一种风险预测模型的构建、风险防控方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种风险预测模型的构建、风险防控方法和装置。


背景技术：

2.通过对风险进行准确可靠地预测，可以实现风险的精准防控，从而可以降低风险带来的经济损失等。现有的风险预测模型，并未考虑风险存在的多种可能性，从而无法准确地预测出风险概率，导致风险防控效率和准确率较低。
3.针对上述问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本说明书实施例提供了一种风险预测模型的构建、风险防控方法和装置，以解决现有技术无法准确地预测业务对象的风险，导致风险防控效率和准确率较低的问题。
5.第一方面，本说明书实施例提供一种风险预测模型的构建方法，该方法包括：
6.根据业务对象的风险类型，为业务对象赋予相应的初始风险值；
7.根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；
8.根据综合风险值，确定业务对象的风险标签；
9.根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
10.在一个实施例中，所述根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值，包括：
11.获取与业务对象之间具有交互关系的关联业务对象，根据业务对象的初始风险值和关联业务对象的初始风险值，确定业务对象的综合风险值。
12.在一个实施例中，所述确定业务对象的风险标签，包括：
13.将所述交互行为数据输入至预训练的打标模型中，对所述交互行为数据进行打标，得到业务对象的风险标签。
14.在一个实施例中，所述风险预测模型包括：特征提取模块、注意力模块和预测模块，相应地，所述训练风险预测模型，包括：
15.将交互行为数据输入至所述特征提取模块，得到所述交互行为数据的特征数据；
16.通过所述注意力模块对提取的特征数据进行自注意力处理；
17.将处理后的特征数据输入至所述预测模块，得到所述风险预测模型的输出。
18.在一个实施例中，所述方法还包括:
19.基于所述风险预测模型的输出和所述风险标签，对所述风险预测模型进行训练，直至所述风险预测模型的精度满足预设要求或所述风险预测模型的迭代次数达到预设迭代次数。
20.第二方面，本说明书实施例提供了一种风险防控方法，该方法包括：
21.获取与业务对象之间具有交互关系的关联业务对象；
22.根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；
23.根据风险预测结果，对所述业务对象进行风险防控。
24.在一个实施例中，所述根据风险预测结果，对所述业务对象进行风险防控，包括：
25.判断所述风险预测结果是否超过预设风险阈值；
26.若是，则将所述业务对象的行为数据发送至防控中心，以对业务对象进行风险防控。
27.第三方面，本说明书实施例还提供一种风险预测模型的构建装置，该装置包括：
28.赋值模块，用于根据业务对象的风险类型，为业务对象赋予相应的初始风险值；
29.第一确定模块，用于根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；
30.第二确定模块，用于根据综合风险值，确定业务对象的风险标签；
31.训练模块，用于根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
32.第四方面，本说明书实施例还提供一种风险防控装置，该装置包括：
33.获取模块，用于获取与业务对象之间具有交互关系的关联业务对象；
34.预测模块，用于根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；
35.防控模块，用于根据风险预测结果，对所述业务对象进行风险防控。
36.第五方面，本说明书实施例还提供一种计算机设备，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计算机程序时实现上述风险预测模型的构建方法或风险防控方法。
37.第六方面，本说明书实施例还提供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程序，所述计算机程序被处理器执行时实现上述风险预测模型的构建方法或风险防控方法。
38.第七方面，本说明书实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述风险预测模型的构建方法或风险防控方法。
39.本说明书实施例提供的一种风险预测模型的构建方法，首先，根据业务对象的风险类型，为业务对象赋予相应的初始风险值。其次，根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值。然后，根据综合风险值，确定业务对象的风险标签。最后，根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。本说明书实施例中，通过获取业务对象之间的交互关系并结合业务对象的初始风险值，确定业务对象的综合风险值，可以全面地考虑了业务对象可能存在的风险情况。通过基于综合风险值，确定出业务对象的风险标签，并基于业务对象的风险标签训练风险预测模型，可以提高风险预测模型的训练效果。
