【技术实现步骤摘要】
本说明书涉及计算机，尤其涉及一种风控模型解释方法、装置、存储介质及电子设备。
技术介绍
1、近年来，随着计算机技术的发展，为了保护用户的个人信息的安全，需要进行风险控制。
2、在现有技术中，风险控制的方法有多种，通过机器学习的方法训练进行风险识别的模型，并使用训练完成的模型进行风险控制，可以大大提高风控的准确性以及效率。由于图数据能够更好的表征用户之间的关系，所以基于图数据训练的风控模型的效果较佳。
3、但是，在进行模型解释或模型分析时，通常只能基于图数据的元路径信息，对风险识别的模型的输出结果进行解释。在图数据中，由各节点之间的边构成各元路径，而各节点之间的边又是基于人工经验设置的条件确定的，因此得到的模型解释或模型分析结果较为单一。
4、为此，本说明书提供一种风控模型解释方法。
技术实现思路
1、本申请提供一种风控模型解释方法、装置、存储介质及电子设备，以部分解决现有技术存在的上述问题。
2、本申请采用下述技术方案：
3、本申请提供风控模型解释方法，包括：
4、确定目标用户的有向无环图，作为训练样本，并确定所述目标用户的历史风控结果，作为所述训练样本的标注；
5、将所述训练样本输入预设的待训练风控模型，确定所述有向无环图中边的权重，并根据所述边的权重和所述有向无环图，确定预测风控结果；
6、根据所述预测风控结果与所述训练样本的标注的差异，训练所述待训练风控模型；
7、响应
8、根据所述风控用户的有向无环图中各边的权重，生成对所述预测风控结果的解释，返回所述预测风控结果以及所述解释。
9、可选地，根据所述风控用户的有向无环图中各边的权重，生成对所述预测风控结果的解释，具体包括：
10、确定以所述风控用户为中心，所述有向无环图中各层对应的边；
11、针对每层，根据该层包含的边的权重，筛选出预设数量的边；
12、确定筛选出的每个边对应的包含该边到所述风控用户的元路径；
13、根据所述元路径中各边的权重，生成对所述预测风控结果的解释。
14、可选地，确定目标用户的有向无环图，具体包括：
15、根据预设的每个关系维度，确定在该关系维度中与所述目标用户存在关系的其他用户；
16、根据该关系维度中与所述目标用户存在关系的其他用户，确定所述目标用户对应该关系维度的有向无环图；
17、根据各关系维度的有向无环图，确定训练样本。
18、可选地，确定所述有向无环图中边的权重，并根据所述边的权重和所述有向无环图，确定预测风控结果，具体包括：
19、针对每个关系维度的有向无环图，通过所述待训练风控模型中该关系维度对应的分支网络，确定该关系维度的有向无环图中边的权重；
20、将所述各关系维度的有向无环图中边的权重以及所述各关系维度的有向无环图，输入所述待训练风控模型的预测网络，确定所述目标用户的预测风控结果。
21、可选地，响应于携带风控用户的有向无环图的风控请求，将所述风控用户的有向无环图，输入训练完成的风控模型，确定所述风控用户的有向无环图中各边的权重，以及所述风控用户的预测风控结果，具体包括：
22、响应于携带风控用户的各关系维度的有向无环图的风控请求，将所述风控用户的各关系维度的有向无环图，输入训练完成的风控模型，确定所述风控用户的各关系维度的有向无环图中各边的权重，以及所述风控用户的预测风控结果；
23、根据所述风控用户的有向无环图中各边的权重，生成对所述预测风控结果的解释，具体包括：
24、根据所述风控用户的各关系维度的有向无环图以及所述风控用户的各关系维度的有向无环图中各边的权重，确定所述风控用户各关系维度的元路径；
25、根据所述各关系维度的元路径，确定综合有向无环图；
26、将所述综合有向无环图输入所述训练完成的风控模型，确定所述综合有向无环图的各元路径的权重；
27、根据所述各元路径的权重以及所述各元路径中边的权重，重新确定所述各元路径中边的权重；
28、根据所述综合有向无环图的元路径以及重新确定的所述综合有向无环图的各元路径中边的权重，生成对所述预测风控结果的解释。
29、可选地，根据确定出的所述风控用户的元路径，确定综合有向无环图，具体包括：
