【技术实现步骤摘要】
本专利技术涉及业务处理领域，尤其涉及一种风险评估方法、装置、电子设备和存储介质。
技术介绍
1、伴随着商业发展的全球化，各个机构面对的贸易客户越来越多，通过评估客户风险等级来审定不同客户的业务资质也变得尤为重要。
2、现有技术中，客户的交易流水作为客户风险等级评估的一项重要指标，通常是将获取到的交易流水交由工作人员进行人工审核，通过评估客户的交易流水获知该客户的经营信息，并以此评估该客户的风险等级。
3、然而，人工评估方式不但需要耗费大量的人力资源，而且由于交易流水的数据量较大，风险评估效率往往较低，同时，人工审核带有一定的主观性，极易导致审核结果出现偏差。
技术实现思路
1、本专利技术提供了一种风险评估方法、装置、电子设备及存储介质，以解决风险评估效率较低的问题。
2、根据本专利技术的一方面，提供了一种风险评估方法，包括：
3、根据第一交易流水集合，获取基于有监督学习训练完成的多个风险评估模型；其中，不同的风险评估模型基于不同的神经网络结构构建完成；
4、根据第二交易流水集合，对各所述风险评估模型进行无监督学习训练，直至各所述风险评估模型的输出结果的相似度，大于等于预设相似阈值为止；
5、通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级。
6、所述根据第二交易流水集合，对各所述风险评估模型进行无监督学习训练，直至各所述风险评估模型的输出结果的相似度，大于等于预
7、所述风险评估模型包括基于注意力机制的神经网络模型、卷积神经网络模型和循环神经网络模型。
8、所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：获取目标用户的交易流水中的连续大额交易集合；其中，所述连续大额交易集合包括多个连续大额交易，所述连续大额交易的交易金额大于等于预设金额阈值，且相邻的两个连续大额交易之间的交易笔数小于等于预设笔数阈值；将所述连续大额交易集合输入至循环神经网络模型，以获取目标用户的第一评价结果；根据目标用户的第一评价结果，获取目标用户的风险评估等级。
9、所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：获取目标用户的交易流水中的短期频繁交易集合；其中，所述短期频繁交易集合包括多个短期频繁交易，任意两个短期频繁交易之间的时间跨度均小于等于预设时长阈值，且短期频繁交易总数大于等于预设数量阈值；将所述短期频繁交易集合输入至循环神经网络模型，以获取所述目标用户的第二评价结果；根据目标用户的第一评价结果和第二评价结果，获取目标用户的风险评估等级。
10、所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：获取目标用户的交易流水中的离散大额交易集合；其中，所述离散大额交易集合包括多个离散大额交易，所述离散大额交易的交易金额大于等于预设金额阈值，且相邻的两个离散大额交易之间的交易笔数大于预设笔数阈值；将所述离散大额交易集合输入至基于注意力机制的神经网络模型，以获取所述目标用户的第三评价结果；根据目标用户的第一评价结果和第三评价结果，获取目标用户的风险评估等级。
11、所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：获取目标用户的交易流水中的剩余交易集合；其中，所述剩余交易集合包括除所述连续大额交易集合和所述离散大额交易集合之外的全部交易；将所述剩余交易集合输入至卷积神经网络模型，以获取所述目标用户的第四评价结果；根据目标用户的第一评价结果、第三评价结果和第四评价结果，获取目标用户的风险评估等级。
12、根据本专利技术的另一方面，提供了一种风险评估装置，包括：
13、有监督执行模块，用于根据第一交易流水集合，获取基于有监督学习训练完成的多个风险评估模型；其中，不同的风险评估模型基于不同的神经网络结构构建完成；
14、无监督执行模块，用于根据第二交易流水集合，对各所述风险评估模型进行无监督学习训练，直至各所述风险评估模型的输出结果的相似度，大于等于预设相似阈值为止；
15、风险评估执行模块，用于通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级。
16、根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
17、至少一个处理器；以及
18、与所述至少一个处理器通信连接的存储器；其中，
19、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的风险评估方法。
20、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例的风险评估方法。
21、本专利技术实施例的技术方案，首先根据第一交易流水集合，获取到基于有监督学习训练完成的多个风险评估模型，其次根据第二交易流水集合，对各风险评估模型进行无监督学习训练，最后通过各风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，实现了基于用户交易流水的风险等级自动评估，节省了风险评估耗费的人力资源，提高了用户风险等级的评估效率，同时，避免了人工评估时的主观性导致审核结果出现偏差，提高了获取到的风险评估结果的准确性。
22、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】
1.一种风险评估方法，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，所述根据第二交易流水集合，对各所述风险评估模型进行无监督学习训练，直至各所述风险评估模型的输出结果的相似度，大于等于预设相似阈值为止，包括：
3.根据权利要求1所述的方法，其特征在于，所述风险评估模型包括基于注意力机制的神经网络模型、卷积神经网络模型和循环神经网络模型。
4.根据权利要求3所述的方法，其特征在于，所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：
5.根据权利要求3所述的方法，其特征在于，所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：
6.根据权利要求3所述的方法，其特征在于，所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：
7.根据权利要求6所述的方法，其特征在于，所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：
8.一种风险评估装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的风险评估方法。
...【技术特征摘要】
1.一种风险评估方法，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，所述根据第二交易流水集合，对各所述风险评估模型进行无监督学习训练，直至各所述风险评估模型的输出结果的相似度，大于等于预设相似阈值为止，包括：
3.根据权利要求1所述的方法，其特征在于，所述风险评估模型包括基于注意力机制的神经网络模型、卷积神经网络模型和循环神经网络模型。
4.根据权利要求3所述的方法，其特征在于，所述通过各所述风险评估模型，对目标用户的交易流水进行风险评估，以获取目标用户的风险评估等级，包括：
5.根据权利要求3所述的方法，其特征在于，所述通过各所述风险评估模型，对目标用户的交易流水进行风...
【专利技术属性】
技术研发人员：沈乐，徐辉，肖宇，费闯，
申请(专利权)人：中国农业银行股份有限公司，
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。