CN113256191A - 基于分类树的风险预测方法、装置、设备及介质 - Google Patents

Abstract

本发明涉及人工智能领域，提供一种基于分类树的风险预测方法、装置、设备及介质，能够利用样本数据训练风险预测模型，调用分类树模型对待处理数据进行分类，得到每条路径的目标维度及目标风险值，对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链，将所述可见状态链输入至所述风险预测模型，获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。本发明还涉及区块链技术，训练得到的模型可存储于区块链节点中。本发明能够结合树状模型与时序性风险预测模型辅助进行企业风险的预测，不仅解决了多元时序分类的问题，且提高了模型的可解释性。

Description

基于分类树的风险预测方法、装置、设备及介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于分类树的风险预测方法、装置、设备及介质。

背景技术

目前，为了更好的进行企业管理和经营，大部分企业都越来越重视经营过程中的风险预测，以辅助企业进行长久的发展，显然，企业的经营风险是一种与时间因子相关联的问题，带有明显的时序性。

为解决带有时序性的分析问题，现有技术中通常会使用ARIMA（AutoregressiveIntegrated Moving Average Model，自回归积分滑动平均模型）、Dynamic Regression（动态回归）等时间序列模型进行建模。

然而，虽然这些模型能够给出相关特征的对应系数以及其有效性，却无法解决多元分类问题，同时也无法通过因果推理的方式对模型的解释性进行分析，在结合实际场景运用时具有一定的缺陷。

发明内容

鉴于以上内容，有必要提供一种基于分类树的风险预测方法、装置、设备及介质，能够结合树状模型与时序性风险预测模型辅助进行企业风险的预测，不仅解决了多元时序分类的问题，且提高了模型的可解释性。

一种基于分类树的风险预测方法，所述基于分类树的风险预测方法包括：

响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本；

对所述训练样本进行预处理，得到样本数据；

利用所述样本数据训练预设网络，得到风险预测模型；

获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值；

对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链；

将所述可见状态链输入至所述风险预测模型；

获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

根据本发明优选实施例，所述利用所述样本数据训练预设网络，得到风险预测模型包括：

配置隐含状态；

整合所述隐含状态及所述样本数据作为训练数据训练隐马尔科夫模型；

随机初始化所述隐马尔科夫模型的参数；

基于Baum–Welch算法迭代更新所述隐马尔科夫模型的参数；

当所述隐马尔科夫模型的参数收敛时，停止训练，得到所述风险预测模型。

根据本发明优选实施例，在调用预先训练的分类树模型对所述待处理数据进行分类前，所述方法还包括：

获取第一训练集；

利用所述第一训练集训练lightgbm分类模型，得到向量化模型；

将所述第一训练集输入至所述向量化模型，得到第二训练集；

利用所述第二训练集训练逻辑回归模型，得到所述分类树模型。

根据本发明优选实施例，所述调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值包括：

获取所述待处理数据在所述分类树模型中每条路径上的所有维度，并计算每个维度的维度占比；

将所述维度占比最高的维度确定为每条路径的目标维度；

获取所述分类树模型的输出概率，并将所述输出概率确定为每条路径的目标风险值。

根据本发明优选实施例，所述对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链包括：

获取配置阈值；

比较每条路径的目标风险值与所述配置阈值的大小，得到比较结果；

根据所述比较结果，采用one-hot编码算法对每条路径的目标维度进行编码，生成所述可见状态链。

根据本发明优选实施例，所述根据所述输出数据生成基于分类树的风险预测报告包括：

从所述输出数据中获取每个历史隐含状态转移至每个当前隐含状态时的隐状态转移概率；

选择最大的隐状态转移概率所对应的历史隐含状态作为第一状态，及选择最大的隐状态转移概率所对应的当前隐含状态作为第二状态；

根据所述第一状态及所述第二状态生成状态变化趋势；

当所述第二状态为配置状态时，从所述输出数据中获取所述可见状态链中每个可见状态在所述第二状态下的发射概率；

将所述发射概率按照由大到小的顺序进行排序；

获取排在前预设位的发射概率对应的可见状态作为风险因子；

根据所述状态变化趋势及所述风险因子生成所述企业风险预测报告。

根据本发明优选实施例，所述根据所述输出数据生成企业风险预测报告还包括：

从所述输出数据中获取每个当前隐含状态所对应的所有变化趋势的隐状态转移概率；

选择最大的隐状态转移概率所对应的状态变化趋势作为目标趋势；

从所述输出数据中获取所述目标趋势对应的每个可见状态的发射概率；

获取所述发射概率大于或者等于配置阈值的可见状态作为目标因子；

根据所述目标趋势及所述目标因子生成所述企业风险预测报告。

一种基于分类树的风险预测装置，所述基于分类树的风险预测装置包括：

获取单元，用于响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本；

预处理单元，用于对所述训练样本进行预处理，得到样本数据；

训练单元，用于利用所述样本数据训练预设网络，得到风险预测模型；

分类单元，用于获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值；

编码单元，用于对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链；

输入单元，用于将所述可见状态链输入至所述风险预测模型；

生成单元，用于获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

一种计算机设备，所述计算机设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现所述基于分类树的风险预测方法。

