CN110119882A - 一种平台风险监控方法、装置、设备及存储介质 - Google Patents
一种平台风险监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110119882A CN110119882A CN201910296002.2A CN201910296002A CN110119882A CN 110119882 A CN110119882 A CN 110119882A CN 201910296002 A CN201910296002 A CN 201910296002A CN 110119882 A CN110119882 A CN 110119882A
- Authority
- CN
- China
- Prior art keywords
- risk
- index assessment
- business datum
- classification information
- risk point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000012502 risk assessment Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种平台风险监控方法、装置、设备及存储介质,该方法包括:获取与业务数据对应的风险指数评估模型;从所述业务数据中获取风险点类别信息;利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。该方法可以缓解单靠人力对每个融资平台的风险进行有效监控的难度,达到了提高平台风险监控效率的技术效果。
Description
技术领域
本申请涉及金融风险控制领域,尤其涉及一种平台风险监控方法、装置、设备及存储介质。
背景技术
随着我国经济和社会的发展,各类融资平台的数量呈现爆发式增长。互联网与金融的融合进一步催生了一系列新的融资模式,例如:P2P(peer-to-peer,个人对个人)众筹。与此同时,相应的监管措施还未健全,各类融资平台的市场混乱,违法违规现象频发。不仅限制了该行业的健康发展,还为我国经济带来了巨大的风险和隐患。
在实际应用中,由于融资平台的数量多,新增速度快,所以,单靠人力对每个融资平台的风险进行有效监控的难度比较大。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种平台风险监控方法、装置、设备及存储介质。
第一方面,本申请实施例提供了一种平台风险监控方法,包括:
获取与业务数据对应的风险指数评估模型;
从所述业务数据中获取风险点类别信息;
利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
可选的,所述从所述业务数据中获取风险点类别信息,包括:
获取与所述业务数据对应的预设风险规则和风险分析模型;
利用所述预设风险规则从所述业务数据中提取风险关联数据;
利用所述风险分析模型对提取到的所述风险关联数据进行风险点识别,得到所述风险关联数据的所述风险点类别信息。
可选的,所述获取与业务数据对应的风险指数评估模型,包括:
获取所述业务数据的业务类型;
构建与所述业务类型对应的训练数据集和基本模型;
利用所述训练数据集,训练所述基本模型,得到所述风险指数评估模型。
可选的,所述获取与业务数据对应的风险指数评估模型,包括:
获取所述业务数据的业务类型;
从预设的评估模型集合中查找与所述业务类型对应的风险指数评估模型。
可选的,所述风险点类别信息包括:与每个一级风险点分别对应的二级风险点的种类数,所述利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果,包括:
提取所述风险点类别信息中的、与每个所述一级风险点分别对应的二级风险点的种类数;
将多个所述种类数输入所述风险指数评估模型;
计算得到所述风险指数评估结果。
可选的,所述风险指数评估模型为:
其中,b为已知的常数项,f(x)为所述风险指数评估结果,ωi为与第i个一级风险点对应的已知的风险权重,n为所述一级风险点的种类数,xi为与第i个一级风险点对应的二级风险点的种类数。
可选的,所述方法还包括:
获取校验数据集,所述校验数据集包括:已校验的风险点类别信息;
统计所述校验数据集中包括的信息的数量;
判断所述数量是否大于数量阈值;
若所述数量大于所述数量阈值,则将所述校验数据集中的信息加入所述训练数据集,得到更新数据集;
利用所述更新数据集,更新所述风险指数评估模型。
第二方面,本申请实施例提供了一种平台风险监控装置,包括:第一获取模块、第二获取模块和评估模块;
所述第一获取模块,用于获取与业务数据对应的风险指数评估模型;
