CN110619568A

CN110619568A - 风险评估报告的生成方法、装置、设备及存储介质

Info

Publication number: CN110619568A
Application number: CN201910878164.7A
Authority: CN
Inventors: 王文斌
Original assignee: Individual
Current assignee: Individual
Priority date: 2019-09-17
Filing date: 2019-09-17
Publication date: 2019-12-27

Abstract

本发明实施例公开了一种风险评估报告的生成方法、装置、设备及存储介质，其中方法包括：根据目标对象和报告用途确定目标对象的业务场景分类；基于所述业务场景分类，获取所述目标对象的交互数据；从交互数据中抽取具有风险特征的风险数据；确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论；以及通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告。本申请实施例公开的方法可以实现不同场景下风险评估报告的自动生成。

Description

风险评估报告的生成方法、装置、设备及存储介质

技术领域

本发明属于风险评估领域，具体的，本发明涉及一种风险评估报告的生成方法、装置、设备及存储介质。

背景技术

目前各类风险评估领域大量依赖人力实现对风险评估报告的数据检索与写作，即对风险数据的采集和整理、特征的抽取、模型的搭建到报告的书写极大依赖风险评估人员的专业性和主观判断，造成整个风险评估流程的周期长，以及生成结论的客观性还存在一定程度的偏差。

发明内容

为了解决现有技术存在的上述问题，本申请的实施例提供一种风险评估报告的生成方法、装置、设备及存储介质，实现不同场景下风险评估报告的自动生成，从而缩短风险评估报告的生成周期，同时确保风险评估报告结论的客观性。

为了达到上述目的，本申请的实施例所采用的技术方案如下：

第一方面，本申请的实施例提供一种风险评估报告的生成方法，所述方法包括：

根据目标对象和报告用途确定目标对象的业务场景分类；

基于所述业务场景分类，获取所述目标对象的交互数据；

从交互数据中抽取具有风险特征的风险数据；

确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论；以及

通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告。

可选的，所述从交互数据中抽取具有风险特征的风险数据，包括：

将所述交互数据备份得到清洗库；

从所述清洗库储存的各个数据中抽取具有风险特征的风险数据；以及

从所述风险数据中筛选出有效数据。

可选的，所述从所述清洗库储存的各个数据中抽取具有风险特征的风险数据，包括：

根据风险评估报告的报告模块划分，识别各个数据的所属报告模块；

将各个数据存储到对应的报告模块所属的风险数据集中，实现具有风险特征的风险数据的抽取。

可选的，所述根据风险评估报告的报告模块划分，识别各个数据的所属报告模块，包括：

将各个数据与风险数据库中的预存数据进行匹配度计算，得到所述各个数据的匹配值，其中，所述风险数据库中的预存数据根据所述风险评估报告的报告模块划分分类储存；

基于所述匹配值识别出各个数据的所属报告模块。

可选的，所述风险数据库包括：

知识图谱，记录所述目标对象的关联属性数据，包括关系图谱、属性图谱、心理图谱、信用图谱、行为图谱的至少一种；

报告数据，记录各类风险评估报告，包括报告模板、报告语料、图表的至少一种；

信用数据，包括目标对象的征信数据、财务数据、工商数据、金融数据、市场数据、违约数据、法律数据、处罚数据、黑名单、舆情的至少一种。

可选的，所述确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论，包括：

基于所述风险数据与场景库中的场景数据进行场景相似度计算，得到所述目标对象的相似度值，根据所述相似度值获取所述目标对象的二次场景分类；

调用场景库中预存的所述二次场景分类对应的风险评估模型处理所述风险数据，得到中间风险结论；

使用所述中间风险结论填充所述中间风险结论对应的风险模板，生成并输出风险结论。

可选的，自然语言处理模型配置为编码器解码器模型。

第二方面，本申请的实施例提供一种风险评估报告的生成装置，包括：

需求分类模块，配置成根据目标对象和报告用途确定目标对象的业务场景分类；

数据采集模块，配置成基于所述业务场景分类，获取所述目标对象的交互数据；

风险识别模块，配置成从交互数据中抽取具有风险特征的风险数据；

数据处理模块，配置成确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论；

报告生成模块，配置成通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告。

第三方面，本申请的实施例提供一种电子设备，包括：

处理器；以及

存储器，用于存储计算机程序指令；

其中，当所述计算机程序由所述处理器加载并运行时，所述处理器执行所述的风险评估报告的生成方法。

第四方面，本申请的实施例提供一种计算机可读储存介质，其特征在于，所述计算机可读储存介质存储计算机程序指令，所述计算机程序被处理器加载并运行时，所述处理器执行所述的风险评估报告的生成方法。

