CN113450067B - 基于决策引擎的风险控制方法、装置、系统和电子装置 - Google Patents
基于决策引擎的风险控制方法、装置、系统和电子装置 Download PDFInfo
- Publication number
- CN113450067B CN113450067B CN202110625463.7A CN202110625463A CN113450067B CN 113450067 B CN113450067 B CN 113450067B CN 202110625463 A CN202110625463 A CN 202110625463A CN 113450067 B CN113450067 B CN 113450067B
- Authority
- CN
- China
- Prior art keywords
- regular expression
- decision
- characteristic value
- risk control
- decision engine
- 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.)
- Active
Links
Images
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种基于决策流引擎的风险控制方法、装置、系统、电子装置和存储介质,该方法包括:提取与第一正则表达式相关的第一特征值;将第一特征值作为第一正则表达式在执行时需要输入的特征参数,利用决策流引擎计算得到第一正则表达式的命中情况;从第一正则表达式的命中情况中提取与第二正则表达式相关的第二特征值;将第二特征值作为第二正则表达式在执行时需要输入的特征参数,利用决策流引擎计算得到第二正则表达式的命中情况;根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成风险控制结果。通过本申请,解决了相关技术中由于依赖外部数据输入所导致的决策流引擎的解析效率低的问题,实现了提高决策流引擎的解析效率的技术效果。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种基于决策引擎的风险控制方法、装置、系统、电子装置和存储介质。
背景技术
决策引擎是一种对复杂的业务逻辑抽象化剥离出来的业务规则进行不同的分支组合、关联,然后层层规则递进运算,最终输出决策结果的产品。传统的决策引擎主要实现规则的逻辑判断,例如:规则可以制定成“用户输入的手机号等于银行预留的手机号,则进行处理;否则拒绝处理”,因此在数据段输入的手机号不是“银行预留的手机号”时,则规则判断为拒绝处理。
现有的决策引擎,在传统的基础上功能更加丰富,可以实现规则、评分卡、模型、表达式等多种类型的逻辑嵌套,实现层次更加丰富的逻辑运算,满足现在的互联网金融业务要求。因此,使用决策引擎实现风险控制是当前风险业务人员进行风险控制的一种重要手段。风险业务人员可以根据实际需要将特征组成至少一个逻辑表达式,以制定风险控制规则。将风险控制规则传入到决策引擎;决策引擎能够基于所制定的风险控制规则,以及风险控制目标的相关特征值,执行逻辑表达式,最终输出对该风险控制目标的风险控制结果。
然而,在这类技术方案中,输入决策引擎的数据往往都是从外部调入,由于每条规则的请求数据可能不同,有可能在执行第一条规则时即命中拒绝中断,剩余规则所依赖的请求数据则没有必要加载,这导致了外部数据的成本浪费;同时,当决策引擎对应产品的目标人群发生变更或者其他导致外部数据失效的情况时,外部数据需要重新输入,这导致决策引擎无法及时进行解析并给出决策结果,从而导致决策引擎的解析效率下降。
目前针对相关技术中由于依赖外部数据输入所导致的决策引擎的解析效率低的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种基于决策引擎的风险控制方法、装置、系统、电子装置和存储介质,以至少解决相关技术中由于依赖外部数据输入所导致的决策引擎的解析效率低的问题。
第一方面,本申请实施例提供了一种基于决策引擎的风险控制方法,所述决策引擎配置有预设的决策规则;其中,所述决策规则包括:用于风险控制决策的第一正则表达式以及第二正则表达式;所述方法包括:从预设的数据库中提取与所述第一正则表达式相关的第一特征值;将所述第一特征值作为所述第一正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第一正则表达式的命中情况;从所述第一正则表达式的命中情况中提取与所述第二正则表达式相关的第二特征值;将所述第二特征值作为所述第二正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第二正则表达式的命中情况;根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险控制结果。
在其中一些实施例中,在从预设的数据库中提取与所述第一正则表达式相关的第一特征值之前,所述方法还包括:根据预设的优先级顺序,从多个数据源中获取初始数据;对所述初始数据进行标准化处理,并将标准化处理后的初始数据存储到预设的数据库中。