所述第二获取模块,用于从所述业务数据中获取风险点类别信息;
所述评估模块,用于利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
第三方面,本申请实施例提供了一种平台风险监控设备,包括:处理器、存储器、通信接口和总线;
所述处理器、所述存储器与所述通信接口通过所述总线完成相互间的通信;
所述通信接口用于外部设备之间的信息传输;
所述处理器用于调用所述存储器中的程序指令,以执行如第一方面中任一项所述方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如第一方面中任一项所述方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的平台风险监控方法包括:获取与业务数据对应的风险指数评估模型;从所述业务数据中获取风险点类别信息;利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。所以,本申请实施例可以自动从业务数据中获取风险点类别信息,利用风险指数评估模型,对风险点类别信息进行风险评估,得到风险点类别信息的风险指数评估结果,避免由于单靠人力对每个融资平台的风险进行有效监控而导致的平台风险监控难度大的问题,可以缓解单靠人力对每个融资平台的风险进行有效监控的难度,达到了提高平台风险监控效率的技术效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的平台风险监控方法的第一种流程图;
图2为本申请实施例提供的平台风险监控方法的第二种流程图;
图3为本申请实施例提供的平台风险监控装置的结构示意图;
图4为本申请实施例提供的平台风险监控设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种平台风险监控方法、装置、设备及存储介质,可以避免由于单靠人力对每个融资平台的风险进行有效监控而导致的平台风险监控难度大的问题,可以缓解单靠人力对每个融资平台的风险进行有效监控的难度,达到了提高平台风险监控效率的技术效果。
首先,对本申请实施例中的一种平台风险监控方法进行详细介绍,如图1所示,平台风险监控方法可以包括步骤S101至步骤S103:
S101,获取与业务数据对应的风险指数评估模型。
示例性的,风险指数评估模型可以为线性回归模型。
S102,从所述业务数据中获取风险点类别信息。
S103,利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
其中,本申请实施例利用风险指数评估模型对所述风险点类别信息进行风险评估,具有评估速度快、准确率高的特点。
本申请实施例提供的平台风险监控方法包括:获取与业务数据对应的风险指数评估模型;从所述业务数据中获取风险点类别信息;利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。所以,本申请实施例可以自动从业务数据中获取风险点类别信息,利用风险指数评估模型,对风险点类别信息进行风险评估,得到风险点类别信息的风险指数评估结果,避免由于单靠人力对每个融资平台的风险进行有效监控而导致的平台风险监控难度大的问题,可以缓解单靠人力对每个融资平台的风险进行有效监控的难度,达到了提高平台风险监控效率的技术效果。
在本申请的又一实施例中,在前述步骤S101至步骤S103的实施例的基础上,步骤S102可以包括步骤S1021至步骤S1023:
S1021,获取与所述业务数据对应的预设风险规则和风险分析模型。
具体的,获取与所述业务数据对应的预设风险规则,可以包括:获取所述业务数据的业务类型;构建与所述业务类型对应的多个一级风险点;为每个所述一级风险点分别构建多个二级风险点;为每个所述二级风险点分别增加描述信息,形成所述预设风险规则。
或者,获取与所述业务数据对应的预设风险规则,可以包括:获取所述业务数据的业务类型;从预设的风险规则集合中查找与所述业务类型对应的预设风险规则。
示例性的,预设风险规则可以如表1所示。
表1
S1022,利用所述预设风险规则从所述业务数据中提取风险关联数据。
具体的,所述利用所述预设风险规则从所述业务数据中提取风险关联数据,可以包括:从所述业务数据中,提取与目标平台标识相匹配的匹配文本信息;对所述匹配文本信息进行命名实体识别,得到目标实体;若所述目标实体与所述目标平台标识相匹配,则将包括所述目标实体的匹配文本信息确定为平台相关文本信息;根据每个所述二级风险点的所述描述信息,分别生成筛选规则;利用所述筛选规则,从所述平台相关文本信息中筛选出所述风险关联数据。
S1023,利用所述风险分析模型对提取到的所述风险关联数据进行风险点识别,得到所述风险关联数据的所述风险点类别信息。
