预处理模块
[0036]40模型训练模块
[0037]50规则生成模块
[0038]60输出模块
[0039]70验证模块
[0040]61处理单元
[0041]62存储器
[0042]621随机存取存储器
[0043]622高速缓存存储器
[0044]623存储系统
[0045]624程序/实用工具
[0046]6251程序模块
[0047]63总线
[0048]64输入/输出接口
[0049]651网络适配器
[0050]S1～S6步骤
[0051]S31～S33步骤
[0052]S41～S43步骤
具体实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动规则的风控策略生成方法，其特征在于，所述方法包括：获取用户数据及订单信息；基于所述用户数据对用户进行样本标注，以获取多元有标签数据集；对所述订单信息进行预处理，以获取不同的特征集合；分别采用不同的梯度树模型对所述不同的特征集合及所述多元有标签数据集进行训练，以获取输出决策树组；自动筛选符合预设筛选条件的输出决策树并拆解，以获取自动规则；根据所述自动规则判断所述用户是否为风险用户。2.根据权利要求1所述的自动规则的风控策略生成方法，其特征在于，所述对所述订单信息进行预处理，以获取不同的特征集合包括：将所述订单信息进行特征工程处理，以将所述订单信息转化为特征；将所述特征划分为：数值类特征、日期类特征和类别类特征；对所述数值类特征、所述日期类特征、所述类别类特征进行自动切分和聚合运算，以获取对应的特征集合。3.根据权利要求2所述的自动规则的风控策略生成方法，其特征在于，所述日期类数据特征用于进行数据切分，所述数值类特征用于作为聚合的指标，所述类别类特征用于作为聚合的主键。4.根据权利要求1所述的自动规则的风控策略生成方法，其特征在于，所述分别采用不同的梯度树模型对所述特征集合及所述多元有标签数据集进行训练，以获取输出决策树组包括：采用不同的梯度树模型分别对所述特征集合及所述多元有标签数据集进行模型训练，以获取不同的独立模型；对所述不同的独立模型进行交叉验证，判断是否符合预设验证条件；若符合预设验证条件，则对所述不同的独立模型的输出特征集合进行特征重要性的分位数筛选，以获取输出决策树组。5.根据权利要求1所述的自动规则的风控策略生成方法，其特征在于，所述自动筛选符合预设筛选条件的输出决策树并拆解，以获取自动规则后，...

【专利技术属性】
技术研发人员：王子超，孙超，关塞，
申请(专利权)人：北京永辉科技有限公司，
类型：发明
国别省市：