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至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述基于分类树的风险预测方法。

由以上技术方案可以看出，本发明能够结合树状模型与时序性风险预测模型辅助进行企业风险的预测，不仅解决了多元时序分类的问题，且提高了模型的可解释性。

附图说明

图1是本发明基于分类树的风险预测方法的较佳实施例的流程图。

图2是本发明基于分类树的风险预测装置的较佳实施例的功能模块图。

图3是本发明实现基于分类树的风险预测方法的较佳实施例的计算机设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，是本发明基于分类树的风险预测方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

所述基于分类树的风险预测方法应用于一个或者多个计算机设备中，所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理（Personal Digital Assistant，PDA）、游戏机、交互式网络电视（Internet Protocol Television，IPTV）、智能式穿戴式设备等。

所述计算机设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。

所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络（Virtual Private Network，VPN）等。

S10，响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本。

可以理解的是，为了能够更好的进行企业经营，则需要有效规避给企业带来经营风险的各种因子，这样才能有助于企业的长久发展。因此，对企业进行风险预测是十分必要的。

在本实施例中，所述基于分类树的风险预测指令可以由相关工作人员触发，如企业管理者；也可以配置为定期触发，如每月启动一次，本发明不限制。

在本发明的至少一个实施例中，所述根据所述基于分类树的风险预测指令获取训练样本包括：

解析所述基于分类树的风险预测指令，得到所述基于分类树的风险预测指令所携带的信息；

获取与地址对应的预设标签；

根据所述预设标签构建正则表达式；

根据所述正则表达式遍历所述基于分类树的风险预测指令所携带的信息，并将遍历到的信息确定为目标地址；

链接至所述目标地址，并获取所述目标地址存储的信息生成所述训练样本。

其中，所述地址是指网页地址或者文件夹地址等，通过所述地址能够定位到数据存储的位置。

所述预设标签可以进行自定义配置，如所述预设标签可以包括：ADD。根据正则表达式的构建原则，可以以预设标签结合括号的形式构建正则表达式，例如，当所述预设标签为ADD时，则构建的正则表达式可以为ADD（）。

进一步地，以正则表达式ADD（）遍历所述基于分类树的风险预测指令所携带的信息，并将遍历到的信息确定为目标地址，所述目标地址处存储着与企业相关的各种数据，并作为所述训练样本。

需要说明的是，所述目标地址可以对应于一个数据库，也可以对应于一个存储文件夹，本发明不限制。

通过上述实施方式，能够根据正则表达式及预设标签快速且准确的获取到训练样本，以供后续训练模型使用，有效节约了数据获取的时间。

S11，对所述训练样本进行预处理，得到样本数据。

可以理解的是，所述训练样本是企业经营过程中所产生的各种经营数据的原始数据，因此，为了用于模型的训练，需要首先将其转化为机器能够识别的数据形式。

具体地，在本实施例中，鉴于后续使用的模型为HMM模型（Hidden Markov Model，隐马尔科夫模型），再结合时序性的要求，因此，首先需要基于分类模型对所述训练样本进行分类处理，以生成矢量化数据，再对生成的矢量化数据进行编码处理，生成状态链数据，最终得到所述样本数据。具体实现方式请参见后续S13-S14，在此不赘述。

S12，利用所述样本数据训练预设网络，得到风险预测模型。

在本发明的至少一个实施例中，所述利用所述样本数据训练预设网络，得到风险预测模型包括：

配置隐含状态；

整合所述隐含状态及所述样本数据作为训练数据训练隐马尔科夫模型；

随机初始化所述隐马尔科夫模型的参数；

基于Baum–Welch算法迭代更新所述隐马尔科夫模型的参数；

当所述隐马尔科夫模型的参数收敛时，停止训练，得到所述风险预测模型。

其中，所述隐含状态可以进行自定义配置。例如：对于基于分类树的风险预测任务，所述隐含状态可以配置为好、中、差，分别代表一种趋势。

进一步地，将所述隐含状态及所述样本数据共同作为训练数据，其中，所述隐含状态相当于标签数据，将所述样本数据输入隐马尔科夫模型，同时初始化模型的参数，并不断递推，停止迭代后，即可得到模型最终的参数，作为所述风险预测模型的模型参数。