与现有技术相比，本申请的实施例具有以下有益效果：

1、本申请实施例可自动获取并整理目标对象的风险数据、抽取风险数据、自动生成风险评估报告，从而缩短整个风险评估周期。

2、本申请实施例的风险评估方法自动化生成，避免了人的主观因素的影响。

3、本申请实施例的对不同风险场景的分类，采取不同的数据交付策略，通过对不同类型的风控报告文本进行训练，实现不同场景下风险评估报告的自动生成。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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是本发明的一个实施例的生成方法的流程图；

图2是本发明的一个实施例的知识图谱示意图；

图3为本发明的一个实施例的二次场景分类示意图；

图4为本发明的一个实施例的装置示意图；

图5为本发明的一个实施例的需求分类模块示意图；

图6为本发明的一个实施例的数据处理模块示意图；

图7为本发明的一个实施例的报告生成类模块示意图；

图8为本发明的一个实施例的设备框架图；

图9为本发明的一个实施例的服务器框架图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

在本发明的实施例中，装置、电子设备和存储介质均可在终端上实现，该终端可以提供一个用户界面，并在用户界面提供一个输入窗口、风险评估执行按钮，以及风险报告输出显示界面，输入窗口用于输入目标对象或者目标对象的交互数据。风险报告输出显示界面用于将生成的风险评估报告可视化。此外，该终端还可以与互联网连接，实现相关数据库的存储的数据之间的调用。

本申请的风险评估报告的自动生成方法具体可以是应用于个人贷款的风险评估报告的自动生成。

请参阅图1，本发明一个实施例的风险评估报告的自动生成方法包括以下步骤：

101、根据目标对象和报告用途确定目标对象的业务场景分类；

102、基于所述业务场景分类，获取所述目标对象的交互数据；

103、从交互数据中抽取具有风险特征的风险数据；

104、确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论；

105、通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告。

在本申请实施例中，用户可以输入目标对象、报告用途和目标对象的交互数据用于生成该目标对象的风险评估报告。其中，目标对象和目标对象的交互数据可以是目标对象自主提交的数据，用于将该数据输入到终端里面记录并储存。或者，目标对象的交互数据可以是终端通过用户和相关单位之间的协议、以及相关的法律法规，调用相关单位的数据库中储存的目标对象的交互数据，例如银行、保险公司或者金融平台中关于目标对象的交互数据。或者，目标对象的交互数据可以是终端通过网络工具从互联网上爬取。对于终端中交互数据的获取方式，不做限定。

在本申请实施例中，目标对象的报告用途可以从终端的输入窗口输入。然后根据目标对象和报告用途从而确定目标对象所属的业务场景分类。例如目标对象为个人，报告用途用于个人贷款，此时业务场景分类后自动给出“个人贷款风险评估报告”的显示文字，或者语音输出。例如目标对象为企业，报告用途为项目评估，此时业务场景分类后自动给出“项目风险评估报告”的显示文字，或者语音输出。业务场景类别均为终端中预设的业务场景类别。由于风险评估为成熟的、具有规范流程的技术领域，因此，业务场景分类可以是用户通过终端上的输入窗口输入的预设的场景类别。

在本发明的一些实施例中，步骤101根据目标对象和报告用途确定目标对象的业务场景分类，还可以采用关键字抓取来自动对业务场景分类，通过识别输入的目标对象的关键字，比如“项目”、“个人”等关键字，以及报告用途中的“贷款”、“企业”、“投资”等关键字，然后通过关键字的比对得到相应的业务场景分类。

步骤102基于所述业务场景分类，获取所述目标对象的交互数据，并存储到数据库中，在相应的业务场景分类下，具有不同的数据需求和数据类型需求。同时相应的业务场景分类也自动地提出了相应的数据采集策略。后续的目标对象的交互数据的采集就根据业务场景分类结果进行。采集数据时，目标对象的交互数据还可以是从多渠道采集目标对象数据，包括但不限于计算机、移动终端、智能设备等及终端设备安装的应用软件，采集所获取的数据作为生成风险评估报告的数据基础。例如，在一些实施例中，个人风险评估报告的采集的交互数据可以是个人的社群关系、团体关系、业务往来、信用报告、黑名单等数据素材。