具体的,所述利用所述风险分析模型对提取到的所述风险关联数据进行风险点识别,得到所述风险关联数据的风险点类别信息,可以包括:以语句为单位,对所述风险关联数据进行划分,得到首尾相连的多个单条文本;将多个所述单条文本逐个输入所述风险分析模型,得到与每个所述单条文本分别对应的风险点识别类别;从多个所述风险点识别类别中,统计与每个所述一级风险点分别对应的二级风险点的种类数,得到所述风险点类别信息。
示例性的,风险点类别信息可以如表2所示。
表2
一级风险点 | 对应的二级风险点的种类数 |
非法经营 | 2 |
高息诱导 | 4 |
涉嫌传销 | 4 |
违规宣传 | 3 |
负面舆情多 | 5 |
工商异常 | 3 |
经营异常 | 5 |
关联风险 | 6 |
面向特定主体 | 8 |
… | … |
在本申请的又一实施例中,在前述步骤S101至步骤S103的实施例的基础上,步骤S101可以包括步骤S1011至步骤S1013:
S1011,获取所述业务数据的业务类型。
示例性的,所述业务数据可以为互联网融资平台数据,或者,可以为互联网教育平台数据,或者,可以为互联网租房平台数据等。若所述业务数据为互联网融资平台数据,则可以获取互联网融资平台数据的业务类型为互联网融资业务。
其中,可以从互联网开源渠道和/或特定业务部门渠道获取所述业务数据。示例性的,可以利用定向导入方式从特定业务部门渠道获取所述业务数据。可以利用爬虫技术动态从互联网开源渠道获取所述业务数据。以业务数据为互联网融资平台数据为例进行说明。互联网融资平台数据可以包括:各融资平台所属公司的工商信息、官方网站描述内容、发布的融资项目具体信息、通过公开渠道进行宣传的内容以及社交媒体平台等公开渠道中涉及各融资平台的评论内容等。
S1012,构建与所述业务类型对应的训练数据集和基本模型。
其中,若业务类型为互联网融资业务,则构建与互联网融资业务对应的训练数据集和基本模型。
具体的,构建与互联网融资业务对应的训练数据集的过程可以为:从已知的多个融资平台中人工筛选预设数量的融资平台,人工标注每个筛选出的融资平台的风险点类别信息和风险指数,得到与互联网融资业务对应的训练数据集。示例性的,预设数量可以为50个。
示例性的,基本模型可以为:
其中,B为已知的初始常数项,Wi为与第i个一级风险点对应的已知的初始风险权重,n为所述一级风险点的种类数。各一级风险点的初始风险权重可以根据一级风险点本身对于融资平台违法的指示性、风险点获取的难度、获取结果的可靠性等因素来综合得出。
S1013,利用所述训练数据集,训练所述基本模型,得到所述风险指数评估模型。
其中,在利用训练数据集训练基本模型的过程中,对于每个筛选出的融资平台,将人工标注的风险点类别信息代入基本模型的xi中,将人工标注的风险指数代入基本模型的f(x)中,初始常数项B被训练为常数项b,与第i个一级风险点对应的初始风险权重Wi被训练为风险权重ωi。所以,所述风险指数评估模型可以为:
其中,b为已知的常数项,f(x)为待计算的风险指数评估结果,ωi为与第i个一级风险点对应的已知的风险权重,n为所述一级风险点的种类数,xi为待输入的与第i个一级风险点对应的二级风险点的种类数。
在本申请的又一实施例中,在前述步骤S101至步骤S103的实施例的基础上,步骤S101可以包括步骤S201至步骤S202:
S201,获取所述业务数据的业务类型。
示例性的,所述业务数据可以为互联网融资平台数据,或者,可以为互联网教育平台数据,或者,可以为互联网租房平台数据等。若所述业务数据为互联网融资平台数据,则可以获取互联网融资平台数据的业务类型为互联网融资业务。
其中,可以从互联网开源渠道和/或特定业务部门渠道获取所述业务数据。示例性的,可以利用定向导入方式从特定业务部门渠道获取所述业务数据。可以利用爬虫技术动态从互联网开源渠道获取所述业务数据。以业务数据为互联网融资平台数据为例进行说明。互联网融资平台数据可以包括:各融资平台所属公司的工商信息、官方网站描述内容、发布的融资项目具体信息、通过公开渠道进行宣传的内容以及社交媒体平台等公开渠道中涉及各融资平台的评论内容等。
S202,从预设的评估模型集合中查找与所述业务类型对应的风险指数评估模型。
具体的,可以利用预设的业务类型与评估模型之间的对应关系,从预设的评估模型集合中查找与所述业务类型对应的风险指数评估模型。示例性的,业务类型与评估模型之间的对应关系可以如表3所示。
表3
业务类型 | 评估模型 |
互联网融资业务 | A |
互联网教育业务 | B |
互联网租房业务 | C |
举例说明,若业务类型为互联网融资业务,则可以从预设的评估模型集合{A,B,C}中查找与互联网融资业务对应的评估模型A。
