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】
本说明书涉及计算机,尤其涉及一种风险评估模型训练方法、装置、存储介质及电子设备。
技术介绍
1、现如今,越来越多的小微企业在市场上发挥着越来越重要的作用,在小微企业的运营过程中,为了能够顺利运营,需要进行融资等行为。但是在进行融资的过程中,由于小微企业风险高,难以融资的情况。
技术实现思路
1、本说明书实施例提供一种风险评估模型训练方法、装置、存储介质及电子设备,可以得到训练完成的风险评估模型,以能够采用风险评估模型根据获取到的数据量充足的样本泛客群数据,计算样本事务客群数据对应的评估分数,实现对数据量不足的样本事务客群数据进行风险评估。
2、第一方面,本说明书实施例提供一种风险评估模型训练方法,所述方法包括:
3、获取第一样本事务客群数据和第一样本泛客群数据,对所述第一样本泛客群数据和所述第一样本事务客群数据进行特征提取,得到所述第一样本泛客群数据对应的样本泛客群特征和所述第一样本事务客群数据对应的样本事务客群特征;
4、基于所述样本泛客群特征和所述样本事务客群特征,计算得到聚类迁移网络的样本表征参数,所述样本表征参数用于作为评估标准对所述样本泛客群特征和所述样本事务客群特征进行关联,所述聚类迁移网络包含于第一风险评估模型;
5、获取用于表征事务客群的风险状态的样本评估分数,基于所述样本泛客群特征、所述样本事务客群特征、所述样本表征参数和所述样本评估分数对所述第一风险评估模型进行训练,得到所述第一风险评估模型的初始参数,基于所述初始
6、计算所述第二风险评估模型对应的评估损失函数和所述聚类迁移网络对应的迁移损失函数,基于所述评估损失函数和所述迁移损失函数确定所述第二风险评估模型的训练状态,直至所述训练状态指示所述第二风险评估模型收敛,得到训练完成的风险评估模型。
7、第二方面,本说明书实施例提供一种风险评估方法,所述方法包括:
8、获取事务客群对应的事务客群数据,以及所述事务客群数据对应的泛客群数据,将所述事务客群数据和所述泛客群数据输入至上述的风险评估模型训练方法得到的训练完成的风险评估模型中;
9、基于所述风险评估模型对所述事务客群数据和所述泛客群数据进行高维映射,得到所述事务客群数据和所述泛客群数据对应的表征参数;
10、基于所述表征参数和所述泛客群数据对所述事务客群数据进行风险评估,得到所述事务客群对应的风险评估结果。
11、第三方面,本说明书实施例提供一种风险评估模型训练装置,所述装置包括:
12、特征获取单元,用于获取第一样本事务客群数据和第一样本泛客群数据,对所述第一样本泛客群数据和所述第一样本事务客群数据进行特征提取,得到所述第一样本泛客群数据对应的样本泛客群特征和所述第一样本事务客群数据对应的样本事务客群特征;
13、参数获取单元,用于基于所述样本泛客群特征和所述样本事务客群特征,计算得到聚类迁移网络的样本表征参数,所述样本表征参数用于作为评估标准对所述样本泛客群特征和所述样本事务客群特征进行关联,所述聚类迁移网络包含于第一风险评估模型;
14、模型训练单元,用于获取用于表征事务客群的风险状态的样本评估分数,基于所述样本泛客群特征、所述样本事务客群特征、所述样本表征参数和所述样本评估分数对所述第一风险评估模型进行训练,得到所述第一风险评估模型的初始参数,基于所述初始参数得到第二风险评估模型;
15、模型完成单元,用于计算所述第二风险评估模型对应的评估损失函数和所述聚类迁移网络对应的迁移损失函数,基于所述评估损失函数和所述迁移损失函数确定所述第二风险评估模型的训练状态,直至所述训练状态指示所述第二风险评估模型收敛,得到训练完成的风险评估模型。
16、第四方面,本说明书实施例提供一种风险评估装置,所述装置包括:
17、数据获取单元,用于获取事务客群对应的事务客群数据,以及所述事务客群数据对应的泛客群数据,将所述事务客群数据和所述泛客群数据输入至上述的风险评估模型训练方法得到的训练完成的风险评估模型中;
18、参数计算单元,用于基于所述风险评估模型对所述事务客群数据和所述泛客群数据进行高维映射,得到所述事务客群数据和所述泛客群数据对应的表征参数;
19、结果获取单元,用于基于所述表征参数和所述泛客群数据对所述事务客群数据进行风险评估,得到所述事务客群对应的风险评估结果。
20、第五方面,本说明书实施例提供一种计算机程序产品,所述计算机程序产品存储有至少一条指令,所述至少一条指令适于由处理器加载并执行上述的方法步骤。
