【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种基于风控模型的信息预测方法及系统。
技术介绍
1、风险控制是诸多领域中的重要保障性手段。其中，在一些应用中，需要确定出风控信息对应的异常类型，如信用问题、还款能力问题、身份异常问题等，这些问题都需要进行判断，但是，在现有技术中，在进行相应的信息预测（估计、分析等操作，例如，可以基于人工智能技术实现，人工智能，artificial intelligence，简称ai，是利用数字计算机或者数字计算机控制的计算模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统）的过程中，存在着信息预测的可靠度不高的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于风控模型的信息预测方法及系统，以在一定程度上提高风控中信息预测的可靠度。
2、为实现上述目的，本专利技术实施例采用如下技术方案：
3、一种基于风控模型的信息预测方法，包括：
4、提取到待分析用户的多个待处理用户风控数据，以及，将所述多个待处理用户风控数据进行异常分析操作，以在所述多个待处理用户风控数据中确定出对应的多个异常用户风控数据，每一个所述待处理用户风控数据属于对应的一个数据平台对所述待分析用户进行数据采集操作以形成；
5、分别将每一个所述异常用户风控数据进行数据分解操作，以形成每一个所述异常用户风控数据对应的至少一个代表分解数据单元，所述代表分解数据单元是指异常用户风控数据对应的各分解数
6、依据每一个所述异常用户风控数据对应的至少一个代表分解数据单元，将每一个所述异常用户风控数据进行异常维度匹配操作，以形成与每一个所述异常用户风控数据对应的异常分析维度；
7、对于每一个所述异常分析维度进行目标操作，该目标操作包括：确定出所述异常分析维度对应的每一个所述异常用户风控数据的代表分解数据单元；对单元重要度与预设重要度规则匹配的多个代表分解数据单元进行标记，以标记为多个第一代表分解数据单元，所述异常用户风控数据的多个特征挖掘坐标和所述多个第一代表分解数据单元具有一一相应的关系；依据所述多个第一代表分解数据单元，将所述异常分析维度对应的每一个所述异常用户风控数据进行特征挖掘操作，以输出所述异常用户风控数据的特征挖掘表征数据；
8、依据所述异常分析维度对应的每一个所述异常用户风控数据的特征挖掘表征数据，将所述异常分析维度对应的多个异常用户风控数据进行分类操作，形成所述异常分析维度对应的多个异常用户风控数据簇；
9、基于每一个所述异常用户风控数据簇对应的异常用户风控数据的代表分解数据单元，分析出每一个异常用户风控数据簇对应的异常类型信息。
10、在一些优选的实施例中，在上述基于风控模型的信息预测方法中，所述异常分析操作利用异常分析神经网络执行，所述异常分析神经网络加载到的数据包括所述待处理用户风控数据和配置到所述待处理用户风控数据的前面的初始异常表征数据，所述异常分析神经网络包括特征空间第一映射单元和异常分析单元；
11、所述提取到待分析用户的多个待处理用户风控数据，以及，将所述多个待处理用户风控数据进行异常分析操作，以在所述多个待处理用户风控数据中确定出对应的多个异常用户风控数据的步骤，包括：
12、提取到待分析用户的多个待处理用户风控数据；
13、对于每一个所述待处理用户风控数据，进行的操作包括：
14、利用所述特征空间第一映射单元，将所述待处理用户风控数据进行特征空间映射操作，以输出所述待处理用户风控数据中每一个数据最小粒度内容对应的空间映射特征表示；
15、利用所述特征空间第一映射单元，将所述初始异常表征数据进行特征空间映射操作，以输出所述初始异常表征数据对应的空间映射特征表示，所述初始异常表征数据不属于具有异常分析语义的内容；
16、依据每一个所述数据最小粒度内容对应的空间映射特征表示和所述初始异常表征数据对应的空间映射特征表示，组合形成映射特征表示有序集合，所述初始异常表征数据对应的空间映射特征表示分布在所述映射特征表示有序集合的第一个集合位置，多个所述数据最小粒度内容对应的空间映射特征表示在所述映射特征表示有序集合中的分布关系与多个所述数据最小粒度内容在所述待处理用户风控数据中的分布关系一致；
17、利用所述异常分析单元，将所述映射特征表示有序集合进行异常分析操作，以形成所述映射特征表示有序集合中每一个所述空间映射特征表示对应的异常性表征数据；
18、在所述初始异常表征数据对应的空间映射特征表示对应的异常性表征数据，反映出所述待处理用户风控数据属于异常用户风控数据的情况下，对所述待处理用户风控数据进行标记，以标记为异常用户风控数据。
19、在一些优选的实施例中，在上述基于风控模型的信息预测方法中，所述利用所述特征空间第一映射单元，将所述待处理用户风控数据进行特征空间映射操作，以输出所述待处理用户风控数据中每一个数据最小粒度内容对应的空间映射特征表示的步骤，包括：
20、对于每一个所述数据最小粒度内容，进行的操作包括：
21、确定出所述数据最小粒度内容的语义特征表示、所述数据最小粒度内容的坐标特征表示和所述数据最小粒度内容的分布关系特征表示；
22、对所述数据最小粒度内容的语义特征表示、所述数据最小粒度内容的坐标特征表示和所述数据最小粒度内容的分布关系特征表示进行聚合操作，以形成所述数据最小粒度内容对应的空间映射特征表示。
23、在一些优选的实施例中，在上述基于风控模型的信息预测方法中，所述分别将每一个所述异常用户风控数据进行数据分解操作，以形成每一个所述异常用户风控数据对应的至少一个代表分解数据单元的步骤，包括：
24、对于每一个所述异常用户风控数据，进行的操作包括：
25、将所述异常用户风控数据的每一个数据最小粒度内容进行内容估计操作，以输出每一个所述数据最小粒度内容的内容估计数据，所述内容估计数据包括代表分解数据单元的前端的数据最小粒度内容、代表分解数据单元的中心的数据最小粒度内容、代表分解数据单元的尾端的数据最小粒度内容和/或代表分解数据单元的冗余的数据最小粒度内容；
26、依据所述异常用户风控数据的每一个所述数据最小粒度内容的内容估计数据，分析出所述异常用户风控数据对应的至少一个代表分解数据单元。
27、在一些优选的实施例中，在上述基于风控模型的信息预测方法中，所述内容估计操作利用内容估计神经网络执行，所述内容估计神经网络包括特征空间第二映射单元和内容估计单元；
28、所述将所述异常用户风控数据的每一个数据最小粒度内容进行内容估计操作，以输出每一个所述数据最小粒度内容的内容估计数据的步骤，包括：
29、对于每一个所述异常用户风控数据，进行的操作包括：
30、利用所述特征空间第二映射单元，将所述异常用户风控数本文档来自技高网...
