【技术实现步骤摘要】
本公开涉及机器学习、人工智能等，具体涉及金融风控，尤其涉及风控模型训练方法、装置、电子设备及存储介质。
技术介绍
1、风险控制是指风险管理者采取各种措施和方法，消灭或者减少风险事件发生的各种可能性，或者减少风险事件发生时造成的损失，简称风控，风险控制是风险管理非常重要的一个环节。一般在进行风险控制时常用的手段就是建立预测模型，然后根据该模型预测风险事件的发生，并评估风险，然而现有的风控模型泛化性能不好，导致得到的模型预测效果不佳。
技术实现思路
1、本公开提供了一种风控模型训练方法、装置、电子设备及存储介质。
2、根据本公开的一方面，提供了一种风控模型训练方法，包括：
3、获取训练样本数据；
4、将所述训练样本数据进行特征向量化，得到与所述训练样本数据对应的特征向量；
5、将与所述训练样本数据对应的特征向量分别经过专属专家网络和共享专家网络进行特征提取，得到专属特征向量和共享特征向量；
6、根据所述专属特征向量和所述共享特征向量对待训练模型进行训练，直至所述待训练模型满足预设训练条件，得到目标风控模型。
7、根据本公开的另一方面，提供了风控模型训练装置，包括：
8、获取模块，用于获取训练样本数据；
9、第一提取模块，用于将所述训练样本数据进行特征向量化，得到与所述训练样本数据对应的特征向量；
10、第二提取模块，用于将与所述训练样本数据对应的特征向量分别经过专属专家网络和共享
11、训练模块，用于根据所述专属特征向量和所述共享特征向量对待训练模型进行训练，直至所述待训练模型满足预设训练条件，得到目标风控模型。
12、根据本公开的第三方面，提供了一种电子设备，包括：
13、至少一个处理器；以及
14、与所述至少一个处理器通信连接的存储器；其中，
15、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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上述技术方案中任一项所述的方法。
16、根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述技术方案中任一项所述的方法。
17、根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述技术方案中任一项所述的方法。
18、本公开提供了风控模型训练方法、装置、设备以及存储介质，本公开通过先对训练样本数据进行特征向量化，然后将得到与训练样本数据对应的特征向量分别经过专属专家网络和共享专家网络进行特征提取，得到专属特征向量和共享特征向量，最后根据专属特征向量和共享特征向量对待训练模型进行训练，以训练得到目标风控模型。由于专属特征向量中包含训练样本数据中每个样本数据的专属信息，而共享特征向量中包含训练样本数据中所有样本数据的信息，由于在模型训练时联合训练多份不同的样本数据，通过专属特征向量和共享特征向量对待训练模型进行训练，从而可以大幅提升了模型的泛化能力，进而可以提升目标风控模型预测结果的准确性。
19、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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】
1.一种风控模型训练方法，包括：
2.根据权利要求1所述的方法，其中，所述将所述训练样本数据进行特征向量化，得到与所述训练样本数据对应的特征向量，包括：
3.根据权利要求1所述的方法，其中，所述将与所述训练样本数据对应的特征向量分别经过专属专家网络和共享专家网络进行特征提取，得到专属特征向量和共享特征向量，包括：
4.根据权利要求3所述的方法，其中，所述将所述训练样本数据的特征向量分别输入到对应的专属专家网络中进行特征提取，得到与训练样本数据对应的专属特征向量，包括
5.根据权利要求4所述的方法，其中，所述将所述训练样本数据的特征向量输入到同一共享专家网络中进行特征提取，得到与训练样本数据对应的共享特征向量，包括：
6.根据权利要求5所述的方法，其中，所述根据所述专属特征向量和所述共享特征向量对待训练模型进行训练，直至所述待训练模型满足预设训练条件，得到目标风控模型，包括：
7.根据权利要求1至6任意一项所述的方法，其中，所述方法还包括：
8.一种风控模型训练装置，包括：
9.一种电子
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种风控模型训练方法，包括：
2.根据权利要求1所述的方法，其中，所述将所述训练样本数据进行特征向量化，得到与所述训练样本数据对应的特征向量，包括：
3.根据权利要求1所述的方法，其中，所述将与所述训练样本数据对应的特征向量分别经过专属专家网络和共享专家网络进行特征提取，得到专属特征向量和共享特征向量，包括：
4.根据权利要求3所述的方法，其中，所述将所述训练样本数据的特征向量分别输入到对应的专属专家网络中进行特征提取，得到与训练样本数据对应的专属特征向量，包括
5.根据权利要求4所述的方法，其中，所述将所述训练样本数据的特征向量输入到同一共享专家网络中进行特征提取，得到与训练样本...
【专利技术属性】
技术研发人员：王天祺，徐世界，庞宇嘉，田建，童厚杰，王涛，
申请(专利权)人：北京百度网讯科技有限公司，
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。