40.本说明书实施例提供的一种风险防控方法，首先，获取与业务对象之间具有交互关系的关联业务对象。其次，根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果。最后，根据风险预测结果，对
所述业务对象进行风险防控。本说明书实施例中，不仅考虑业务对象之间的行为数据，还考虑了与业务对象具有交互关系的关联业务对象的行为数据，可以有效提高业务对象风险预测的效果。通过上述构建的风险预测模型进行风险预测，可以提高风险预测的准确率和效率。通过风险预测结果对业务对象进行风险防控，可以避免风险带来的经济损失。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
42.图1是本说明书实施例中一种风险预测模型的构建方法的流程示意图；
43.图2是本说明书实施例中一种风险防控方法的流程示意图；
44.图3是本说明书实施例中一种风险预测模型的构建装置的结构组成示意图；
45.图4是是本说明书实施例中一种风险防控装置的结构组成示意图；
46.图5是本说明书的一个实施例中的计算机设备的示意图。
具体实施方式
47.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
48.目前，业务对象存在风险的现象也越来越普遍。及早地对业务对象进行风险评估或风险预测，可以避免经济损失，保障业务的正常进行。
49.但是，现有的业务对象的风险预测模型，并未考虑风险存在的多种可能性，从而无法准确地预测出风险概率，导致风险防控效率和准确率较低。
50.针对现有方法存在的上述问题以及产生上述问题的具体原因，本技术考虑引入一种风险预测模型的构建、风险防控方法和装置，可以提高风险预测的准确率，从而实现风险的精准防控。
51.基于上述思路，本说明书提出一种风险预测模型的构建方法。首先，根据业务对象的风险类型，为业务对象赋予相应的初始风险值。其次，根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值。然后，根据综合风险值，确定业务对象的风险标签。最后，根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
52.本说明书还提出一种风险防控方法。首先，获取与业务对象之间具有交互关系的关联业务对象。其次，根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果。最后，根据风险预测结果，对所述业务对象进行风险防控。
53.图1是本说明书实施例中一种风险预测模型的构建方法的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创
造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。具体实施时，参阅图1所示，所述风险预测模型的构建方法可以包括如下内容。
54.s101：根据业务对象的风险类型，为业务对象赋予相应的初始风险值。
55.在一些实施例中，上述业务对象可以为可以办理业务的企业、公司或组织机构或个人等，业务对象可以为多个，每个业务对象都可以有对应的风险类型，也可以被赋予不同的初始风险值。上述业务对象的风险类型可以包括：零风险(正常)、低风险、较高风险、高风险等。上述根据业务对象的风险类型，为业务对象赋予相应的初始风险值，可以理解为：对于存在低风险的业务对象赋予较小的初始风险值，对存在较高风险的业务对象赋予较高的初始风险值，对于存在零风险的业务对象被赋予的初始风险值可以为0。其中，初始风险值越大，可以表示业务对象存在风险越高。
56.在一些实施例中，可以先收集业务对象的指标数据，如：审计意见、退市状况、财务造假、资金占用、违规披露、操纵股价、违规担保、失信执行人、内幕交易、投资情况等指标，然后可以基于以上指标数据，确定业务对象的风险类型。
57.通过获取业务对象的风险类型，并根据业务对象的风险类型，赋予业务对象相应的初始风险值，可以为后续获取业务对象对应的风险标签奠定基础。
58.s102：根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值。
59.在一些实施例中，上述根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值，在具体实施时，可以包括：
60.获取与业务对象具有交互关系的关联业务对象，根据业务对象的初始风险值和关联业务对象的初始风险值，确定业务对象的综合风险值。