【技术保护点】
1.一种基于风控模型的信息预测方法，其特征在于，包括：
2.如权利要求1所述的基于风控模型的信息预测方法，其特征在于，所述异常分析操作利用异常分析神经网络执行，所述异常分析神经网络加载到的数据包括所述待处理用户风控数据和配置到所述待处理用户风控数据的前面的初始异常表征数据，所述异常分析神经网络包括特征空间第一映射单元和异常分析单元；
3.如权利要求2所述的基于风控模型的信息预测方法，其特征在于，所述利用所述特征空间第一映射单元，将所述待处理用户风控数据进行特征空间映射操作，以输出所述待处理用户风控数据中每一个数据最小粒度内容对应的空间映射特征表示的步骤，包括：
4.如权利要求1所述的基于风控模型的信息预测方法，其特征在于，所述分别将每一个所述异常用户风控数据进行数据分解操作，以形成每一个所述异常用户风控数据对应的至少一个代表分解数据单元的步骤，包括：
5.如权利要求4所述的基于风控模型的信息预测方法，其特征在于，所述内容估计操作利用内容估计神经网络执行，所述内容估计神经网络包括特征空间第二映射单元和内容估计单元；
6.如
7.如权利要求1所述的基于风控模型的信息预测方法，其特征在于，所述依据所述多个第一代表分解数据单元，将所述异常分析维度对应的每一个所述异常用户风控数据进行特征挖掘操作，以输出所述异常用户风控数据的特征挖掘表征数据的步骤，包括：
8.如权利要求7所述的基于风控模型的信息预测方法，其特征在于，所述在所述第一代表分解数据单元为所述异常用户风控数据的代表分解数据单元，且属于所述异常用户风控数据中单元重要度最大的代表分解数据单元以外的其它代表分解数据单元的情况下，依据所述第一代表分解数据单元和所述异常用户风控数据中所述单元重要度最大的代表分解数据单元，将所述异常用户风控数据在所述第一代表分解数据单元对应的特征挖掘坐标进行配置的步骤，包括：
9.如权利要求1-8任意一项所述的基于风控模型的信息预测方法，其特征在于，所述依据所述异常分析维度对应的每一个所述异常用户风控数据的特征挖掘表征数据，将所述异常分析维度对应的多个异常用户风控数据进行分类操作，形成所述异常分析维度对应的多个异常用户风控数据簇的步骤，包括：
10.一种基于风控模型的信息预测系统，其特征在于，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计算机程序，以实现权利要求1-9任意一项所述的基于风控模型的信息预测方法。
...【技术特征摘要】
1.一种基于风控模型的信息预测方法，其特征在于，包括：
2.如权利要求1所述的基于风控模型的信息预测方法，其特征在于，所述异常分析操作利用异常分析神经网络执行，所述异常分析神经网络加载到的数据包括所述待处理用户风控数据和配置到所述待处理用户风控数据的前面的初始异常表征数据，所述异常分析神经网络包括特征空间第一映射单元和异常分析单元；
3.如权利要求2所述的基于风控模型的信息预测方法，其特征在于，所述利用所述特征空间第一映射单元，将所述待处理用户风控数据进行特征空间映射操作，以输出所述待处理用户风控数据中每一个数据最小粒度内容对应的空间映射特征表示的步骤，包括：
4.如权利要求1所述的基于风控模型的信息预测方法，其特征在于，所述分别将每一个所述异常用户风控数据进行数据分解操作，以形成每一个所述异常用户风控数据对应的至少一个代表分解数据单元的步骤，包括：
5.如权利要求4所述的基于风控模型的信息预测方法，其特征在于，所述内容估计操作利用内容估计神经网络执行，所述内容估计神经网络包括特征空间第二映射单元和内容估计单元；
6.如权利要求1所述的基于风控模型的信息预测方法，其特征在于，在所述对单元重要度与预设重要度规则匹配的多个代表分解数据单元进行标记，以标记为多个第一代表分解数据单元的步骤以前，所述基于风控模型...
【专利技术属性】
技术研发人员：周维浩，杨萱，王震，段美宁，
申请(专利权)人：杭银消费金融股份有限公司，
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。