本申请实施例中,所述获取与业务数据对应的风险指数评估模型,包括:获取所述业务数据的业务类型;从预设的评估模型集合中查找与所述业务类型对应的风险指数评估模型。获取业务数据的业务类型后,从预设的评估模型集合中查找与所述业务类型对应的风险指数评估模型,若从预设的评估模型集合中,未查找到与所述业务类型对应的风险指数评估模型,则可以构建与业务类型对应的风险指数评估模型。
在本申请的又一实施例中,在前述步骤S1011至步骤S1013的实施例的基础上,所述风险点类别信息包括:与每个一级风险点分别对应的二级风险点的种类数,所述利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果,可以包括步骤S1031至步骤S1033:
S1031,提取所述风险点类别信息中的、与每个所述一级风险点分别对应的二级风险点的种类数。
示例性的,从如表2所示的风险点类别信息中可以提取:x1=2,x2=4,x3=4,x4=3,x5=5,x6=3,x7=5,x8=6,x9=8等。
S1032,将多个所述种类数输入所述风险指数评估模型。
示例性的,风险指数评估模型可以为:
其中,b为已知的常数项,f(x)为待计算的风险指数评估结果,ωi为与第i个一级风险点对应的已知的风险权重,n为所述一级风险点的种类数,xi为待输入的与第i个一级风险点对应的二级风险点的种类数。
S1033,计算得到所述风险指数评估结果。
在本申请的又一实施例中,在前述步骤S1031至步骤S1033的实施例的基础上,如图2所示,所述平台风险监控方法还可以包括步骤S301至步骤S305:
S301,获取校验数据集,所述校验数据集包括:已校验的风险点类别信息。
其中,计算得到风险指数评估结果后,人工验证风险指数评估结果是否合理,若不合理,则将与验证不合理的风险指数评估结果对应的风险点类别信息确定为已校验的风险点类别信息。
S302,统计所述校验数据集中包括的信息的数量。
S303,判断所述数量是否大于数量阈值。
其中,数量阈值可以根据实际需要进行人工设置,示例性的,数量阈值可以为4。
S304,若所述数量大于所述数量阈值,则将所述校验数据集中的信息加入所述训练数据集,得到更新数据集。
S305,利用所述更新数据集,更新所述风险指数评估模型。
其中,在更新风险指数评估模型的过程中,待更新的参数可以包括:常数项b,以及与第i个一级风险点对应的风险权重ωi。
本申请实施例中,由于利用已校验的风险点类别信息对风险指数评估模型进行更新,所以,本申请实施例能够根据当前实际情况实现动态化的模型调整,提高风险指数评估的准确性和有效性。同时,本申请实施例利用少量的人工标注信息对风险指数评估模型的工作效果进行反馈,使得本申请实施例具有智能化的人机交互模式,能够辅助相关人员实现快速准确的融资平台风险评估与监管。
在本申请的又一实施例中,对本申请实施例中的一种平台风险监控装置进行详细介绍,如图3所示,平台风险监控装置可以包括:第一获取模块31、第二获取模块32和评估模块33。
所述第一获取模块31,用于获取与业务数据对应的风险指数评估模型。
所述第二获取模块32,用于从所述业务数据中获取风险点类别信息。
所述评估模块33,用于利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
在本申请的又一实施例中,对本申请实施例中的一种平台风险监控设备进行详细介绍,如图4所示,平台风险监控设备可以包括:处理器401、存储器402、通信接口403和总线404。
所述处理器401、所述存储器402与所述通信接口403通过所述总线404完成相互间的通信。
所述通信接口403用于外部设备之间的信息传输。
示例性的,外部设备可以为用户设备UE。
所述处理器401用于调用所述存储器402中的程序指令,以执行如上述任一项实施例所述的平台风险监控方法的步骤。
具体而言,所述处理器401用于执行所述平台风险监控程序,以实现以下步骤:获取与业务数据对应的风险指数评估模型;从所述业务数据中获取风险点类别信息;利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
在本申请的又一实施例中,对本申请实施例中的一种计算机可读存储介质进行详细介绍,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上述任一项实施例所述平台风险监控方法的步骤。
其中,所述计算机可读存储介质可以存储有一个或者多个计算机指令。所述计算机可读存储介质可以包括易失性存储器,例如随机存取存储器;所述计算机可读存储介质也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;所述计算机可读存储介质还可以包括上述种类的存储器的组合。