61.在一些实施例中，可以存在与业务对象具有交互关系的关联业务对象，所述关联业务对象可以为多个，关联业务对象可以为某个业务对象的子对象，如某个中心机构下属的子机构，所述交互关系可以为投资关系或资金转移关系等。业务对象和关联业务对象可以被赋予有相应的初始风险值，可以基于业务对象的初始风险值和关联业务对象的初始风险值，确定出业务对象的综合风险值。例如：可以将业务对象的初始风险值和关联业务对象的初始风险值进行累积求和，来确定出业务对象的综合风险值。如：业务对象的初始风险值被赋予为0(此时的业务对象可以认为不存在风险)、关联业务对象1的初始风险值被赋予为0.4、关联业务对象2的初始风险值被赋予为0.3(此时的关联业务对象1和关联业务对象2存在风险，且关联业务对象1存在的风险大于关联业务对象2)，因此，业务对象的综合风险值就可以为业务对象的初始风险值与关联业务对象1的初始风险值和关联业务对象2的累积值，即为0.5(表明此时业务对象是存在风险的)。需要说明的是，如果还存在与业务对象关联的其他关联业务对象，可以继续将业务对象当前的综合风险值与其他关联业务对象的初始风险值进行累积求和，以确定出业务对象最终的综合风险值。
62.示例性的，可以获取多个业务对象的交互行为数据；可以根据所述多个业务对象的交互行为数据，构建交互关系图。所述交互关系图可以包括节点和边，所述节点用于表示业务对象，所述边用于表示节点之间具有交互关系。则对于每个业务对象，可以在所述交互关系图中获取与该业务对象所对应节点具有交互关系的关联节点；可以根据该业务对象的初始风险值以及关联节点所对应业务对象的初始风险值，计算该业务对象的综合风险值。所述交互关系图可以包括投资关系图等。
63.通过根据业务对象之间的交互关系以及业务对象的初始风险值，确定出业务对象的综合风险值，可以更加全面地考虑业务对象的风险情况，能够挖掘出业务对象存在的潜在风险。
64.在一些实施例中，可以通过风险矩阵针对业务对象之间的交互关系进行分类赋权，通过风险矩阵进行分类赋权，可以解决传统的分类模型倾向于大样本的分类，而忽略小样本的分类的准确率的问题，能够从整体上提高分类的准确率。其中，通过风险矩阵针对业务对象之间的交互关系进行分类赋权的过程可以如下：
65.例如：通过风险矩阵针对不同公司之间的：投资关系进行分类赋权，首先将低风险公司和高风险的公司分别赋值为0.3和0.9，之后通过不同公司之间的投资关系，进行递减式赋权，假设对于上市公司预测风险正确的价值为正，即i1,i4》0，对于上市公司预测风险错误的价值为负，即i2,i3＜0，并且，有风险上市公司预测正确的价值比无风险公司预测正确的价值大的多，即i1＞＞i4。根据价值矩阵，可得次高风险的上市公司预测为正常公司的代价为c1＝i2-i1，正常上市公司预测为次高风险的上市公司代价为c2＝i3-i4，其中|c1|＞＞|c2|，最终实现各类公司风险赋权，通过对赋值后的风险数值给与高权重值的方式，提高风险预测模型的精度。
66.s103：根据综合风险值，确定业务对象的风险标签。
67.在一些实施例中，在确定出业务对象的综合风险值后，可以根据业务对象的综合风险值，进一步确定出业务对象的风险标签。例如，所述风险标签可以选自多个风险等级，所述多个风险等级包括低风险、中风险、高风险等。每个风险等级可以对应一个风险值区间。可以根据业务对象的综合风险值，确定综合风险值所在的风险值区间；可以根据综合风险值所在的风险值区间，获取相应的风险等级作为业务对象的风险标签。例如：业务对象的综合风险值为0.5，可以将中风险作为业务对象的风险标签。
68.在一些实施例中，还可以将所述交互行为数据输入至预设打标模型中，对所述交互行为数据进行打标，得到业务对象的风险标签；其中，所述预设打标模型可以根据卷积神经网络由样本数据预训练得到。
69.在一些实施例中，可以预先基于业务对象的样本交互行为数据及其对应的风险标签对卷积神经网络模型进行预训练，得到打标模型。然后可以基于该打标模型，实现对业务对象的交互行为数据的打标，得到风险标签。
70.通过确定出业务对象的风险标签，为后续训练风险预测模型奠定基础。
71.s104：根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
72.在一些实施例中，通过将带有风险标签的交互行为数据作为风险预测模型训练样本，可以有效提高风险预测模型的训练效果。
73.在一些实施例中，上述风险预测模型可以包括：特征提取模块、注意力模块和预测
模块，相应地，所述训练风险预测模型，在具体实施时，可以包括：
74.将交互行为数据输入至所述特征提取模块，得到所述交互行为数据的特征数据；
75.通过所述注意力模块对提取的特征数据进行自注意力处理；
76.将处理后的特征数据输入至所述预测模块，得到所述风险预测模型的输出。
77.在一些实施例中，上述风险预测模型可以包括faster rcnn网络。其中，faster rcnn网络一般采用经典的vgg16或resnet50作为骨干网络，但为了提高网络精度，可以采用fcn16(全卷积网络)和注意力机制作为骨干网络，可以基于fcn16和自注意力机制进行网络特征提取。上述特征提取模块可以为全卷网络，可以先基于特征提取模块，提取输入数据中的特征数据，然后将提取的特征数据输入至注意力模块，再基于注意力模块对提取的特征数据进行自注意力处理，得到处理后的特征数据，所述处理后的特征数据可以从为细节特征数据或重要特征数据。上述风险预测模型中还可以包括预测模块，所述预测模块可以基于sofmax(归一化指数函数)获得风险预测模型的输出，所述风险预测模型的输出可以为风险概率值、风险数值等，本说明书对此不作具体限定。
