CN119444380A 一种风险识别方法、装置及设备 （中国建设银行股份有限公司）

息包括业务场景和所述业务场景下的风险识别务场景下与风险识别规则相匹配的第二业务数优化；利用优化后的风险识别规则进行风险识2获取用户诉求信息，所述用户诉求信息包括业务场景和所述查询所述业务场景下与所述风险识别需求相匹查询所述业务场景下与所述风险识别规则相匹基于所述风险识别需求中的关键信息，使用模糊匹配在业务数据库将所述风险提示信息输入到所述预训练的大语获取所述预训练的大语言模型生成的风险识别基于所述风险识别规则中的关键信息和所述风险识别需求中的关若所述风险识别规则的风险识别准确度小于预设的风险3获取模块，用于获取用户诉求信息，所述用户诉求信息包第一查询模块，用于查询所述业务场景下与所述风险识别需求相匹配的第一业务数生成模块，用于根据用户诉求信息和第一业务数据，使第二查询模块，用于查询所述业务场景下与所述风险识别规则相匹配的第二业务数强化学习模块，用于利用所述第二业务数据对所述风险识别优化模块，用于根据所述业务场景和优化后的风险器执行时实现权利要求1至8中任意一项所述理器执行时实现权利要求1至8中任意一项所述的方法4[0004]因此如何克服传统风险识别规则在金融风险管理中的局限性，提供一种适应性5[0031]基于所述风险识别规则和第二业务数据，调度强化学习优化引擎构建深度Q学习[0037]基于所述优化后的风险识别规则和所述业务场景下的结构化的风险识别提示信[0044]强化学习模块，用于利用所述第二业务数据对所述风险6[0056]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7保险或其他融资方式来转移或分散风险。这有助于企业或个人在面临风险时保持财务稳8业务数据库中和当前风险识别需求相关的业务数据。代理机器人可以使用TF_IDF、机器人可以使用LDA模型提取风险识别需求中的关键信息。LDA模型假定文档/文本集合中叶斯统计推断的方法，通过Gibbs抽样或者变分推断等手段估计出最优的主题分布和主题键词就是在给定主题下具有高概率的词汇。代理机器人通过训练好的LDA模型查看风险识升在业务数据库中查询相关业务数据的效率。代理机器人根据风险识别需求中的关键信联这些业务数据字段相应的业务数据作为第一业9风险识别提示信息并结构化所述风险识别提示信息；基于所述结构化的风险识别提示信[0096]{"min_total_score":90,"risk_level":"low"},[0097]{"min_total_score":80,"risk_level":"medium"},[0098]{"min_total_score":70,"risk_level":"medium_high"},人可以获取所述预训练的大语言模型生成的风险识别规则。据输入的结构化的风险识别提示信息生成初版的风险[0110]credit_score(信用评分)<credit_score_threshold(credit_score_threshold[0111]loan_amount(贷款人可以使用模糊匹配算法为风险识别规则中关键信息和用户诉求关键信息中每个属性分数据库中关联A年份12个月的贷款申请数据作为第一业务风险识别规则。至优化后的风险识别规则的风险识别准确度大于或等于预设的风险识[0122]通过构建深度Q学习器生成第二业务数据相应的动作轨迹集合，可以使用动作强通过深度Q学习器构建一个模拟环境，并在模拟环境中定义状态空间、动作空间和奖励函器人可以使用深度Q学习器对动作空间中的每一个动作计算得出相应的动作价值。若计算识别规则。代理机器人可以组合深度Q学习器初步调整初版风险识别规则过程中的多个动score)，贷款申请金额(loan_amount)这些特征组成状态空间$s＝[age,income,credit_值(age_threshold)、收入阈值(income_threshold)、信用评分阈值(credit_score_threshold)和贷款金额上限(loa[0128]credit_score<cred[0131]假设存在如下表1中的一组样本数据，代理机器人可以预先在动作轨迹集合中为迹中的每个动作都对应于添加了新的条件规则或修改了现有规则的条件或修改了现有规组样本数据的动作轨迹和相应累积动作价值的更新。代理机器人可以使用深度Q学习器对[0135]代理机器人在使用深度Q学习器对第二业务数据中所有组样本数据进行动作更新后，可以得到初步优化后的风险识别规则。但深度Q学习器在动作调整时容易陷入局部最动作轨迹及其对应的累积动作价值、对应的约束条件生成满足累积价值更大的动作轨迹。具体而言，代理机器人可以将动作轨迹集合中的每条动作轨迹作为动作强化模型的输入，险识别规则。[0139]代理机器人可以获取调整前的风险识别规则在第一业务最新的知识和规则。[0141]在一些实施例中，代理机器人可以利用优化后的所述风险识别规则进行风险识个人可以获取代理机器人生成的风险等级预测结果并根据风险等级预测结果制定相应的[0144]获取模块301可以用于获取用户诉求信息，所述用户诉求信息包括业务场景和所[0145]第一查询模块302可以用于查询所述业务场景下与所述风险识别需求相匹配的第[0146]生成模块303可以用于根据用户诉求信息和第一业务数据，使用大语言模型生成风险识别规则；[0147]第二查询模块304可以用于查询所述业务场景下与所述风险识别规则相匹配的第[0148]强化学习模块305可以用于利用所述第二业务数据对所述风险识别规则进行强化[0149]优化模块306可以用于根据所述业务场景和优化后的风险识别规则，对所述大语[0151]在一些实施例中，上述第一查询模块302具体可以用于提取所述风险识别需求中[0152]在一些实施例中，上述生成模块303具体可以用于基于风险识别需求和第一业务成的风险识别规则。[0153]在一些实施例中，上述第二查询模块304具体可以用于提取所述风险识别规则中些实施例中，上述强化学习模块305具体还可以用于基于所述风险识别规则和第二业务数[0155]在一些实施例中，上述优化模块306具体可以用于基于所述优化后的风险识别规计人工经验，降低了风险识别规则生成的门槛并提高了风险识别规则生成的效率和质量。[0160]所述处理器402具体用于根据风险识别需求匹配相应的第一业务数据；根据风险402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现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0168]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制