在其中一些实施例中,从多个数据源中获取初始数据包括:判断当前数据源是否满足预设的数据调用规则;在所述当前数据源满足所述数据调用规则的情况下,从所述当前数据源中获取初始数据;在所述当前数据源不满足所述数据调用规则的情况下,从优先级低于所述当前数据源的数据源中获取初始数据。
在其中一些实施例中,从预设的数据库中提取与所述第一正则表达式相关的第一特征值包括:根据所述第一正则表达式生成与所述第一正则表达式对应的字段映射关系,并根据所述字段映射关系,从所述数据库存储的初始数据中提取得到匹配所述字段映射关系的第一特征值。
在其中一些实施例中,从预设的数据库中提取与所述第一正则表达式相关的第一特征值包括:根据所述第一正则表达式生成与所述第一正则表达式对应的SQL指令,并根据所述SQL指令,从所述数据库存储的初始数据中提取得到匹配所述SQL指令的待处理特征值;根据所述SQL指令对所述待处理特征值进行数据预处理操作,得到与所述第一正则表达式相关的第一特征值。
在其中一些实施例中,所述决策引擎配置有预设的决策规则集;所述决策规则还包括多个子规则集以及与每个子规则集对应的分支条件;在从预设的数据库中提取与所述第一正则表达式相关的第一特征值之前,所述方法还包括:获取当前决策流的入参字段;根据所述当前决策流的入参字段,判断所述当前决策流中每条所述分支条件的命中情况;将与命中情况为已命中的分支条件对应的子规则集作为当前决策流的决策规则。
在其中一些实施例中,根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险控制结果包括:根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险等级,其中,所述风险等级包括中高风险等级以及低风险等级;在所述风险等级为中高风险等级的情况下,生成与所述决策规则匹配的调查问卷,并通过所述调查问卷获取与所述决策规则对应的风险信息;根据所述第一正则表达式的命中情况、所述第二正则表达式的命中情况、所述风险等级以及所述风险信息,生成与所述决策规则对应的风险控制结果;在所述风险等级为低风险等级的情况下,根据所述第一正则表达式的命中情况、所述第二正则表达式的命中情况以及所述风险等级,生成与所述决策规则对应的风险控制结果。
第二方面,本申请实施例提供了一种基于决策引擎的风险控制装置,所述决策引擎配置有预设的决策规则;其中,所述决策规则包括:用于风险控制决策的第一正则表达式以及第二正则表达式;所述装置包括:第一提取模块,用于从预设的数据库中提取与所述第一正则表达式相关的第一特征值;第一计算模块,用于将所述第一特征值作为所述第一正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第一正则表达式的命中情况;第二提取模块,用于从所述第一正则表达式的命中情况中提取与所述第二正则表达式相关的第二特征值;第二计算模块,用于将所述第二特征值作为所述第二正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第二正则表达式的命中情况;输出模块,用于根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险控制结果。
第三方面,本申请实施例提供了一种基于决策引擎的风险控制系统,所述系统包括数据库、特征获取模块、决策引擎以及风险控制模块;其中,所述数据库用于存储从多个数据源中获取的初始数据;所述特征获取模块,分别与所述数据库以及所述决策引擎通信连接,用于从所述数据库中和/或从所述决策引擎中获取特征值;所述决策引擎,与所述风险控制模块通信连接,用于执行如上述第一方面所述的基于决策引擎的风险控制方法;所述风险控制模块,用于根据所述决策引擎的输出结果生成风险控制结果。
第四方面,本申请实施例还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行如上述第一方面所述的基于决策引擎的风险控制方法。
第五方面,本申请实施例还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现如上述第一方面所述的基于决策引擎的风险控制方法。
相比于相关技术,本申请实施例提供的基于决策引擎的风险控制方法、装置、系统、电子装置和存储介质,从预设的数据库中提取与第一正则表达式相关的第一特征值,将第一特征值作为第一正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第一正则表达式的命中情况,从第一正则表达式的命中情况中提取与第二正则表达式相关的第二特征值,将第二特征值作为第二正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第二正则表达式的命中情况,根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险控制结果,解决了相关技术中由于依赖外部数据输入所导致的决策引擎的解析效率低的问题,实现了提高决策引擎的解析效率的技术效果。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的基于决策引擎的风险控制方法的流程图;