在本实施例中，所述Baum–Welch算法先随机假定一组概率参数，然后利用向前向后计算，得到符合目前观察现象的概率的数学期望，再用得到的数学期望去更新参数，逐渐逼近局部最优解。即反复进行迭代，直至得到局部最优解，停止训练，得到所述风险预测模型。

S13，获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值。

在本实施例中，所述待处理数据包括需要进行风险预测的企业在一段时间内（如10天内）的相关经营数据。所述待处理数据可以由用户上传，本发明不限制。

本实施例中，在调用预先训练的分类树模型对所述待处理数据进行分类前，所述方法还包括：

获取第一训练集；

利用所述第一训练集训练lightgbm分类模型，得到向量化模型；

将所述第一训练集输入至所述向量化模型，得到第二训练集；

利用所述第二训练集训练逻辑回归模型，得到所述分类树模型。

其中，所述第一训练集中存储着企业的相关经营数据，所述第一训练集可以从企业关联的数据库中获取，本发明不限制。

其中，通过所述向量化模型，能够将输入的所述第一训练集中的普通数据转化为嵌入向量的形式，得到所述第二训练集，即找到数据在树结构中的路径，初步提高了数据的可解释性。

进一步地，通过所述分类树模型，能够将输入的数据转化为带有大小及方向的矢量数据形式，并能够根据输出的概率确定每条路径的重要性，进而筛选出最优路径，进一步提高了数据的可解释性，有效解决了多元分类问题。

在本实施例中，所述调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值包括：

获取所述待处理数据在所述分类树模型中每条路径上的所有维度，并计算每个维度的维度占比；

将所述维度占比最高的维度确定为每条路径的目标维度；

获取所述分类树模型的输出概率，并将所述输出概率确定为每条路径的目标风险值。

具体地，所述计算每个维度的维度占比包括：

确定每个维度的出现次数，及所有维度的出现总数；

计算每个维度的出现次数与所有维度的出现总数的比值，得到每个维度的维度占比。

可以理解的是，所述分类树模型是一种树结构模型，则所述路径是指所述分类树模型中各个树节点所构成的分支。

其中，所述维度可以包括，但不限于以下一种或者多种的组合：

财务维度、市场关联维度、工商诉讼维度。

则所述目标维度为上述维度中占比最高的维度。

其中，所述输出概率是所述分类树模型直接输出的数值，本实施例将每条路径对应的输出概率确定为每条路径的目标风险值。

通过上述实施方式，能够首先基于分类树模型生成可解释性较强的数据，并作为后续风险预测的数据基础。

S14，对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链。

在本实施例中，所述对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链包括：

获取配置阈值；

比较每条路径的目标风险值与所述配置阈值的大小，得到比较结果；

根据所述比较结果，采用one-hot编码算法对每条路径的目标维度进行编码，生成所述可见状态链。

其中，one-hot编码是分类变量作为二进制向量的表示。首先要求将分类值映射到整数值，然后，每个整数值被表示为二进制向量，即0-1编码形式。

在对每条路径的数据进行编码后，形成的链式结构可以作为预测模型的输入数据，即所述可见状态链。

举例而言，在编码时，当所述目标风险值高于所述配置阈值时，编码值为1，当所述目标风险值低于所述配置阈值时，编码值为0。

通过上述实施方式，能够通过编码将数据转化为状态链的形式，以满足所述风险预测模型对数据形式的要求，进而使所述风险预测模型能够正确识别并处理输入的数据。

S15，将所述可见状态链输入至所述风险预测模型。

需要说明的是，不同于现有技术中仅采用ARIMA（Autoregressive IntegratedMoving Average Model，自回归积分滑动平均模型）、Dynamic Regression（动态回归）等时间序列模型进行建模，本实施例首先基于分类树模型进行数据的转化及筛选，使数据矢量化，提高了模型的可解释性，再结合基于隐马尔科夫算法训练得到的带有时序性的风险预测模型进行风险预测，不尽有效解决了多元分类问题，还进一步强化了模型的可解释性。