容易理解的，本申请实施例中的交互数据不仅仅自指代数字，还可以是图像、文本、语音等与目标对象属性关联的资料素材。

进一步的，在一些本发明的实施例中，步骤103从交互数据中抽取具有风险特征的风险数据，包括：

1031、将所述交互数据备份得到清洗库；

1032、从所述清洗库储存的各个数据中抽取具有风险特征的风险数据；

1033、从所述风险数据中筛选出有效数据。

其中，获取的交互数据存储于正式数据库，后续风险评估报告的校对、重做使用的原始数据都以正式数据库中的数据为准。

而本次风险评估报告生成事件中，重新建立一个中间的清洗库，该清洗库的数据类型和数据均从正式数据库中备份，即正式数据库和清洗库中的数据、数据类型均一致。后续步骤均是对清洗库中的数据进行处理。

在一些实施例中，本申请实施例中步骤1032从所述清洗库储存的各个数据中抽取具有风险特征的风险数据，和步骤1033从所述风险数据中筛选出有效数据可以交换顺序进行。即并不限定两个步骤的逻辑顺序。

筛选有效数据用于交互数据或者抽取出来的风险数据按照事先制定的清理整合数据标准对清洗库中非法、重复、遗漏、不一致的风险相关信息进行规范化、补漏、去重、一致化等预处理，对风险数据本身的准确性、完整性进行验证。例如，目标对象为个人时，其个人贷款可能在多个平台上被记录，且各个平台上均记录或者汇总了该目标对象的信用记录。此时，需要从上述的信用记录中删除重复的部分，并以清理整合标准中优先级较高的单位或者平台获取的数据来验证、整合其他优先级较差的平台或者单位记录的的数据。例如，清理整合标准中，各大国有银行的优先级较高。

通过对数据进行筛选，即预处理后采集的数据的准确性、完整性得到保证，才能被后续步骤有效使用。

进一步的，在一些实施例中，步骤1032从所述清洗库储存的各个数据中抽取具有风险特征的风险数据，包括

10321、根据风险评估报告的报告模块划分，识别各个数据的所属报告模块；

10322、将各个数据存储到对应的报告模块所属的风险数据集中，实现具有风险特征的风险数据的抽取。

其中，风险评估报告在现有的经营生产中具有相对比较固定的格式，即包含几个常见的报告模块。例如，一般的风险评估报告均具有企业或者个人基本情况模块。因此，需要从清洗库中将属于企业或者个人基本情况模块的数据识别出来。例如，个人的出身年月、身高、体重、照片以及身份信息等个人信息。或者企业的统一社会信用代码、注册时间、注册地址等企业基本信息。

具体的，在一些实施例中，步骤10321根据风险评估报告的报告模块划分，识别各个数据的所属报告模块，包括：

103211、将各个数据与风险数据库中的预存数据进行匹配度计算，得到所述各个数据的匹配值，其中，所述风险数据库中的预存数据根据所述风险评估报告的报告模块划分分类储存；

103212、基于所述匹配值识别出各个数据的所属报告模块。

其中，匹配值计算时，可以在终端内预先设定一阈值，匹配值大于该阈值时，可以认为是符合对应报告模块需求的数据素材。该阈值可以通过机器学习调整。通过该阈值来确保数据分类的准确性。具体的，匹配值计算可以包括关键字检索、图像识别等技术。

其中，在一些实施例中，所述风险数据库包括：

其中，风险数据库至少由三部分组成：知识图谱、报告数据、信用数据。

知识图谱配置为用于精确刻画目标查对象的社交轨迹轨迹、各类属性参数关、心理特征、风险特征、行为特征等关联关系与属性。例如关系图谱、属性图谱、心理图谱、信用图谱、行为图谱等。例如，目标对象为个人时，知识图谱里面可以记录家庭关系、家庭成员以及其自身的犯罪记录等，通过匹配值计算，将贴合上述记录的数据识别出来。目标对象为企业时，知识图谱可以记录股东关系、持股比例、商务往来等数据，通过匹配值计算，将贴合上述记录的数据识别出来。