78.在一些实施例中，注意力(attention)是指受认知神经学中注意力的启发,人脑在处理复杂的外部信息时,会有意或无意地从大量输入信息中选择一小部分重点处理而忽略其他信息的能力。神经网络在处理较多的输入信息时，也可以借鉴人脑的注意力机制，只选择一些关键的信息进行处理。在基于上述的注意力模块对提取的特征数据进行自注意力处理时，可以先计算输入注意力模块的提取的特征数据(特征提取模块提取的特征数据)与注意力模块中的参数的相似度，所述参数可以由历史特征数据确定，然后，可以基于提取的特征数据与参数的相似度计算结果，确定出自注意力处理后的特征数据。
79.在一些实施例中，还可以基于风险预测模型的输出和风险预测模型的输入(带有风险标签的交互行为数据)，不断对风险预测模型进行训练，直至所述风险预测模型的精度满足预设要求或所述风险预测模型的迭代次数达到预设迭代次数时，则停止训练。示例性的，所述训练过程可以包括：根据风险预测模型的输出和风险标签，通过损失函数计算损失信息，根据损失信息调整风险预测模型的参数。
80.在一些实施例中，在确定风险预测模型的精度是否满足预设要求时，可以通过使用f1-score指标(调和平均数，f1-score是精度和召回率分数的谐波平均值，在选择精度或召回率分数可能导致模型分别给出高误报和漏报的情况下用作指标)来评估风险预测模型的精度，f1-score指标(调和平均数)的计算公式可以如下所示：
[0081][0082]
其中，tp，fp，fn和tn分别表示真阳性(预测为正，实际也为正)，假阳性(预测为正，实际为负)，假阴性(预测与负、实际为正)和真阴性(预测为负、实际也为负)的数量。
[0083]
在一些实施例中，还可以通过precision score(精度分数)、recall score(回想分数)、accuracy score(准确性分数)等指标来评估模型的准确率，其中，precision score可以用于衡量模型在预测为正实际为正占所有预测为正样本计数比例的能力。recall score可以用于衡量模型性能，表示预测为正实际为正占所有实际为正样本计数比例的能
力。accuracy score可以用于衡量模型性能，以测量所有预测中真正和真负之和占所有样本计数的比率。当然，模型准确率或精度的评估方式不限于上述举例，所属领域技术人员在本说明书实施例技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本说明书实施例相同或相似，均应涵盖于本说明书实施例保护范围内。
[0084]
通过特征提取模块、注意力模块、预测模块综合处理带有风险标签的交互行为数据，能够更加准确地训练出风险预测模型，从而可以基于风险预测模型输出准确地风险预测结果。
[0085]
参阅图2所示，本说明书实施例还提供了一种风险防控方法。具体实施时，该方法可以包括以下内容。
[0086]
s201：获取与业务对象之间具有交互关系的关联业务对象；
[0087]
s202：根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；
[0088]
s203：根据风险预测结果，对所述业务对象进行风险防控。
[0089]
在一些实施例中，上述根据风险预测结果，对所述业务对象进行风险防控，在具体实施时，可以包括：
[0090]
判断所述风险预测结果是否超过预设风险阈值；
[0091]
若是，则将所述业务对象的行为数据发送至防控中心，以对业务对象进行风险防控。
[0092]
在一些实施例中，可以获取业务对象和关联业务对象的行为数据，如：业务对象之间的投资数据、资金转移数据等，将业务对象和关联业务对象的行为数据输入至构建好的风险预测模型中，输出风险预测结果。然后，可以将输出的风险预测结果与预设风险阈值进行比较，在风险预测结果大于预设风险阈值时，则表明业务对象的行为数据是存在风险的，则需要将业务对象的行为数据发送到防控中心，对业务对象进行风险防控，如：限制业务对象的交易行为等。在风险预测结果小于预设风险阈值，则表明业务对象的行为数据不存在风险。
[0093]
通过根据风险预测模型输出的风险预测结果，可以准确地判断出是否需要对业务对象进行风险防控，从而可以提高风险防控的效率，降低业务对象在存在风险时，给子业务对象或者其他关联业务对象造成的经济损失。
[0094]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述，在此不做一一赘述。
[0095]
上述对本法进行说明，然而值得注意的是，该具体实施例仅是为了更好地说明本技术，并说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0096]
下面结合一个具体实施例对上述方不构成对本技术的不当限定。
[0097]
在具体实施前，首先，收集业务对象、关联业务对象的投资数据与资金往来数据等
交互行为数据。然后，对数据进行预处理，如：对数据筛选得到可用数据等。然后，将收集的数据按照预设8：2比例划分为训练集和测试集，基于训练集对风险预测模型进行训练，基于测试集对风险预测模型训练的结果进行验证。
[0098]
其中，在风险预测模型的训练前，还可以获取业务对象的风险标签，然后基于业务对象的交互行为数据和业务对象的风险标签训练风险预测模型。其中，业务对象的风险标签可以通过如下方式获取：
[0099]