图2是根据本申请实施例的基于决策引擎的风险控制装置的结构框图;
图3是根据本申请实施例的基于决策引擎的风险控制系统的结构框图;
图4是根据本申请实施例的电子装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作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。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本实施例提供了一种基于决策引擎的风险控制方法,图1是根据本申请实施例的基于决策引擎的风险控制方法的流程图,决策引擎配置有预设的决策规则;其中,决策规则包括:用于风险控制决策的第一正则表达式以及第二正则表达式,如图1所示,该方法包括:
步骤S101,从预设的数据库中提取与第一正则表达式相关的第一特征值。
步骤S102,将第一特征值作为第一正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第一正则表达式的命中情况。
步骤S103,从第一正则表达式的命中情况中提取与第二正则表达式相关的第二特征值。
步骤S104,将第二特征值作为第二正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第二正则表达式的命中情况。
步骤S105,根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险控制结果。
在本实施例中,决策引擎可以包括决策流引擎,决策流引擎中包括多个决策流,多个决策流可以异步进行决策分析;其中,决策引擎可以是基于Drools规则引擎、URule规则引擎进行构建得到的,或者是基于Rete算法的其他规则引擎构建得到的。
在上述实施例中,决策引擎可以从预设的数据库中提取特征值,也可以在决策引擎输出的结果中提取特征值,从而提升内部数据的使用效率,降低数据运营成本;通过将已知的样本信息批量导入决策引擎,异步执行决策分析获取所需的决策结果,通过异步调用的方式获取所需的决策结果,减少了调用方对被调用方的询问环节,使得决策引擎可以释放系统资源以执行其他任务,决策引擎可以实现秒级生成决策结果,提升决策引擎的决策实效性,并提高决策引擎的解析效率。
在其中一些实施例中,在从预设的数据库中提取与第一正则表达式相关的第一特征值之前,方法还包括:根据预设的优先级顺序,从多个数据源中获取初始数据;对初始数据进行标准化处理,并将标准化处理后的初始数据存储到预设的数据库中。
在本实施例中,可以对每个数据源进行数据测试,并根据数据测试结果判断每个数据源的优先级,并根据数据源的优先级顺序,调用外部数据接口从数据源获取初始数据;在获取到初始数据之后,还需要对初始数据进行标准化处理,以保证后续特征值获取、决策分析的可靠性,其中,标准化处理包括将初始数据统一量纲或者无量纲处理,或对初始数据进行离差标准化、标准差标准化。
在上述实施例中,从多个数据源中获取初始数据可以包括如下步骤:
步骤1,判断当前数据源是否满足预设的数据调用规则。
步骤2,在当前数据源满足数据调用规则的情况下,从当前数据源中获取初始数据;在当前数据源不满足数据调用规则的情况下,从优先级低于当前数据源的数据源中获取初始数据。
在本实施例中,还需要判断数据源是否满足预设的数据调用规则,例如数据响应时间是否超时、数据源的调用状态是否可用等规则,在当前数据源满足数据调用规则的情况下返回初始数据;在当前数据源不满足数据调用规则的情况下,则开启数据轮询机制,放弃本次结果,调用次优先级的数据源,再返回初始数据。
在上述实施例中,通过数据轮询机制以及预设的优先级顺序,减少因外部数据无效而导致的流程卡点或决策失效等问题,降低无效数据的干扰,保障决策引擎的决策分析能够有效实现。
在其中一些实施例中,从预设的数据库中提取与第一正则表达式相关的第一特征值包括如下步骤:
步骤1,根据第一正则表达式生成与第一正则表达式对应的字段映射关系,并根据字段映射关系,从数据库存储的初始数据中提取得到匹配字段映射关系的第一特征值。
步骤2,根据第一正则表达式生成与第一正则表达式对应的SQL指令,并根据SQL指令,从数据库存储的初始数据中提取得到匹配SQL指令的待处理特征值;根据SQL指令对待处理特征值进行数据预处理操作,得到与第一正则表达式相关的第一特征值。
在本实施例中,第一特征值包括简单特征值和复杂特征值,在面对简单特征值的情况下,只需要根据第一正则表达式生成与其对应的字段映射关系,然后根据该字段映射关系从对应的数据库中提取字段值作为第一特征值即可;在面对复杂特征值的情况下,即第一特征值无法直接根据字段映射关系从数据库提取时,则可以根据第一正则表达式生成与其对应的SQL(结构化查询语言,Structured Query Language,简称为SQL)指令,根据该SQL指令完成数据取数、数据清洗、数据加工等预处理操作,得到与第一正则表达式相关的第一特征值。