具体的，请参阅图2，在一些实施例中，知识图谱至少包括以下五部分：

关系图谱：存储本体间的关联关系，包括并不限于社群关系、团体关系、合作关系、业务往来、人员关系等各类人、事、物、事件等本体之间形成的关系的集合。

属性图谱：存储与本体相关的各类关联属性，包括并不限于各类属性、性质、参数等用于描述本体特征的数据集合。

心理图谱：存储用于描述本体心理维度的特征及关联数据集合。

信用图谱：存储用于描述本体信用维度的特征及关联数据集合。

行为图谱：存储用于描述本体行为及事件维度特征及关联数据集合。

容易理解的，本体和目标对象为风险评估报告的处理对象在不同处理事件中的不同描述。

其中，报告数据，包括各类风险评估报告的数据，用于作为报告生成的风险评估模型机器学习的训练数据。

终端可以基于报告数据从交互数据中提取出具有风险特征的风险数据，风险特征可以是已经生成的风险评估报告的必选数据特征和选择性技术特征。并可以将上述风险特征通过终端的显示界面反馈给用户。

其中，信用数据主要记录涉及到风险的数据，例如征信数据、财务数据、工商数据、金融数据、市场数据、违约数据、法律数据、处罚数据、黑名单、舆情等。

终端将交互数据识别并分类储存后，进行步骤104确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论，包括：

1041、基于所述风险数据与场景库中的场景数据进行场景相似度计算，得到所述目标对象的相似度值，根据所述相似度值获取所述目标对象的二次场景分类；

1042、调用场景库中预存的所述二次场景分类对应的风险评估模型计算所述风险数据，得到中间风险结论；

1043、使用所述中间风险结论填充所述中间风险结论对应的风险模板，生成并输出风险结论。

其中，将分类储存的交互数据与场景库中的场景数据进行匹配，当数据相似度超过预先设定的阈值，则根据阈值将该交互数据将所述目标对象二次场景分类，并将该交互数据传输给下层模块处理。

然后下层模块调用该二次场景分类对应的机器学习的风险评估模型计算出中间风险结论，并将该中间风险结论填充到该二次场景分类的风险模板中，输出风险结论，并可以将其显示在终端上或者语音读出。

此外，终端还可以在中间风险结论生成后，利用该风险结论确定相应的风险评估算法，该风险评估算法配置为接收风险结论，并响应于所述风险结论，输出报告数据，该报告数据可以应用在生成风险评估报告中。

具体的，请参阅图3，二次场景分类指代的是风险场景分类，在确定了目标对象的业务场景分类后，可以由至少一个交互数据与风险场景库中储存的风险评估报告中的场景数据初步判断，即数据相似度计算，输出目标对象对应的风险场景，并基于该风险场景内的风险评估模型来输出风险结论。目标对象的包括风险场景一、风险场景二等，例如风险高、风险可控等。

步骤105通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告，在于将风险评估报告分为两部分，结构化报告部分和非结构化报告部分。

其中，结构化报告部分用于基于存储的已有模板填充风险结论生成结构化报告，且还可以利用前述的报告数据填充、丰富该结构化报告部分。

非结构化报告部分基于自然语言处理模型依照风险结论输出风险评估报告的分析、结论部分或者综述部分文本，同时也生成文本摘要。

此外，在一些实施例中，风险评估报告还包括：

图像生成文本：识别图像，通过深度学习的仕途模型看图说话，输出结论。

文本生成文本：通过关键字抽取算法对文本关键词抽取，输出结论。

语音生成文本：通过语音转化算法将语音转化成文本，对文本及交互进行分析，判断其违约风险，生成分析报告。

可选的，在一些实施例中，步骤105中的自然语言处理模型配置为编码器解码器模型。编码器-解码器是一个两段式的自然语言处理模型。第一个阶段称为：encoding，利用现有的语料训练一个语言模型；第二个阶段称为：decoding，利用预训练好的语言模型生成文本。上述的语料指代的是存储的有效数据和历史上已经生成的风险评估报告。该编码器-解码器模型通过有效数据进行训练，实现对新的有效数据处理的文本自动输出。

具体的，将有效数据和历史上的已经生成的风险评估报告输入编码器，编码器读取整个输入序列，并将其编码为一种中间表示，通常是一个被称为上下文向量的定长向量。

解码器从编码器读取编码输入序列，并生成输出序列。

为便于更好的理解和实施本发明实施例的上述方案，下面举例相应的应用场景来进行具体说明。

本发明实施例中，通过深度学习来分析处理交互数据并生成风险评估报告。接下来以个人贷款的风险评估报告的生成为例。通过采集目标对象的个人用户的数据，抽取出风险数据后进行风险场景分类，并通过风险评估模型处理得到风险结论，然后将该风险结论和风险数据填充到结构化模板中，得到结构报告部分，然后通过自然语言处理模型依照风险结论处理输出风险评估报告的分析、结论部分或者综述部分文本，同时也生成文本摘要。从而周期短、客观性强，避免了现有风险评估报告生成需要人工操作、周期长、受到评估人员主观影响的情况出现。