可以先获取与业务对象具有交互关系的关联业务对象，然后，根据业务对象、关联业务对象的风险类型，为业务对象、关联业务对象赋予相应的初始风险值，再根据业务对象、关联业务对象赋予相应的初始风险值，确定出业务对象的综合风险值，然后，可以基于综合风险值，确定出业务对象的风险标签。还可以将业务对象的交互行为数据输入至预设打标模型中，对所述交互行为数据进行打标，得到业务对象的风险标签。
[0100]
在风险预测模型训练时，可以基于将基于业务对象的交互行为数据及其对应的风险标签、风险预测模型的输出对风险预测模型进行训练，通过损失函数计算损失信息，根据损失信息不断调整风险预测模型的参数，直至所述风险预测模型的精度满足预设要求或所述风险预测模型的迭代次数达到预设迭代次数。
[0101]
在具体实施时，可以获取业务对象的行为数据以及关联业务对象的行为数据，然后，将业务对象的行为数据以及关联业务对象的行为数据输入至训练好的风险预测模型中，得到风险预测结果。然后，可以将风险预测结果与预设风险阈值进行比较，判断所述风险预测结果是否超过预设风险阈值，若是，则将所述业务对象的行为数据发送至防控中心，以对业务对象进行风险防控。
[0102]
基于上述的一种风险预测模型的构建方法和一种风险防控方法，本说明书一个或多个实施例还提供一种风险预测模型的构建装置和一种风险防控装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0103]
具体地，图3是本说明书提供的一种风险预测模型的构建装置的一个实施例的模块结构示意图，如图3所示，本说明书提供的一种风险预测模型的构建装置可以包括：
[0104]
赋值模块301，用于根据业务对象的风险类型，为业务对象赋予相应的初始风险值；
[0105]
第一确定模块302，用于根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；
[0106]
第二确定模块303，用于根据综合风险值，确定业务对象的风险标签；
[0107]
训练模块304，用于根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
[0108]
在一个实施例中，上述第一确定模块302具体可以用于获取与业务对象具有交互
关系的关联业务对象，根据业务对象的初始风险值和关联业务对象的初始风险值，确定业务对象的综合风险值。
[0109]
在一个实施例中，上述第二确定模块303具体可以用于将所述交互行为数据输入至预训练的打标模型中，对所述交互行为数据进行打标，得到业务对象的风险标签。
[0110]
在一个实施例中，上述训练模块304具体还可以用于将交互行为数据输入至所述特征提取模块，得到所述交互行为数据的特征数据；通过所述注意力模块对提取的特征数据进行自注意力处理；将处理后的特征数据输入至所述预测模块，得到所述风险预测模型的输出。
[0111]
在一个实施例中，上述训练模块304具体还可以用于基于所述风险预测模型的输出和所述风险标签，对所述风险预测模型进行训练，直至所述风险预测模型的精度满足预设要求或所述风险预测模型的迭代次数达到预设迭代次数。
[0112]
具体地，图4是本说明书提供的一种风险防控装置的一个实施例的模块结构示意图，如图4所示，本说明书提供的一种风险防控装置可以包括：
[0113]
获取模块401，用于获取与业务对象之间具有交互关系的关联业务对象；
[0114]
预测模块402，用于根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；
[0115]
防控模块403，用于根据风险预测结果，对所述业务对象进行风险防控。
[0116]
在一个实施例中，上述防控模块403具体可以用于判断所述风险预测结果是否超过预设风险阈值；若是，则将所述业务对象的行为数据发送至防控中心，以对业务对象进行风险防控。
[0117]
需要说明的是，上述实施例阐明的单元、装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0118]
由上可见，基于本说明书实施例提供的一种风险预测模型的构建装置，通过对业务对象赋予初始风险值，再综合业务对象的交互关系，确定出业务对象的综合风险值，可以全面地考虑业务对象的风险情况。通过利用综合风险值确定出业务对象的风险标签，将风险标签作为训练数据，对风险预测模型进行训练，可以提高风险预测模型训练的准确度。
[0119]
由上可见，基于本说明书实施例提供的一种风险防控装置，通过考虑与业务对象具有交互关系的关联业务对象，并获取业务对象和关联业务对象的行为数据，可以提高风险预测结果的准确率。通过将业务对象和关联业务对象的行为数据输入至训练好的风险预测模型中，输出风险预测结果，可以提高风险预测的效率。
[0120]
本技术还提供一种基于风险预测模型的构建方法的计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器具体实施时可以根据指令执行以下步
骤：根据业务对象的风险类型，为业务对象赋予相应的初始风险值；根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；根据综合风险值，确定业务对象的风险标签；根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