30、根据各元路径中所述风控用户对应的节点，以所述节点为根，将所述各元路径组合，得到综合有向无环图。
31、可选地，根据所述综合有向无环图的元路径以及所述综合有向无环图的各元路径中边的权重，生成对所述预测风控结果的解释，具体包括：
32、确定以所述风控用户为中心，所述综合有向无环图中各层对应的边；
33、针对每层，根据该层包含边的重新确定的权重，筛选出预设数量的边；
34、确定筛选出的边对应的元路径，以及重新确定的所述综合有向无环图的元路径中边的权重，确定所述预测风控结果的解释。
35、本申请提供一种风控模型解释装置，包括：
36、确定模块，确定目标用户的有向无环图，作为训练样本，并确定所述目标用户的历史风控结果，作为所述训练样本的标注；
37、训练模块，将所述训练样本输入预设的待训练风控模型，确定所述有向无环图中边的权重，并根据所述边的权重和所述有向无环图，确定预测风控结果；
38、输出模块，根据所述预测风控结果与所述训练样本的标注的差异，训练所述待训练风控模型；
39、预测模块，响应于携带风控用户的有向无环图的风控请求，将所述风控用户的有向无环图，输入训练完成的风控模型，确定所述风控用户的有向无环图中各边的权重，以及所述风控用户的预测风控结果；
40、解释模块，根据所述风控用户的有向无环图中各边的权重，生成对所述预测风控结果的解释，返回所述预测风控结果以及所述解释。
41、本说明书提供的计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的风控模型解释方法。
42、本说明书提供的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的风控模型解释方法。
43、本说明书采用的上述至少一个技术方案能够达到以下有益效果：
44、在本说明书提供的风控解释方法中，通过训练为有向无环图的边确定权重，并根据边的权重和有向无环图确定用户预测风控结果的风控模型，使得在应用该风控模型进行风控时，可以确定该风控模型确定的边的权重，以根据有向无环图中各边的权重确定预测风控结果的解释。
45本文档来自技高网...
【技术保护点】
1.一种风控模型解释方法，包括：
2.如权利要求1所述方法，根据所述风控用户的有向无环图中各边的权重，生成对所述预测风控结果的解释，具体包括：
3.如权利要求1所述方法，确定目标用户的有向无环图，具体包括：
4.如权利要求3所述方法，确定所述有向无环图中边的权重，并根据所述边的权重和所述有向无环图，确定预测风控结果，具体包括：
5.如权利要求4所述方法，响应于携带风控用户的有向无环图的风控请求，将所述风控用户的有向无环图，输入训练完成的风控模型，确定所述风控用户的有向无环图中各边的权重，以及所述风控用户的预测风控结果，具体包括：
6.如权利要求5所述方法，根据确定出的所述风控用户的元路径，确定综合有向无环图，具体包括：
7.如权利要求5所述方法，根据所述综合有向无环图的元路径以及重新确定的所述综合有向无环图的各元路径中边的权重，生成对所述预测风控结果的解释，具体包括：
8.一种风控模型解释装置，包括：
9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。
...【技术特征摘要】
1.一种风控模型解释方法，包括：
2.如权利要求1所述方法，根据所述风控用户的有向无环图中各边的权重，生成对所述预测风控结果的解释，具体包括：
3.如权利要求1所述方法，确定目标用户的有向无环图，具体包括：
4.如权利要求3所述方法，确定所述有向无环图中边的权重，并根据所述边的权重和所述有向无环图，确定预测风控结果，具体包括：
5.如权利要求4所述方法，响应于携带风控用户的有向无环图的风控请求，将所述风控用户的有向无环图，输入训练完成的风控模型，确定所述风控用户的有向无环图中各边的权重，以及所述风控用户的预测风控结果，具体包括：
6....
【专利技术属性】
技术研发人员：林晓彤，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。