System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术实施例涉及计算机技术,尤其涉及一种风险预测方法、装置和电子设备。
技术介绍
1、随着移动互联网技术的发展与普及,电子支付规模正在快速增长,并且电子支付渗透到各类场景中。
2、目前,金融机构通常对用户大规模电子支付的服务请求进行人工审核,在人工审核评定该服务请求为低风险时,会协助用户完成本次服务请求。
3、然而,这种人工审核服务请求风险的方式,费时费力,无法针对用户的每个服务请求进行审核,无法保证用户每次服务请求的安全性,并且无法保证每个服务请求的审核时效性。
技术实现思路
1、本专利技术实施例提供了一种风险预测方法、装置和电子设备,以实现服务请求风险的自动预测,无需人工参与,提高了服务请求风险的预测效率和准确性。
2、第一方面,本专利技术实施例提供了一种风险预测方法,包括:
3、获取目标对象当前提交的当前服务请求信息、历史提交的历史服务请求信息和所述目标对象的对象属性信息;
4、将所述对象属性信息、所述当前服务请求信息和所述历史服务请求信息输入至目标风险预测模型中进行当前服务请求的风险预测;其中,所述目标风险预测模型是用于将从输入信息中提取出的时序特征信息与非时序特征信息进行特征融合后进行风险预测;
5、基于所述目标风险预测模型的输出,确定当前服务请求对应的目标风险预测结果。
6、第二方面,本专利技术实施例还提供了一种风险预测装置,包括:
7、信息获取模块,用于获取目标对象当前
8、风险预测模块,用于将所述对象属性信息、所述当前服务请求信息和所述历史服务请求信息输入至目标风险预测模型中进行当前服务请求的风险预测;其中,所述目标风险预测模型是用于将从输入信息中提取出的时序特征信息与非时序特征信息进行特征融合后进行风险预测;
9、目标风险预测结果确定模块,用于基于所述目标风险预测模型的输出,确定当前服务请求对应的目标风险预测结果。
10、第三方面,本专利技术实施例还提供了一种电子设备,所述电子设备包括:
11、一个或多个处理器;
12、存储器,用于存储一个或多个程序;
13、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本专利技术任意实施例所提供的风险预测方法。
14、本专利技术实施例的技术方案,通过获取目标对象当前提交的当前服务请求信息、历史提交的历史服务请求信息和所述目标对象的对象属性信息;将所述对象属性信息、所述当前服务请求信息和所述历史服务请求信息输入至目标风险预测模型中进行当前服务请求的风险预测;其中,所述目标风险预测模型是用于将从输入信息中提取出的时序特征信息与非时序特征信息进行特征融合后进行风险预测;基于所述目标风险预测模型的输出,确定当前服务请求对应的目标风险预测结果,从而可以实现服务请求风险的自动预测,无需人工参与,提高了服务请求风险的预测效率和准确性。
15、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种风险预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述目标风险预测模型包括:特征融合子模型和特征偏差子模型;
3.根据权利要求2所述的方法,其特征在于,所述特征融合子模型包括:特征提取单元和特征融合单元;
4.根据权利要求3所述的方法,其特征在于,所述特征提取单元包括:特征识别子单元和特征提取子单元;
5.根据权利要求3所述的方法,其特征在于,所述基于所述非时序风险特征信息、当前时序风险特征信息和历史时序风险特征信息,确定当前服务请求风险特征信息和历史服务请求风险特征信息,包括:
6.根据权利要求2所述的方法,其特征在于,所述特征偏差子模型包括:特征关联单元和特征偏差单元;
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标风险预测模型的输出,确定当前服务请求对应的目标风险预测结果,包括:
8.根据权利要求1所述的方法,其特征在于,所述目标风险预测模型为卷积神经网络与长短期记忆网络组成的;所述卷积神经网络用于将从输入信息中提取出的时序特征信息与非时序特征信
9.一种风险预测装置,其特征在于,包括:
10.一种电子设备,其特征在于,所述电子设备包括:
...【技术特征摘要】
1.一种风险预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述目标风险预测模型包括:特征融合子模型和特征偏差子模型;
3.根据权利要求2所述的方法,其特征在于,所述特征融合子模型包括:特征提取单元和特征融合单元;
4.根据权利要求3所述的方法,其特征在于,所述特征提取单元包括:特征识别子单元和特征提取子单元;
5.根据权利要求3所述的方法,其特征在于,所述基于所述非时序风险特征信息、当前时序风险特征信息和历史时序风险特征信息,确定当前服务请求风险特征信息和历史服务请求风险特征信息,包括:
6.根据权利要求2所...
【专利技术属性】
技术研发人员:黄智坤,姚钱诚,金帅,陈权,尤士豪,
申请(专利权)人:易企银杭州科技有限公司,
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。