具体而言,所述计算机指令使所述计算机执行以下步骤:获取与业务数据对应的风险指数评估模型;从所述业务数据中获取风险点类别信息;利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits,ASIC)、数字信号处理器(DigitalSignalProcessing,DSP)、数字信号处理设备(DSPDevice,DSPD)、可编程逻辑设备(ProgrammableLogicDevice,PLD)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种平台风险监控方法,其特征在于,包括:
获取与业务数据对应的风险指数评估模型;
从所述业务数据中获取风险点类别信息;
利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
2.根据权利要求1所述的方法,其特征在于,所述从所述业务数据中获取风险点类别信息,包括:
获取与所述业务数据对应的预设风险规则和风险分析模型;
利用所述预设风险规则从所述业务数据中提取风险关联数据;
利用所述风险分析模型对提取到的所述风险关联数据进行风险点识别,得到所述风险关联数据的所述风险点类别信息。
3.根据权利要求1所述的方法,其特征在于,所述获取与业务数据对应的风险指数评估模型,包括:
获取所述业务数据的业务类型;
构建与所述业务类型对应的训练数据集和基本模型;
利用所述训练数据集,训练所述基本模型,得到所述风险指数评估模型。
4.根据权利要求1所述的方法,其特征在于,所述获取与业务数据对应的风险指数评估模型,包括:
获取所述业务数据的业务类型;
从预设的评估模型集合中查找与所述业务类型对应的风险指数评估模型。
5.根据权利要求3所述的方法,其特征在于,所述风险点类别信息包括:与每个一级风险点分别对应的二级风险点的种类数,所述利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果,包括:
提取所述风险点类别信息中的、与每个所述一级风险点分别对应的二级风险点的种类数;
将多个所述种类数输入所述风险指数评估模型;
计算得到所述风险指数评估结果。
6.根据权利要求5所述的方法,其特征在于,所述风险指数评估模型为:
其中,b为已知的常数项,f(x)为所述风险指数评估结果,ωi为与第i个一级风险点对应的已知的风险权重,n为所述一级风险点的种类数,xi为与第i个一级风险点对应的二级风险点的种类数。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取校验数据集,所述校验数据集包括:已校验的风险点类别信息;
统计所述校验数据集中包括的信息的数量;
判断所述数量是否大于数量阈值;
若所述数量大于所述数量阈值,则将所述校验数据集中的信息加入所述训练数据集,得到更新数据集;
利用所述更新数据集,更新所述风险指数评估模型。
8.一种平台风险监控装置,其特征在于,包括:第一获取模块、第二获取模块和评估模块;
所述第一获取模块,用于获取与业务数据对应的风险指数评估模型;
所述第二获取模块,用于从所述业务数据中获取风险点类别信息;
所述评估模块,用于利用所述风险指数评估模型,对所述风险点类别信息进行风险评估,得到所述风险点类别信息的风险指数评估结果。
9.一种平台风险监控设备,其特征在于,包括:处理器、存储器、通信接口和总线;
所述处理器、所述存储器与所述通信接口通过所述总线完成相互间的通信;
所述通信接口用于外部设备之间的信息传输;
所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910296002.2A CN110119882A (zh) | 2019-04-12 | 2019-04-12 | 一种平台风险监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910296002.2A CN110119882A (zh) | 2019-04-12 | 2019-04-12 | 一种平台风险监控方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110119882A true CN110119882A (zh) | 2019-08-13 |
Family
ID=67521031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910296002.2A Pending CN110119882A (zh) | 2019-04-12 | 2019-04-12 | 一种平台风险监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119882A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383115A (zh) * | 2020-03-16 | 2020-07-07 | 中科天玑数据科技股份有限公司 | 一种交易场所异常行为监测分析方法和系统 |