S16，获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

在本实施例中，为了让用户直观的看到风险预测的结果，因此，所述风险预测报告可以用文字形式表达，即直接将预测结果以文字形式展示。

在本发明的至少一个实施例中，所述根据所述输出数据生成企业风险预测报告包括：

从所述输出数据中获取每个历史隐含状态转移至每个当前隐含状态时的隐状态转移概率；

选择最大的隐状态转移概率所对应的历史隐含状态作为第一状态，及选择最大的隐状态转移概率所对应的当前隐含状态作为第二状态；

根据所述第一状态及所述第二状态生成状态变化趋势；

当所述第二状态为配置状态时，从所述输出数据中获取所述可见状态链中每个可见状态在所述第二状态下的发射概率；

将所述发射概率按照由大到小的顺序进行排序；

获取排在前预设位的发射概率对应的可见状态作为风险因子；

根据所述状态变化趋势及所述风险因子生成所述企业风险预测报告。

其中，所述历史隐含状态是指以往的隐含状态，如昨天、前天、一个月前等。

相应地，所述当前隐含状态是指目前的隐含状态，如今天。

通过识别历史隐含状态到当前隐含状态的转移概率，即可确定从历史到当前的变化趋势，并进一步筛选出最有可能的变化趋势。

例如：当所述隐含状态配置为好、中、差时，通过隐状态转移概率大小的比较，确定由历史到当前的变化趋势为：好至差。

进一步地，所述配置状态表示高风险的状态（如：差），即当由历史向当前的转变为转向高风险时，则需要进一步分析其最有可能导致风险的原因。

所述前预设位可以进行自定义配置，如：前两位。

例如：当由历史到当前的变化趋势为：好至差，此时，进一步判断每个可见状态在隐含状态为“差”时的发射概率，根据排序，“现金流”、“资产状况”的概率最高，排在前两位，则可以将“现金流”、“资产状况”作为导致当前风险高（即隐含状态为差）的最主要原因，“现金流”、“资产状况”被确定为风险因子。则生成的所述风险预测报告为：目前的变化趋势为由好至差，最有可能造成该趋势的原因是“现金流”、“资产状况”，请重点关注。

进一步地，可以根据所述状态变化趋势及所述风险因子生成所述企业风险预测报告，所述企业风险预测报告中指明由历史向当前最有可能的状态变化趋势，并在变化趋势向高风险转变时，同时预测出最有可能导致该变化的风险因子作为状态变化的原因。

在本实施例中，所述企业风险预测报告中还可以针对当前的风险因子给出相应的应对策略，如持续关注所述风险因子等。

在本发明的至少一个实施例中，所述根据所述输出数据生成企业风险预测报告还包括：

从所述输出数据中获取每个当前隐含状态所对应的所有变化趋势的隐状态转移概率；

选择最大的隐状态转移概率所对应的状态变化趋势作为目标趋势；

从所述输出数据中获取所述目标趋势对应的每个可见状态的发射概率；

获取所述发射概率大于或者等于配置阈值的可见状态作为目标因子；

根据所述目标趋势及所述目标因子生成所述企业风险预测报告。

其中，所述配置阈值可以进行自定义配置，如85%。

在上述实施方式中，首先根据隐状态转移概率确定当前隐含状态在未来最可能发生的状态变化，再分析出导致该变化的因子。

例如：通过今天的状态，判断出明天最有可能的状态为差，且导致该变化的最优可能的目标因子为“现金流”、“资产状况”，则生成的企业风险预测报告为：明日可能的状态为“差”，有向高风险转变的趋势，其中，“现金流”、“资产状况”为最优可能导致该变化的原因，请持续关注。

在本实施例中，通过对树状模型与HMM模型的结合，可以实现对带有时序性质的分类问题的创新，同时也可以从因果推理的层面提升模型的可解释性，从而进一步分析企业在不同时间段的风险表现。通过生成企业风险预测报告，能够有效判断企业状态的变化趋势，并分析其变化原因，有效辅助企业进行风险预测。

在本实施例中，为了进一步确保数据的安全性，可以将训练后得到的模型存储于区块链节点中。

由以上技术方案可以看出，本发明能够响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本，对所述训练样本进行预处理，得到样本数据，利用所述样本数据训练预设网络，得到风险预测模型，获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值，对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链，将所述可见状态链输入至所述风险预测模型，获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。利用本发明能够结合树状模型与时序性风险预测模型辅助进行企业风险的预测，不仅解决了多元时序分类的问题，且提高了模型的可解释性。

如图2所示，是本发明基于分类树的风险预测装置的较佳实施例的功能模块图。所述基于分类树的风险预测装置11包括获取单元110、预处理单元111、训练单元112、分类单元113、编码单元114、输入单元115、生成单元116。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。

