CN113379530B 用户风险的确定方法、装置和服务器 （中国工商银行股份有限公司）

A,2019.11.29A,2020.06.23A,2021.03.26A,2021.05.07包含有全量业务数据的多个数据表进行预设的同时包含有第一层模型和第二层模型双层结构模型具体包含有分别对应多个子业务场景的多2调用预设的用户风险预测模型处理所述目标用户其中，调用预设的用户风险预测模型处理所述目标用户的应的多个中间处理结果；将多个中间处理结果经第一层模型输入至第二层模型进行处理，其中，所述预设的用户风险预测模型按照以下方式训练得的样本数据集中的与当前初始子模型对应的标注后样本数据集不断地训练当前初始子模调用所述第一层模型处理样本用户的多个样本数据集，得到多获取业务系统的多个数据表；其中，所述多个数据表中的各3基于随机森林算法，构建针对多个子业务场景的多个初始子模型将所述初始的第一层模型中的多个初始子模型与所述初始的第二层5.根据权利要求2所述的方法，其特征在于，在对所述多个数据表进行预设的聚类处获取业务系统的多个数据表；其中，所述多个数据表中的各其中，所述预设的用户风险预测模型用于处理目标用户的4应的多个中间处理结果；将多个中间处理结果经第一层模型输入至第二层模型进行处理，的样本数据集中的与当前初始子模型对应的标注后样本数据集不断地训练当前初始子模调用所述第一层模型处理样本用户的多个样本数据集，得到多调用模块，用于调用预设的用户风险预测模型处理所述其中，所述预设的用户风险预测模型按照以下方式训练得5的样本数据集中的与当前初始子模型对应的标注后样本数据集不断地训练当前初始子模调用所述第一层模型处理样本用户的多个样本数据集，得到多所述处理器执行所述指令时实现权利要求1至7中任一项所述方6[0002]业务办理机构在为用户办理诸如信贷业务、信用卡业务等涉及用户风险的业务7[0022]根据预设的校验规则，对所述样本用户的多个样本数据集分别进行数据清洗处8准确度较高的同时包含有第一层模型和第二层模型双层结构的预设的用户风险预测模型；[0044]图1是应用本说明书实施例提供的用户风险的确定方法的系统结构组成的一个实[0045]图2是在一个场景示例中，应用本说明书实施例提供的用户风险的确定方法的一[0047]图4是本说明书的一个实施例提供的预设的用户风险预测模型的训练方法的流程[0050]图7是在一个场景示例中，应用本说明书实施例提供的用户风险的确定方法的一[0051]图8是在一个场景示例中，应用本说明书实施例提供的用户风险的确定方法的一[0052]图9是在一个场景示例中，应用本说明书实施例提供的用户风险的确定方法的一9[0056]在本实施例中，所述服务器具体可以包括一种应用于A银行数据中心的数据处理[0058]当前用户B在A银行的业务办理大厅想要申请办理A银行的信用待款业务。负责业务办理的工作人员C可以先利用终端设备与服务器进行交互，以确定出用户B的风险等级；存储于数据库中的多个数据表中提取得到的与用户B的身份标识对应的多个业务数据。例[0061]相应的，服务器接收上述用户风险预测请求，并从中解析提取出用户B的业务数将多组业务数据分别输入至预设的用户风险预测模型中第一层模型所包含的对应的多个在确定用户B的风险等级高于预设的第二等级阈值时，可以确定为该用户办理小额度的信[0072]通过上述实施例，可以利用预设的用户风险预测模型来综合用户的多种业务数综合处理目标用户的业务数据，从而可以较为全面且精准地确定出目标用户的风险等级，[0087]具体运行时，目标用户的业务数据会先基于业务的相关性被划分为多组业务数判断该目标用户可信度不足，这时可以为该目标用户办理相对权限等级更低的目标业务，的风险等级正在越变越高时，可以逐步地收回并控制目标用户基于目标业务的权限等级，一个子业务场景的存在业务相关性的一个或多[0109]S3：将所述初始的第一层模型中的多个初始子模型与所述初始的第二层模型相[0112]其中，上述无效数据具体可以理解为对预设的用户风险预测模型的训练影响较的多个样本数据集具体训练模型之前，可以先通过对多个样本数据集进行数据清洗处理，据集；[0140]参阅图4所示，本说明书实施例还提供了一种预设的用户风险预测模型的训练方调用预设的用户风险预测模型处理所述目标用户的业务数据，得到对应的目标处理结果；[0149]所述处理器502，具体可以用于调用预设的用户风险预测模型处理所述目标用户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(ApplicationSpecific[0154]本说明书实施例还提供了一种基于上述用户风险的确定方法的计算机可读存储[0155]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(RandomAccessMemory,RAM)、只读存储器(Read-OnlyMemory,ROM)、缓存(Cache)、硬盘(HardDisk[0156]在本实施例中，该计算机可读存储介质存储的程序指令[0157]参阅图6所示，在软件层面上，本说明书实施例还提供了一种用户风险的确定装[0159]调用模块602，具体可以用于调用预设的用户风险预测模型处理所述目标用户的[0163]在一个具体的场景示例中，可以应用本说明书实施例提供的用户风险的确定方[0166]基于上述系统具体实施时，首先可以通过数据准备装置1对监管系统采集的数据ABC[0172]2)将聚类后的数据输入到清洗模块中，结合监管系统预置的校验规则将垃圾数[0173]3)将清洗后的数据输入到特征选择模块中，按聚类后的按业务维度划分机器学习模型的职责，提高了整个风险等级模型的稳定性和分析的准确01否000否0是是是[0185]具体优化过程可以参阅图10所示。模型调整装置3可以分别通过以下两种途径实[0186]1)关联客户征信系统，将模型分析结果与对应客户的征信系统风险等级进行比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