21、第六方面,本说明书实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法的步骤。
22、第七方面,本说明书实施例提供一种电子设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法的步骤。
23、在本说明书实施例中,通过获取第一样本事务客群数据和第一样本泛客群数据,进行特征提取得到样本事务客群特征和样本泛客群特征,计算得到样本表征参数,获取样本评估分数,基于样本表征参数、样本评估分数、样本事务客群特征和样本泛客群特征对第一风险评估模型进行训练得到第二风险评估模型,并计算推荐损失函数判断第二风险评估模型是否收敛,以确定风险评估模型训练完成,从而得到训练完成的风险评估模型,以能够采用风险评估模型根据获取到的数据量充足的样本泛客群数据,计算样本事务客群数据对应的评估分数,实现对数据量不足的样本事务客群数据进行风险评估。
本文档来自技高网...【技术保护点】
1.一种风险评估模型训练方法,所述方法包括:
2.根据权利要求1所述的方法,所述获取第一样本事务客群数据和第一样本泛客群数据,对所述第一样本泛客群数据和所述第一样本事务客群数据进行特征提取,得到所述第一样本泛客群数据对应的样本泛客群特征和所述第一样本事务客群数据对应的样本事务客群特征,包括:
3.根据权利要求1所述的方法,所述基于所述样本泛客群特征和所述样本事务客群特征,计算得到聚类迁移网络的样本表征参数,包括:
4.根据权利要求1所述的方法,所述获取用于表征事务客群的风险状态的样本评估分数,基于所述样本泛客群特征、所述样本事务客群特征、所述样本表征参数和所述样本评估分数对所述第一风险评估模型进行训练,得到所述第一风险评估模型的初始参数,基于所述初始参数得到第二风险评估模型,包括:
5.根据权利要求3所述的方法,所述计算所述第二风险评估模型对应的评估损失函数和所述聚类迁移网络对应的迁移损失函数,基于所述评估损失函数和所述迁移损失函数确定所述第二风险评估模型的训练状态,直至所述训练状态指示所述第二风险评估模型收敛,得到训练完成的风险评
6.根据权利要求3所述的方法,所述基于所述评估损失函数和所述迁移损失函数确定所述第二风险评估模型的训练状态,直至所述训练状态指示所述第二风险评估模型收敛,得到训练完成的风险评估模型,包括:
7.一种风险评估方法,所述方法包括:
8.一种风险评估模型训练装置,所述装置包括:
9.一种风险评估装置,所述装置包括:
10.一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~7任意一项所述方法的步骤。
11.一种电子设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~7任意一项所述方法的步骤。
12.一种计算机程序产品,其上存储有至少一条指令,所述至少一条指令被处理器执行时实现权利要求1~7中任意一项所述方法的步骤。
...【技术特征摘要】
1.一种风险评估模型训练方法,所述方法包括:
2.根据权利要求1所述的方法,所述获取第一样本事务客群数据和第一样本泛客群数据,对所述第一样本泛客群数据和所述第一样本事务客群数据进行特征提取,得到所述第一样本泛客群数据对应的样本泛客群特征和所述第一样本事务客群数据对应的样本事务客群特征,包括:
3.根据权利要求1所述的方法,所述基于所述样本泛客群特征和所述样本事务客群特征,计算得到聚类迁移网络的样本表征参数,包括:
4.根据权利要求1所述的方法,所述获取用于表征事务客群的风险状态的样本评估分数,基于所述样本泛客群特征、所述样本事务客群特征、所述样本表征参数和所述样本评估分数对所述第一风险评估模型进行训练,得到所述第一风险评估模型的初始参数,基于所述初始参数得到第二风险评估模型,包括:
5.根据权利要求3所述的方法,所述计算所述第二风险评估模型对应的评估损失函数和所述聚类迁移网络对应的迁移损失函数,基于所述评估损失函数和所述迁移损失函数确定所述第二风险评...
【专利技术属性】
技术研发人员:柴宝玥,陈惊雷,郝正鸿,韩冰,
申请(专利权)人:浙江网商银行股份有限公司,
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。