响应于基于分类树的风险预测指令，获取单元110根据所述基于分类树的风险预测指令获取训练样本。

可以理解的是，为了能够更好的进行企业经营，则需要有效规避给企业带来经营风险的各种因子，这样才能有助于企业的长久发展。因此，对企业进行风险预测是十分必要的。

在本实施例中，所述基于分类树的风险预测指令可以由相关工作人员触发，如企业管理者；也可以配置为定期触发，如每月启动一次，本发明不限制。

在本发明的至少一个实施例中，所述获取单元110根据所述基于分类树的风险预测指令获取训练样本包括：

解析所述基于分类树的风险预测指令，得到所述基于分类树的风险预测指令所携带的信息；

获取与地址对应的预设标签；

根据所述预设标签构建正则表达式；

根据所述正则表达式遍历所述基于分类树的风险预测指令所携带的信息，并将遍历到的信息确定为目标地址；

链接至所述目标地址，并获取所述目标地址存储的信息生成所述训练样本。

其中，所述地址是指网页地址或者文件夹地址等，通过所述地址能够定位到数据存储的位置。

所述预设标签可以进行自定义配置，如所述预设标签可以包括：ADD。根据正则表达式的构建原则，可以以预设标签结合括号的形式构建正则表达式，例如，当所述预设标签为ADD时，则构建的正则表达式可以为ADD（）。

进一步地，以正则表达式ADD（）遍历所述基于分类树的风险预测指令所携带的信息，并将遍历到的信息确定为目标地址，所述目标地址处存储着与企业相关的各种数据，并作为所述训练样本。

需要说明的是，所述目标地址可以对应于一个数据库，也可以对应于一个存储文件夹，本发明不限制。

通过上述实施方式，能够根据正则表达式及预设标签快速且准确的获取到训练样本，以供后续训练模型使用，有效节约了数据获取的时间。

预处理单元111对所述训练样本进行预处理，得到样本数据。

可以理解的是，所述训练样本是企业经营过程中所产生的各种经营数据的原始数据，因此，为了用于模型的训练，需要首先将其转化为机器能够识别的数据形式。

具体地，在本实施例中，鉴于后续使用的模型为HMM模型（Hidden Markov Model，隐马尔科夫模型），再结合时序性的要求，因此，首先需要基于分类模型对所述训练样本进行分类处理，以生成矢量化数据，再对生成的矢量化数据进行编码处理，生成状态链数据，最终得到所述样本数据。

训练单元112利用所述样本数据训练预设网络，得到风险预测模型。

在本发明的至少一个实施例中，所述训练单元112利用所述样本数据训练预设网络，得到风险预测模型包括：

配置隐含状态；

整合所述隐含状态及所述样本数据作为训练数据训练隐马尔科夫模型；

随机初始化所述隐马尔科夫模型的参数；

基于Baum–Welch算法迭代更新所述隐马尔科夫模型的参数；

当所述隐马尔科夫模型的参数收敛时，停止训练，得到所述风险预测模型。

其中，所述隐含状态可以进行自定义配置。例如：对于基于分类树的风险预测任务，所述隐含状态可以配置为好、中、差，分别代表一种趋势。

进一步地，将所述隐含状态及所述样本数据共同作为训练数据，其中，所述隐含状态相当于标签数据，将所述样本数据输入隐马尔科夫模型，同时初始化模型的参数，并不断递推，停止迭代后，即可得到模型最终的参数，作为所述风险预测模型的模型参数。

在本实施例中，所述Baum–Welch算法先随机假定一组概率参数，然后利用向前向后计算，得到符合目前观察现象的概率的数学期望，再用得到的数学期望去更新参数，逐渐逼近局部最优解。即反复进行迭代，直至得到局部最优解，停止训练，得到所述风险预测模型。

分类单元113获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值。

在本实施例中，所述待处理数据包括需要进行风险预测的企业在一段时间内（如10天内）的相关经营数据。所述待处理数据可以由用户上传，本发明不限制。

本实施例中，在调用预先训练的分类树模型对所述待处理数据进行分类前，获取第一训练集；

利用所述第一训练集训练lightgbm分类模型，得到向量化模型；

将所述第一训练集输入至所述向量化模型，得到第二训练集；

利用所述第二训练集训练逻辑回归模型，得到所述分类树模型。

其中，所述第一训练集中存储着企业的相关经营数据，所述第一训练集可以从企业关联的数据库中获取，本发明不限制。

其中，通过所述向量化模型，能够将输入的所述第一训练集中的普通数据转化为嵌入向量的形式，得到所述第二训练集，即找到数据在树结构中的路径，初步提高了数据的可解释性。

进一步地，通过所述分类树模型，能够将输入的数据转化为带有大小及方向的矢量数据形式，并能够根据输出的概率确定每条路径的重要性，进而筛选出最优路径，进一步提高了数据的可解释性，有效解决了多元分类问题。