本发明实施例中，主要包括以下部分：

1、确定目标对象的业务场景分类为个人贷款风险评估报告；

2、获取所述目标对象的交互数据，通过多种渠道、多手段采集目标客户的信息数据；

3、从交互数据中抽取具有风险特征的风险数据，对个人贷款风险评估有用的数据；

4、基于个人贷款风险评估报告下的风险评估模型，处理所述风险数据，获取所述目标对象的风险结论；

5、生成风险评估报告；通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告。

其中，用户从网络上抓取目标对象在各类平台上的交互数据，以及通过相关协议调用银行、平台的该目标对象的社群关系、团体关系、合作关系、业务往来、人员关系等关联关系，和该目标对象在社交关系中体现的该目标对象的心理维度数据，以及该目标对象的在官方或者各大平台上的民事纠纷记录、违法记录、处罚记录、黑名单情况、违约记录等。将上述采集的交互数据存储到数据库，然后抽取出具有风险特征的风险数据，并筛选出有效数据，例如通过关键字抽取出违约记录、犯罪记录等。然后基于该违约记录、犯罪记录等风险数据，进行二次场景分类，并调用该业务场景分类下的风险评估模型，得出不适合放贷的结论，并将以上风险数据处理后得到呈现在风险评估报告里面的报告数据。上述事件中，违约记录、犯罪记录等影响个人征信的数据即为具有风险特征的风险数据。

接下来，将该风险结论填充到结构化模板里面得到结构化模板报告，然后基于上述的筛选后的有效数据，通过编码器-解码器生成非结构化报告部分，主要是文本部分。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

为便于更好的实施本发明实施例的上述方案，下面还提供用于实施上述方案的相关装置。

请参阅图4，本申请的实施例提供一种风险评估报告的生成装置，包括：

需求分类模块201，配置成根据目标对象和报告用途确定目标对象的业务场景分类。

数据采集模块202，配置成基于所述业务场景分类，获取所述目标对象的交互数据。

风险识别模块203，配置成从交互数据中抽取具有风险特征的风险数据。

数据处理模块204，配置成确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论。

报告生成模块205，配置成通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告，调用自然语言处理模型处理所述风险数据生成非结构化报告，利用所述结构化报告和非结构化报告生成风险评估报告。

在一些实施例中，需求分类模块201包括输入端口，用于接受输入的目标对象和报告用途，然后需求分类模块根据输入的目标对象和报告用途确定目标对象的业务场景分类。

或者，在另一些实施例中，需求分类模块201包括预设的数据库，目标对象企业、个人或者事件均具有相应的代码，例如“0001”、“0000”和“0010”，同时，报告用途也具有其相应的代码“0100”或者“1000”等，而现有的业务场景分类存储为数据库中的序列，需求分类模块201根据两者的代码的结合皆可以对比数据库储存的序列，从而确定目标对象的业务场景分类。

数据采集模块202，用于基于所述业务场景分类，获取所述目标对象的交互数据。该数据采集模块202可以是搜索引擎或者法定程序，也可以是基于用户之间的协议。

参阅图5，在一些实施例中，所述风险识别模块203包括：

数据备份模块2031，配置为将正式数据库中的本次生成风险评估报告事件中采集的所述交互数据备份得到清洗库。

数据抽取模块2032，配置为从所述清洗库储存的各个数据中抽取具有风险特征的风险数据。

数据预处理模块2033，配置为从所述风险数据中筛选出有效数据。配置为数据或者抽取出来的风险数据按照事先制定的清理整合数据标准对清洗库中非法、重复、遗漏、不一致的风险相关信息进行规范化、补漏、去重、一致化等预处理，对风险数据本身的准确性、完整性进行验证。

参阅图5，在一些实施例中，所述数据抽取模块2032包括：

风险数据库模块20321，配置为根据所述风险评估报告的报告模块划分分类储存预存数据。

数据分类模块20322，配置为将各个数据与风险数据库中的预存数据进行匹配度计算，得到所述各个数据的匹配值。

数据识别模块20323，配置为基于所述匹配值识别出各个数据的所属报告模块，以确保数据分类的准确性。

数据存储模块20324，配置为将各个数据存储到对应的报告模块所属的风险数据集中，实现具有风险特征的风险数据的抽取。并将分类存储的风险数据传输给数据处理模块204。