[0121]
本技术还提供一种基于风险防控方法的计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器具体实施时可以根据指令执行以下步骤：获取与业务对象之间具有交互关系的关联业务对象；根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；根据风险预测结果，对所述业务对象进行风险防控。
[0122]
为了能够更加准确地完成上述指令，参阅图5，本技术还提供了另一种具体的计算机设备，其中，所述计算机设备包括网络通信端口501、处理器502以及存储器503，上述结构通过内部线缆相连，以便各个结构可以进行具体的数据交互。
[0123]
其中，所述网络通信端口501，具体可以用于根据业务对象的风险类型，为业务对象赋予相应的初始风险值。
[0124]
所述处理器502，具体可以用于根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；根据综合风险值，确定业务对象的风险标签；根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
[0125]
所述存储器503，具体可以用于存储相应的指令程序。
[0126]
其中，所述网络通信端口501，具体还可以用于获取与业务对象之间具有交互关系的关联业务对象。
[0127]
所述处理器502，具体还可以用于根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果。
[0128]
所述存储器503，具体还可以用于存储相应的指令程序。
[0129]
在本实施例中，所述网络通信端口501可以是与不同的通信协议进行绑定，从而可以发送或接收不同数据的虚拟端口。例如，所述网络通信端口可以是负责进行web数据通信的端口，也可以是负责进行ftp数据通信的端口，还可以是负责进行邮件数据通信的端口。此外，所述网络通信端口还可以是实体的通信接口或者通信芯片。例如，其可以为无线移动网络通信芯片，如gsm、cdma等；其还可以为wifi芯片；其还可以为蓝牙芯片。
[0130]
在本实施例中，所述处理器502可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
[0131]
在本实施例中，所述存储器503可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如ram、fifo等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、tf卡等。
[0132]
本技术还提供了一种基于上述风险预测模型的构建方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：根据业务对象的风险类型，为业务对象赋予相应的初始风险值；根据业务对象之间的交互关系，结合
初始风险值，确定业务对象的综合风险值；根据综合风险值，确定业务对象的风险标签；根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
[0133]
本技术还提供了一种基于上述风险预测模型的构建方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：获取与业务对象之间具有交互关系的关联业务对象；根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；根据风险预测结果，对所述业务对象进行风险防控。
[0134]
在本实施例中，上述存储介质包括但不限于随机存取存储器(random access memory,ram)、只读存储器(read-only memory,rom)、缓存(cache)、硬盘(hard disk drive,hdd)或者存储卡(memory card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
[0135]
在本实施例中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
[0136]
本技术还提供了一种基于上述风险预测模型的构建方法的计算机程序产品，包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行以下步骤：根据业务对象的风险类型，为业务对象赋予相应的初始风险值；根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；根据综合风险值，确定业务对象的风险标签；根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。
[0137]
本技术还提供了一种基于上述风险防控方法的计算机程序产品，包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行以下步骤：获取与业务对象之间具有交互关系的关联业务对象；根据业务对象的行为数据以及关联业务对象的行为数据，通过上述构建的风险预测模型进行风险预测，得到风险预测结果；根据风险预测结果，对所述业务对象进行风险防控。