在本实施例中，所述分类单元113调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值包括：

获取所述待处理数据在所述分类树模型中每条路径上的所有维度，并计算每个维度的维度占比；

将所述维度占比最高的维度确定为每条路径的目标维度；

获取所述分类树模型的输出概率，并将所述输出概率确定为每条路径的目标风险值。

具体地，所述计算每个维度的维度占比包括：

确定每个维度的出现次数，及所有维度的出现总数；

计算每个维度的出现次数与所有维度的出现总数的比值，得到每个维度的维度占比。

可以理解的是，所述分类树模型是一种树结构模型，则所述路径是指所述分类树模型中各个树节点所构成的分支。

其中，所述维度可以包括，但不限于以下一种或者多种的组合：

财务维度、市场关联维度、工商诉讼维度。

则所述目标维度为上述维度中占比最高的维度。

其中，所述输出概率是所述分类树模型直接输出的数值，本实施例将每条路径对应的输出概率确定为每条路径的目标风险值。

通过上述实施方式，能够首先基于分类树模型生成可解释性较强的数据，并作为后续风险预测的数据基础。

编码单元114对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链。

在本实施例中，所述编码单元114对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链包括：

获取配置阈值；

比较每条路径的目标风险值与所述配置阈值的大小，得到比较结果；

根据所述比较结果，采用one-hot编码算法对每条路径的目标维度进行编码，生成所述可见状态链。

其中，one-hot编码是分类变量作为二进制向量的表示。首先要求将分类值映射到整数值，然后，每个整数值被表示为二进制向量，即0-1编码形式。

在对每条路径的数据进行编码后，形成的链式结构可以作为预测模型的输入数据，即所述可见状态链。

举例而言，在编码时，当所述目标风险值高于所述配置阈值时，编码值为1，当所述目标风险值低于所述配置阈值时，编码值为0。

通过上述实施方式，能够通过编码将数据转化为状态链的形式，以满足所述风险预测模型对数据形式的要求，进而使所述风险预测模型能够正确识别并处理输入的数据。

输入单元115将所述可见状态链输入至所述风险预测模型。

需要说明的是，不同于现有技术中仅采用ARIMA（Autoregressive IntegratedMoving Average Model，自回归积分滑动平均模型）、Dynamic Regression（动态回归）等时间序列模型进行建模，本实施例首先基于分类树模型进行数据的转化及筛选，使数据矢量化，提高了模型的可解释性，再结合基于隐马尔科夫算法训练得到的带有时序性的风险预测模型进行风险预测，不尽有效解决了多元分类问题，还进一步强化了模型的可解释性。

生成单元116获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

在本实施例中，为了让用户直观的看到风险预测的结果，因此，所述风险预测报告可以用文字形式表达，即直接将预测结果以文字形式展示。

在本发明的至少一个实施例中，所述生成单元116根据所述输出数据生成企业风险预测报告包括：

从所述输出数据中获取每个历史隐含状态转移至每个当前隐含状态时的隐状态转移概率；

选择最大的隐状态转移概率所对应的历史隐含状态作为第一状态，及选择最大的隐状态转移概率所对应的当前隐含状态作为第二状态；

根据所述第一状态及所述第二状态生成状态变化趋势；

当所述第二状态为配置状态时，从所述输出数据中获取所述可见状态链中每个可见状态在所述第二状态下的发射概率；

将所述发射概率按照由大到小的顺序进行排序；

获取排在前预设位的发射概率对应的可见状态作为风险因子；

根据所述状态变化趋势及所述风险因子生成所述企业风险预测报告。

其中，所述历史隐含状态是指以往的隐含状态，如昨天、前天、一个月前等。

相应地，所述当前隐含状态是指目前的隐含状态，如今天。

通过识别历史隐含状态到当前隐含状态的转移概率，即可确定从历史到当前的变化趋势，并进一步筛选出最有可能的变化趋势。

例如：当所述隐含状态配置为好、中、差时，通过隐状态转移概率大小的比较，确定由历史到当前的变化趋势为：好至差。

进一步地，所述配置状态表示高风险的状态（如：差），即当由历史向当前的转变为转向高风险时，则需要进一步分析其最有可能导致风险的原因。

所述前预设位可以进行自定义配置，如：前两位。

例如：当由历史到当前的变化趋势为：好至差，此时，进一步判断每个可见状态在隐含状态为“差”时的发射概率，根据排序，“现金流”、“资产状况”的概率最高，排在前两位，则可以将“现金流”、“资产状况”作为导致当前风险高（即隐含状态为差）的最主要原因，“现金流”、“资产状况”被确定为风险因子。则生成的所述风险预测报告为：目前的变化趋势为由好至差，最有可能造成该趋势的原因是“现金流”、“资产状况”，请重点关注。

