CN119417603A 一种基于神经网络的数据风控模型构建方法 （云集数字科技(山东)股份有限公司）

2998号潍坊总部基地一期工程东区45一种基于神经网络的数据风控模型构建方法本发明提供一种基于神经网络的数据风控模型构建方法，涉及风险控制预测优化技术领够更全面地捕捉客户的交易行为特征和情感状有技术基础上显著提高了金融交易风险控制的2实时收集客户在前一个监测时间段的交易行为数据，分别将前一个监测时间段内经过处理后的交易行为数据和构建一个基于神经网络的数据风控模型，使用前一个监构建用于对当前监测时间段采集的交易行为数据和情感数据进行调整的风险调整模将经过调整后的交易行为数据和情感数据输入数据风控模型，以将客户风险水平预测值与初始客户风险水平值进行比对分析，最将前一个监测时间段内经过处理后的交易行为数据转换为交易 是在前一个监测时间段的总交易次数，是在前一个监测时间段内第i次金融交易的金预定义用于标记高风险交易的风险标准，风险标准包括：交易金额将交易金额阈值记为nr；将交易频率阈值记为；将地理位置异常阈值记为;3在前一个监测时间段内，定义高风险交易比例的计算公式为：其中，P(T)是在前一个监测时间段内的高风险交易比例，Gxr是在前一个监测时间段内的高将经过处理后的情感数据转换为情感得分和定义情感得分的计算公式为，其中”a是在前一个监测时间段内的第i次金融交易中，BERT模型输出层获得的第h个类别结果所对应的权重，取值被Sigmoid函数映射到[0,1]的范围内；是在前一个监测时间段内的第i次金融交易中的类别结果总数；是在前一个监测时间段内的第i次金融交易中的情感得分；对于情绪波动指数的转换计算：使用梅尔频率倒谱系数提取客户4初始客户风险水平值压缩到[0,1]的范围，并将当前监测时间段内的初始客户风险将数据风控模型输出的初始客户风险水平值按照对于预定义的风险等级区间，具体根据过去M1个监测时间段所对应的根据多层感知器模型输出的初始客户风险水平值进行风险等级划根据客户在前一个监测时间段内的交易行为数据，计算交易行为趋结合前一个监测时间段的情感得分和情绪波动指数进行融交易的情境因子来对情感得分S(T);进行修正，修正公式如下：其5市场波动因子通过当前和过去市场指标的变化率来计算，市场指标包括但不限M?+)是在当前监测时间段内所对应的金融贷款利率；是在前一个监测时间段内关于金融交易的金融贷款平均获取根据前一个监测时间段计算得到的情感变异系数和交易行为趋当RAM(T)<0.3，指示客户的金融交易处于低风险状态，需要对当前监测时间段采根据风险调整模型对当前监测时间段采集的交易行为数据和情感数据进交易金额变化率，R(T+1)是调整后的交易金额变化率；6高风险交易比例调整公式：P'(T+1)=P(?+1)X(出当前监测时间段内的客户风险水平预测值，以及生成客户的金融交易风险程度评估结易比例PT-+1)、调整后的情感得分和调整后的情绪波动指数作为数据风使用基于多层感知器的数据风控模型进行前向传播计算，以7模型；根据配电设备的性质划分配电设备积水停电风险等级；基于降雨预测数据，通过[0003]尽管基于神经网络的风险控制模型在提升风险识别能力但现有技术在整合交易行为与情感数据方面仍存在不足；传统模型多侧重于交易数据本8分别将前一个监测时间段内经过处理后的交易行为数据和基于转换后的交易行为数据，计算客户在前一个监测时间段的交易行为趋势系构建用于对当前监测时间段采集的交易行为数据和情感数据进行调整的风险调或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。对位置关系也可能相应地改变。9将数据风控模型输出的初始客户风险水平值按照预定义的风险等级区间进行划利用构建的风险调整模型来对当前监测时间段采集的交易行为数据和情感数据[0013]进一步说明，将前一个监测时间段内经过处理后的交易行为数据转换为交易频越不稳定；将交易金额阈值记为nr；超过nr的金融交易被标记为高风险交易，nr的将总交易次数的按照交易顺序划分为至少三个区间，且各区间内所对应的交易金额均不超过设定的nr；并计算各区间内叠加计算，以预测交易金额的波动上限，进而将交易频率阈值记为F(TX；超过F(TX的金融交易被标记为高风险交易，P(T)是在前一个监测时间段内的高风险交易比例，Gxr是在前一个监测使用BERT（表示为双向编码器表示的转换器BidirectionalEncoderRepresentat分词处理：利用BERT的分词器将文本分解为独立的单词或子词单元；BERT使用通过Sigmoid函数将该特征向量映射到[0,1]的定义情感得分的计算公式为，其中”a是在前一个监测时间段内的第i次金融交易中，BERT模型输出层获得的第h个类别结果所对应的权重，是在前一个监测时间段内的第i次金融交易中，第h个类别结果所提取的特征向通过情感分类模型的输出概率获取，即表示每个特征对分类结果的贡献程使用梅尔频率倒谱系数提取客户在每次金融交易的语音情感特征，得到MFCC特[0018]其中，i(r是在前一个监测时间段内的情绪波动指数，表示第i_1次金融对于输出层：输出当前监测时间段的初始客户风险水平值；采用Sigmoid激活函是根据前一个监测时间段的交易行为数据计算得到的交易行为趋势当交易频率F(?r)对交易行为趋势至关重要时，且相对于其他交易金额变化率当交易频率F(T)对交易行为趋势的重要性较低，相对于其他因素的影响较小时，当高风险交易比例P(T)对交易行为趋势的影响较大时，权重a3的取市场波动因子B(?T:通过当前和过去市场指标的变化率来计算，市场指标包括但[0042]M?+)是在当前监测时间段内所对应的金融贷款利率；是在前一个监测时间段内关于金融交易的金融贷款平均在这种情况下，当修正后的情感得分平均值s"(Tmean对客户情绪状态的准确描述极为重要且影响较大时，b1的权重在[0.6,0.8]的范围内相对较高，而b2的权重则在根据风险调整模型对当前监测时间段采集的交易行为数据和情感数据进行以下[0047]其中，d1是关于金额变化率的调整系数，d1取值范围为0.01≤d1≤0.68，体现增加或减少时对交易金额变化率的相应调整；R(?+1)是当前监测时间段计算的施例d3取值0.18；P(?+1)是当前监测时间段计算的高风险交易比例；P(T+1)是调整后的险交易比例PT-+1)、调整后的情感得分和调整后的情绪波动指数作为数将所