CN111383150A (zh) * | 2020-03-04 | 2020-07-07 | 青岛海信网络科技股份有限公司 | 一种用于交通警务违规行为的识别监管方法和装置 |
CN111402054A (zh) * | 2020-03-16 | 2020-07-10 | 中科天玑数据科技股份有限公司 | 一种股权融资平台风险判定方法及系统 |
CN111861507A (zh) * | 2020-06-30 | 2020-10-30 | 成都数之联科技有限公司 | 一种用于实时分析网络餐饮店铺风险的识别方法及系统 |
CN112288279A (zh) * | 2020-10-30 | 2021-01-29 | 平安医疗健康管理股份有限公司 | 基于自然语言处理和线性回归的业务风险评估方法和装置 |
CN112711651A (zh) * | 2020-12-30 | 2021-04-27 | 上海金仕达软件科技有限公司 | 一种舆情监测方法及系统 |
CN112801788A (zh) * | 2021-01-20 | 2021-05-14 | 国家计算机网络与信息安全管理中心 | 一种互联网股权融资平台监控系统及监控方法 |
CN113094270A (zh) * | 2021-04-13 | 2021-07-09 | 中国工商银行股份有限公司 | 项目自动化验证方法及装置 |
CN113434681A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技(深圳)有限公司 | 业务操作控制方法、装置、电子设备及介质 |
CN115712866A (zh) * | 2022-10-28 | 2023-02-24 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809343A (zh) * | 2016-03-04 | 2016-07-27 | 深圳市前海安测信息技术有限公司 | 用于评估保险标的风险的核保和精算数据库系统 |
CN107067157A (zh) * | 2017-03-01 | 2017-08-18 | 北京奇艺世纪科技有限公司 | 业务风险评估方法、装置及风控系统 |
CN107993143A (zh) * | 2017-11-23 | 2018-05-04 | 深圳大管加软件与技术服务有限公司 | 一种信贷风险评估方法及系统 |
CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
-
2019
- 2019-04-12 CN CN201910296002.2A patent/CN110119882A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809343A (zh) * | 2016-03-04 | 2016-07-27 | 深圳市前海安测信息技术有限公司 | 用于评估保险标的风险的核保和精算数据库系统 |
CN107067157A (zh) * | 2017-03-01 | 2017-08-18 | 北京奇艺世纪科技有限公司 | 业务风险评估方法、装置及风控系统 |
CN107993143A (zh) * | 2017-11-23 | 2018-05-04 | 深圳大管加软件与技术服务有限公司 | 一种信贷风险评估方法及系统 |
CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383150A (zh) * | 2020-03-04 | 2020-07-07 | 青岛海信网络科技股份有限公司 | 一种用于交通警务违规行为的识别监管方法和装置 |
CN111402054A (zh) * | 2020-03-16 | 2020-07-10 | 中科天玑数据科技股份有限公司 | 一种股权融资平台风险判定方法及系统 |
CN111383115A (zh) * | 2020-03-16 | 2020-07-07 | 中科天玑数据科技股份有限公司 | 一种交易场所异常行为监测分析方法和系统 |
CN111861507B (zh) * | 2020-06-30 | 2023-10-24 | 成都数之联科技股份有限公司 | 一种用于实时分析网络餐饮店铺风险的识别方法及系统 |
CN111861507A (zh) * | 2020-06-30 | 2020-10-30 | 成都数之联科技有限公司 | 一种用于实时分析网络餐饮店铺风险的识别方法及系统 |