进一步地，可以根据所述状态变化趋势及所述风险因子生成所述企业风险预测报告，所述企业风险预测报告中指明由历史向当前最有可能的状态变化趋势，并在变化趋势向高风险转变时，同时预测出最有可能导致该变化的风险因子作为状态变化的原因。

在本实施例中，所述企业风险预测报告中还可以针对当前的风险因子给出相应的应对策略，如持续关注所述风险因子等。

在本发明的至少一个实施例中，所述生成单元116根据所述输出数据生成企业风险预测报告还包括：

从所述输出数据中获取每个当前隐含状态所对应的所有变化趋势的隐状态转移概率；

选择最大的隐状态转移概率所对应的状态变化趋势作为目标趋势；

从所述输出数据中获取所述目标趋势对应的每个可见状态的发射概率；

获取所述发射概率大于或者等于配置阈值的可见状态作为目标因子；

根据所述目标趋势及所述目标因子生成所述企业风险预测报告。

其中，所述配置阈值可以进行自定义配置，如85%。

在上述实施方式中，首先根据隐状态转移概率确定当前隐含状态在未来最可能发生的状态变化，再分析出导致该变化的因子。

例如：通过今天的状态，判断出明天最有可能的状态为差，且导致该变化的最优可能的目标因子为“现金流”、“资产状况”，则生成的企业风险预测报告为：明日可能的状态为“差”，有向高风险转变的趋势，其中，“现金流”、“资产状况”为最优可能导致该变化的原因，请持续关注。

在本实施例中，通过对树状模型与HMM模型的结合，可以实现对带有时序性质的分类问题的创新，同时也可以从因果推理的层面提升模型的可解释性，从而进一步分析企业在不同时间段的风险表现。通过生成企业风险预测报告，能够有效判断企业状态的变化趋势，并分析其变化原因，有效辅助企业进行风险预测。

在本实施例中，为了进一步确保数据的安全性，可以将训练后得到的模型存储于区块链节点中。

由以上技术方案可以看出，本发明能够响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本，对所述训练样本进行预处理，得到样本数据，利用所述样本数据训练预设网络，得到风险预测模型，获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值，对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链，将所述可见状态链输入至所述风险预测模型，获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。利用本发明能够结合树状模型与时序性风险预测模型辅助进行企业风险的预测，不仅解决了多元时序分类的问题，且提高了模型的可解释性。

如图3所示，是本发明实现基于分类树的风险预测方法的较佳实施例的计算机设备的结构示意图。

所述计算机设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如基于分类树的风险预测程序。

本领域技术人员可以理解，所述示意图仅仅是计算机设备1的示例，并不构成对计算机设备1的限定，所述计算机设备1既可以是总线型结构，也可以是星形结构，所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述计算机设备1还可以包括输入输出设备、网络接入设备等。

需要说明的是，所述计算机设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。

其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元，例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备，例如计算机设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（SecureDigital，SD）卡、闪存卡（Flash Card）等。进一步地，存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据，例如基于分类树的风险预测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述计算机设备1的控制核心（Control Unit），利用各种接口和线路连接整个计算机设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块（例如执行基于分类树的风险预测程序等），以及调用存储在所述存储器12内的数据，以执行计算机设备1的各种功能和处理数据。

所述处理器13执行所述计算机设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于分类树的风险预测方法实施例中的步骤，例如图1所示的步骤。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如，所述计算机程序可以被分割成获取单元110、预处理单元111、训练单元112、分类单元113、编码单元114、输入单元115、生成单元116。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块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、计算机设备，或者网络设备等）或处理器（processor）执行本发明各个实施例所述基于分类树的风险预测方法的部分。

所述计算机设备1集成的模块/单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器等。

进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性（防伪）和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根直线表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。

尽管未示出，所述计算机设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述计算机设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该计算机设备1与其他计算机设备之间建立通信连接。

可选地，该计算机设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

图3仅示出了具有组件12-13的计算机设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述计算机设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

