风险识别方法、装置、设备及存储介质与流程

本发明涉及人工智能，尤其涉及一种风险识别方法、装置、设备及存储介质。

背景技术：

1、当投资者所投资的贷款申请存在违约时，将导致投资者的投资安全性低下。

2、因此，如何准确的预测出贷款申请的违约概率，成了亟需解决的技术问题。

技术实现思路

1、鉴于以上内容，有必要提供一种风险识别方法、装置、设备及存储介质，能够解决如何准确的预测出贷款申请的违约概率的技术问题。

2、一方面，本发明提出一种风险识别方法，所述风险识别方法包括：

3、根据接收到的风险检测请求的申请类型，获取贷款训练数据，所述贷款训练数据包括多个贷款申请记录及每个贷款申请记录在多个申请变量上的变量信息及对应的响应状态；

4、基于所述变量信息对所述多个申请变量进行降维处理，得到目标变量；

5、基于所述响应状态生成每个贷款申请记录的标注结果；

6、基于所述目标变量所对应的变量信息及所述标注结果计算第一预设识别模型的第一识别准确率，并计算第二预设识别模型的第二识别准确率；

7、根据所述第一识别准确率及所述第二识别准确率，从所述第一预设识别模型及所述第二预设识别模型中筛选出与所述风险检测请求对应的目标模型；

8、基于所述目标模型对所述风险检测请求的风险进行识别，得到风险结果。

9、根据本发明优选实施例，所述基于所述变量信息对所述多个申请变量进行降维处理，得到目标变量包括：

10、对于每个申请变量，检测该申请变量所对应的变量信息是否相同；

11、将所述变量信息均相同或者均不相同的申请变量进行剔除，得到多个初始变量；

12、基于所述变量信息，从所述多个初始变量中筛选出中间变量；

13、基于任意两个中间变量的变量相关度，从多个所述中间变量中选取出所述目标变量。

14、根据本发明优选实施例，若所述多个初始变量包括文字变量及数字变量，所述基于所述变量信息，从所述多个初始变量中筛选出中间变量包括：

15、对所述文字变量所对应的变量信息进行编码处理，得到编码值；

16、根据所述编码值及所述数字变量的变量信息生成每个初始变量的变量矩阵；

17、根据所述编码值及所述数字变量的变量信息计算每个初始变量的变量均值；

18、计算所述变量矩阵中每个矩阵元素与对应的初始变量的变量均值的差值，得到每个初始变量的差值矩阵；

19、根据所述差值矩阵的协方差矩阵计算每个初始变量的变量特征值；

20、根据所述变量特征值从所述多个初始变量中筛选出所述中间变量。

21、根据本发明优选实施例，所述基于任意两个中间变量的变量相关度，从多个所述中间变量中选取出所述目标变量包括：

22、根据所述编码值及所述数字变量的变量信息，计算任意两个中间变量的变量相关度；

23、统计每个中间变量的变量相关度大于预设相关度阈值的第一数量，并统计多个所述中间变量的第二数量；

24、根据所述第一数量与所述第二数量的比值，从所述多个中间变量中选取出所述目标变量。

25、根据本发明优选实施例，所述基于所述目标变量所对应的变量信息及所述标注结果计算第一预设识别模型的第一识别准确率包括：

26、将所述目标变量所对应的变量信息输入至所述第一预设识别模型中，得到所述第一预设识别模型对每个贷款申请记录的预测结果；

27、根据所述标注结果及所述预测结果，计算所述第一预设识别模型的预测准确率；

28、基于所述预测准确率对所述第一预设识别模型进行参数调整，直至所述预测准确率不再增大，得到所述第一识别准确率。

29、根据本发明优选实施例，所述基于所述目标模型对所述风险检测请求的风险进行识别，得到风险结果包括：

30、若所述目标模型为所述第一预设识别模型，所述风险结果的生成公式为：y＝p0+p1x1+p2x2+…+pnxn+m，其中，y表示所述风险结果，p0、p1、…、pn、m表示所述第一预设识别模型的模型参数，x1、x2、…、xn表示所述风险检测请求在所述目标变量所对应的目标信息；或者

31、若所述目标模型为所述第二预设识别模型，计算所述目标信息与所述第二预设识别模型中的模型数据的平均信息相似度，若所述平均信息相似度大于所述第二预设识别模型中的零阈值，则将所述平均相似度确定为所述风险结果。

32、根据本发明优选实施例，所述根据接收到的风险检测请求的申请类型，获取贷款训练数据包括：

33、从所述风险检测请求中解析出申请计划；

34、选取与所述申请计划对应的配置类型作为所述申请类型；

35、从所述风险检测请求的触发平台中获取与所述申请类型对应的数据作为初始训练数据；

36、选取所述响应状态为预设状态的初始训练数据作为所述贷款训练数据。

37、另一方面，本发明还提出一种风险识别装置，所述风险识别装置包括：

38、获取单元，用于根据接收到的风险检测请求的申请类型，获取贷款训练数据，所述贷款训练数据包括多个贷款申请记录及每个贷款申请记录在多个申请变量上的变量信息及对应的响应状态；

39、降维单元，用于基于所述变量信息对所述多个申请变量进行降维处理，得到目标变量；

40、生成单元，用于基于所述响应状态生成每个贷款申请记录的标注结果；

41、计算单元，用于基于所述目标变量所对应的变量信息及所述标注结果计算第一预设识别模型的第一识别准确率，并计算第二预设识别模型的第二识别准确率；

42、筛选单元，用于根据所述第一识别准确率及所述第二识别准确率，从所述第一预设识别模型及所述第二预设识别模型中筛选出与所述风险检测请求对应的目标模型；

43、识别单元，用于基于所述目标模型对所述风险检测请求的风险进行识别，得到风险结果。

44、另一方面，本发明还提出一种电子设备，所述电子设备包括：

45、存储器，存储计算机可读指令；及

46、处理器，执行所述存储器中存储的计算机可读指令以实现所述风险识别方法。

47、另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述风险识别方法。

48、由以上技术方案可以看出，本技术根据所述风险检测请求的申请类别获取对应的贷款训练数据进行模型筛选，能够提高所述目标模型的筛选准确性，进一步通过所述变量信息，能够删除所述多个申请变量中的无用变量及干扰变量，因此，能够避免干扰变量对所述第一识别准确率及所述第二识别准确率的影响，从而能够提高所述目标模型的筛选准确性，同时，通过对变量进行降维能够提高所述第一识别准确率及所述第二识别准确率的生成效率，从而提高所述风险结果的生成效率，通过所述响应状态对所述标注结果的更新，能够直接利用所述响应状态生成对应的标注结果，避免了对所述多个贷款申请记录进行标注，从而减少了标注人力，通过所述第一识别准确率及所述第二识别准确率选取出合理的目标模型进行风险识别，能够提高所述风险结果的生成准确性。