[0138]
虽然本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
[0139]
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件
部件内的结构。
[0140]
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0141]
通过以上的实施例的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
[0142]
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
[0143]
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。

技术特征：
1.一种风险预测模型的构建方法，其特征在于，包括：根据业务对象的风险类型，为业务对象赋予相应的初始风险值；根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；根据综合风险值，确定业务对象的风险标签；根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。2.根据权利要求1所述的方法，其特征在于，所述根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值，包括：获取与业务对象具有交互关系的关联业务对象，根据业务对象的初始风险值和关联业务对象的初始风险值，确定业务对象的综合风险值。3.根据权利要求1所述的方法，其特征在于，所述确定业务对象的风险标签，包括：将所述交互行为数据输入至预训练的打标模型中，对所述交互行为数据进行打标，得到业务对象的风险标签。4.根据权利要求1所述的方法，其特征在于，所述风险预测模型包括：特征提取模块、注意力模块和预测模块，相应地，所述训练风险预测模型，包括：将交互行为数据输入至所述特征提取模块，得到所述交互行为数据的特征数据；通过所述注意力模块对提取的特征数据进行自注意力处理；将处理后的特征数据输入至所述预测模块，得到所述风险预测模型的输出。5.根据权利要求4所述的方法，其特征在于，所述方法还包括:基于所述风险预测模型的输出和所述风险标签，对所述风险预测模型进行训练，直至所述风险预测模型的精度满足预设要求或所述风险预测模型的迭代次数达到预设迭代次数。6.一种风险防控方法，其特征在于，包括：获取与业务对象之间具有交互关系的关联业务对象；根据业务对象的行为数据以及关联业务对象的行为数据，通过权利要求1-5任意一项构建的风险预测模型进行风险预测，得到风险预测结果；根据风险预测结果，对所述业务对象进行风险防控。7.根据权利要求6所述的方法，其特征在于，所述根据风险预测结果，对所述业务对象进行风险防控，包括：判断所述风险预测结果是否超过预设风险阈值；若是，则将所述业务对象的行为数据发送至防控中心，以对业务对象进行风险防控。8.一种风险预测模型的构建装置，其特征在于，包括：赋值模块，用于根据业务对象的风险类型，为业务对象赋予相应的初始风险值；第一确定模块，用于根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；第二确定模块，用于根据综合风险值，确定业务对象的风险标签；训练模块，用于根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。9.一种风险防控装置，其特征在于，包括：获取模块，用于获取与业务对象之间具有交互关系的关联业务对象；
预测模块，用于根据业务对象的行为数据以及关联业务对象的行为数据，通过权利要求1-5任意一项构建的风险预测模型进行风险预测，得到风险预测结果；防控模块，用于根据风险预测结果，对所述业务对象进行风险防控。10.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而实现权利要求1至7中任一项所述方法的步骤。11.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。12.一种计算机程序产品，其特征在于，包含有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本发明公开了一种风险预测模型的构建、风险防控方法和装置，涉及计算机技术领域，其中，风险预测模型的构建方法包括：根据业务对象的风险类型，为业务对象赋予相应的初始风险值；根据业务对象之间的交互关系，结合初始风险值，确定业务对象的综合风险值；根据综合风险值，确定业务对象的风险标签；根据业务对象的交互行为数据及其对应的风险标签，训练风险预测模型。通过上述方案可以有效地训练出风险预测模型，提高风险预测的效率和准确率。提高风险预测的效率和准确率。提高风险预测的效率和准确率。


技术研发人员：张海轩 王田原
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.06.25
技术公布日：2023/9/16