结合图1，所述计算机设备1中的所述存储器12存储多个指令以实现一种基于分类树的风险预测方法，所述处理器13可执行所述多个指令从而实现：

响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本；

对所述训练样本进行预处理，得到样本数据；

利用所述样本数据训练预设网络，得到风险预测模型；

获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值；

对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链；

将所述可见状态链输入至所述风险预测模型；

获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，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，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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，在本发明各个实施例中的各功能模块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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于分类树的风险预测方法，其特征在于，所述基于分类树的风险预测方法包括：

响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本；

对所述训练样本进行预处理，得到样本数据；

利用所述样本数据训练预设网络，得到风险预测模型；

获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值；

对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链；

将所述可见状态链输入至所述风险预测模型；

获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

2.如权利要求1所述的基于分类树的风险预测方法，其特征在于，所述利用所述样本数据训练预设网络，得到风险预测模型包括：

配置隐含状态；

整合所述隐含状态及所述样本数据作为训练数据训练隐马尔科夫模型；

随机初始化所述隐马尔科夫模型的参数；

基于Baum–Welch算法迭代更新所述隐马尔科夫模型的参数；

当所述隐马尔科夫模型的参数收敛时，停止训练，得到所述风险预测模型。

3.如权利要求1所述的基于分类树的风险预测方法，其特征在于，在调用预先训练的分类树模型对所述待处理数据进行分类前，所述方法还包括：

获取第一训练集；

利用所述第一训练集训练lightgbm分类模型，得到向量化模型；

将所述第一训练集输入至所述向量化模型，得到第二训练集；

利用所述第二训练集训练逻辑回归模型，得到所述分类树模型。

4.如权利要求1所述的基于分类树的风险预测方法，其特征在于，所述调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值包括：

获取所述待处理数据在所述分类树模型中每条路径上的所有维度，并计算每个维度的维度占比；

将所述维度占比最高的维度确定为每条路径的目标维度；

获取所述分类树模型的输出概率，并将所述输出概率确定为每条路径的目标风险值。

5.如权利要求1所述的基于分类树的风险预测方法，其特征在于，所述对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链包括：

获取配置阈值；

比较每条路径的目标风险值与所述配置阈值的大小，得到比较结果；

根据所述比较结果，采用one-hot编码算法对每条路径的目标维度进行编码，生成所述可见状态链。

6.如权利要求1所述的基于分类树的风险预测方法，其特征在于，所述根据所述输出数据生成企业风险预测报告包括：

从所述输出数据中获取每个历史隐含状态转移至每个当前隐含状态时的隐状态转移概率；

选择最大的隐状态转移概率所对应的历史隐含状态作为第一状态，及选择最大的隐状态转移概率所对应的当前隐含状态作为第二状态；

根据所述第一状态及所述第二状态生成状态变化趋势；

当所述第二状态为配置状态时，从所述输出数据中获取所述可见状态链中每个可见状态在所述第二状态下的发射概率；

将所述发射概率按照由大到小的顺序进行排序；

获取排在前预设位的发射概率对应的可见状态作为风险因子；

根据所述状态变化趋势及所述风险因子生成所述企业风险预测报告。

7.如权利要求6所述的基于分类树的风险预测方法，其特征在于，所述根据所述输出数据生成企业风险预测报告还包括：

从所述输出数据中获取每个当前隐含状态所对应的所有变化趋势的隐状态转移概率；

选择最大的隐状态转移概率所对应的状态变化趋势作为目标趋势；

从所述输出数据中获取所述目标趋势对应的每个可见状态的发射概率；

获取所述发射概率大于或者等于配置阈值的可见状态作为目标因子；

根据所述目标趋势及所述目标因子生成所述企业风险预测报告。

8.一种基于分类树的风险预测装置，其特征在于，所述基于分类树的风险预测装置包括：

获取单元，用于响应于基于分类树的风险预测指令，根据所述基于分类树的风险预测指令获取训练样本；

预处理单元，用于对所述训练样本进行预处理，得到样本数据；

训练单元，用于利用所述样本数据训练预设网络，得到风险预测模型；

分类单元，用于获取待处理数据，调用预先训练的分类树模型对所述待处理数据进行分类，得到每条路径的目标维度及目标风险值；

编码单元，用于对每条路径的目标维度及目标风险值进行编码处理，生成可见状态链；

输入单元，用于将所述可见状态链输入至所述风险预测模型；

生成单元，用于获取所述风险预测模型的输出数据，并根据所述输出数据生成企业风险预测报告。

9.一种计算机设备，其特征在于，所述计算机设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的基于分类树的风险预测方法。

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中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于分类树的风险预测方法。

Images