CN112288279A (zh) * | 2020-10-30 | 2021-01-29 | 平安医疗健康管理股份有限公司 | 基于自然语言处理和线性回归的业务风险评估方法和装置 |
CN112711651A (zh) * | 2020-12-30 | 2021-04-27 | 上海金仕达软件科技有限公司 | 一种舆情监测方法及系统 |
CN112801788A (zh) * | 2021-01-20 | 2021-05-14 | 国家计算机网络与信息安全管理中心 | 一种互联网股权融资平台监控系统及监控方法 |
CN113094270A (zh) * | 2021-04-13 | 2021-07-09 | 中国工商银行股份有限公司 | 项目自动化验证方法及装置 |
CN113094270B (zh) * | 2021-04-13 | 2024-03-26 | 中国工商银行股份有限公司 | 项目自动化验证方法及装置 |
CN113434681A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技(深圳)有限公司 | 业务操作控制方法、装置、电子设备及介质 |
CN115712866A (zh) * | 2022-10-28 | 2023-02-24 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
CN115712866B (zh) * | 2022-10-28 | 2023-05-02 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119882A (zh) | 一种平台风险监控方法、装置、设备及存储介质 | |
CN110135693A (zh) | 一种风险识别方法、装置、设备及存储介质 | |
WO2020042795A1 (zh) | 样本属性评估模型训练方法、装置及服务器 | |
US20190095801A1 (en) | Cognitive recommendations for data preparation | |
US9171072B2 (en) | System and method for real-time dynamic measurement of best-estimate quality levels while reviewing classified or enriched data | |
CN108764707A (zh) | 一种数据评估系统以及方法 | |
CN103336766A (zh) | 短文本垃圾识别以及建模方法和装置 | |
CN108366045A (zh) | 一种风控评分卡的设置方法和装置 | |
CN104503973A (zh) | 一种基于奇异值分解与分类器融合推荐的方法 | |
CN109472305A (zh) | 答案质量确定模型训练方法、答案质量确定方法及装置 | |
CN107704512A (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
CN110046196A (zh) | 标识关联方法及装置、电子设备 | |
CN104679769A (zh) | 对产品的使用场景进行分类的方法及装置 | |
CN112771564A (zh) | 生成网站的语义方向以自动实体寻的到映射身份的人工智能引擎 | |
CN107357874A (zh) | 用户分类方法及装置、电子设备、存储介质 | |
CN105630801A (zh) | 用于检测偏离用户的方法和装置 | |
CN104796300B (zh) | 一种数据包特征提取方法及装置 | |
CN103164698A (zh) | 指纹库生成方法及装置、待测文本指纹匹配方法及装置 | |
CN108280164A (zh) | 一种基于类别相关单词的短文本过滤与分类方法 | |
CN110472057B (zh) | 话题标签的生成方法及装置 | |
CN107491536A (zh) | 一种试题校验方法、试题校验装置及电子设备 | |
CN109961311A (zh) | 客户推荐方法、装置、计算设备及存储介质 | |
CN110309234A (zh) | 一种基于知识图谱的客户持仓预警方法、装置及存储介质 | |
CN109978624A (zh) | 信息处理方法、电子设备及计算机可读存储介质 | |
CN103577547A (zh) | 网页类型识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190813 |
|
RJ01 | Rejection of invention patent application after publication |