在一些实施例中，数据处理模块204，配置成确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论。数据处理模块204包括场景库模块2041，模型处理模块2042和输出模块2043。

场景库模块2041配置为存储二次场景分类表或者序列，以及存储二次场景分类表或者序列对应的风险评估模型。

模型处理模块2042配置为基于所述风险数据与场景库中的场景数据进行场景相似度计算，得到所述目标对象的相似度值，根据所述相似度值获取所述目标对象的二次场景分类。以及调用场景库中预存的所述二次场景分类对应的风险评估模型计算所述风险数据，得到中间风险结论；

输出模块2043配置为使用所述中间风险结论填充所述中间风险结论对应的风险模板，生成并输出风险结论。

参阅图7，在一些实施例中，报告生成模块205，包括结构化报告模块2051、非结构化报告模块2052和汇总模块2053。

结构化报告模块2051配置成通过风险数据和风险结论对所述业务场景分类对应的结构化模板进行填充得到结构化报告。

非结构化报告模块2052调用自然语言处理模型，即编码器-解码器处理所述风险数据生成非结构化报告。

汇总模块2053，配置为利用所述结构化报告和非结构化报告生成风险评估报告。

请参阅图8，本申请的实施例还提供一种电子设备的结构框图，该设备可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。电子设备可能被称为用于终端、便携式终端、台式终端等。

通常，电子设备包括：至少一个处理器301；以及存储器302，用于存储计算机程序指令。

处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作，使得风险评估报告的生产可以自主训练学习，提高效率和准确度。

存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的风险评估报告的生成方法。

在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。

通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

图9示出了本申请一个实施例提供的服务器的结构示意图。该服务器用于实施上述实施例中提供的风险评估报告的生成方法。具体来讲：

所述服务器包括中央处理单元(CPU)401、包括随机存取存储器(RAM)402和只读存储器(ROM)403的系统存储器404，以及连接系统存储器404和中央处理单元401的系统总线405。所述服务器400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)406，和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。

所述基本输入/输出系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中所述显示器408和输入设备409都通过连接到系统总线405的输入输出控制器410连接到中央处理单元401。所述基本输入/输出系统406还可以包括输入输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。

所述大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。所述大容量存储设备407及其相关联的计算机可读介质为服务器400提供非易失性存储。也就是说，所述大容量存储设备407可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。

根据本申请的各种实施例，所述服务器400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器400可以通过连接在所述系统总线405上的网络接口单元411连接到网络412，或者说，也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，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的方法。

应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此，本教导的范围不应该参照上述描述来确定，而是应该参照所附权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的，所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主体内容，也不应该认为发明人没有将该主题考虑为所公开的发明主题的一部分。

Claims

1.一种风险评估报告的生成方法，其特征在于，所述方法包括：

根据目标对象和报告用途确定目标对象的业务场景分类；

基于所述业务场景分类，获取所述目标对象的交互数据；

从交互数据中抽取具有风险特征的风险数据；

2.根据权利要求1所述的风险评估报告的生成方法，其特征在于，所述从交互数据中抽取具有风险特征的风险数据，包括：

将所述交互数据备份得到清洗库；

从所述风险数据中筛选出有效数据。

3.根据权利要求2所述的风险评估报告的生成方法，其特征在于，所述从所述清洗库储存的各个数据中抽取具有风险特征的风险数据，包括：

4.根据权利要求3所述的风险评估报告的生成方法，其特征在于，所述根据风险评估报告的报告模块划分，识别各个数据的所属报告模块，包括：

基于所述匹配值识别出各个数据的所属报告模块。

5.根据权利要求4所述的风险评估报告的生成方法，其特征在于，所述风险数据库包括：

6.根据权利要求1所述的风险评估报告的生成方法，其特征在于，所述确定所述业务场景分类对应的风险评估模型，通过所述风险评估模型处理所述风险数据，获取所述目标对象的风险结论，包括：

7.根据权利要求1所述的风险评估报告的生成方法，其特征在于：自然语言处理模型配置为编码器解码器模型。

8.一种风险评估报告的生成装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储计算机程序指令；

其中，当所述计算机程序由所述处理器加载并运行时，所述处理器执行如权利要求1-7任一项所述的风险评估报告的生成方法。

10.一种计算机可读储存介质，其特征在于，所述计算机可读储存介质存储计算机程序指令，所述计算机程序被处理器加载并运行时，所述处理器执行如权利要求1-7任一项所述的风险评估报告的生成方法。