在上述实施例中,数据库可以包括用于维护不同业务的黑名单数据、白名单数据、灰名单数据的名单库,用于维护标准化的从外部数据源获取的初始数据以及业务数据的数据平台,以及用于维护业务流程产生的关系类数据(例如与主体存在订单联系的销售数据、与主题存在电话交互的手机数据等)的关系网络,通过将数据库中的数据划分为名单数据、外部数据、关系数据等数据类型,扩大内部业务数据范围,提升数据使用效率,有助于减少外部数据的调用、运营成本。
在其中一些实施例中,决策引擎配置有预设的决策规则集;决策规则还包括多个子规则集以及与每个子规则集对应的分支条件;在从预设的数据库中提取与第一正则表达式相关的第一特征值之前,方法还包括如下步骤:
步骤1,获取当前决策流的入参字段。
步骤2,根据当前决策流的入参字段,判断当前决策流中每条分支条件的命中情况。
步骤3,将与命中情况为已命中的分支条件对应的子规则集作为当前决策流的决策规则。
在本实施例中,决策引擎中可以存着多个决策流,每个决策流包括相对应的决策规则,决策规则中包括多个子规则集,以及与每个子规则集对应的分支条件;决策引擎可以根据用户需要选择要执行的决策流,然后根据该决策流的决策规则,获取当前决策流的入参字段,并根据入参字段判断当前决策流中每条分支条件的命中情况。
在某一条分支条件命中的情况下,则优先对该条分支条件对应的子规则集进行解析分析,通过获取对应的特征值,并判断当前子规则集中的多条正则表达式的命中情况,利用决策引擎根据预设的配置信息或者决策规则,判断是继续规则解析流程还是中断流程。
在其中一些实施例中,根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险控制结果包括如下步骤:
步骤1,根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险等级,其中,风险等级包括中高风险等级以及低风险等级。
步骤2,在风险等级为中高风险等级的情况下,生成与决策规则匹配的调查问卷,并通过调查问卷获取与决策规则对应的风险信息;根据第一正则表达式的命中情况、第二正则表达式的命中情况、风险等级以及风险信息,生成与决策规则对应的风险控制结果。
步骤3,在风险等级为低风险等级的情况下,根据第一正则表达式的命中情况、第二正则表达式的命中情况以及风险等级,生成与决策规则对应的风险控制结果。
在本实施例中,在获取得到第一正则表达式的命中情况以及第二正则表达式的命中情况,可以生成与决策规则对应的风险等级。在风险等级为中高风险等级时,可以转换为人工审核,并进入人工审核流程。
人工审核流程可以包括输出调查问卷,该调查问卷包括基础信息采集(例如居住状况、婚姻状况等)以及风险信息采集(例如是否存在其他借贷行为、是否存在信用卡逾期等),以及根据决策规则匹配相应的风险问题,将基础问题和风险问题组合后输出,完成风险信息的采集。
并将这类风险信息的采集作为决策引擎的输出进一步进行决策分析,或者由工作人员进行人工电话审核或者资料审核,最后输出风险控制结果,输出与客户风险及资质匹配的金融方案。
在上述实施例中,大部分低风险等级的客户只需提交一次基础信息即可完成风险控制,仅中高风险等级的客户需要提交补充信息,针对不同风险等级的客户输出不同的调查问卷,提高风险控制结果的准确性。
在上述实施例中,本申请提供的基于决策引擎的风险控制方法可以应用于汽车金融领域,在汽车金融领域中,融资租赁公司为客户提供直租、回租服务。融租公司为客户提供车辆使用权,所有权归公司所有,客户向融租公司按月付租金,租期结束后根据所剩尾款实际情况,车辆所有权可转移给客户。由于车辆的使用权和所有权主体不一致,融租公司在发生业务时需甄别客户租车意图及租金偿还能力,防止骗车风险或逾期风险。
通过本申请提供的基于决策引擎的风险控制方法可以有效甄别骗车风险以及评估逾期风险,降低融租公司的资产损失。
通过上述步骤S101至步骤S105,从预设的数据库中提取与第一正则表达式相关的第一特征值,将第一特征值作为第一正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第一正则表达式的命中情况,从第一正则表达式的命中情况中提取与第二正则表达式相关的第二特征值,将第二特征值作为第二正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第二正则表达式的命中情况,根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险控制结果,决策引擎可以从预设的数据库中提取特征值,也可以在决策引擎输出的结果中提取特征值,从而提升内部数据的使用效率,避免出现由于依赖外部数据输入所导致的决策引擎的解析效率低的问题,提升决策引擎的决策实效性,并提高决策引擎的解析效率。通过本申请,解决了相关技术中由于依赖外部数据输入所导致的决策引擎的解析效率低的问题,实现了提高决策引擎的解析效率的技术效果。
本实施例提供了一种基于决策引擎的风险控制装置,决策引擎配置有预设的决策规则;其中,决策规则包括:用于风险控制决策的第一正则表达式以及第二正则表达式,图2是根据本申请实施例的基于决策引擎的风险控制装置的结构框图,如图2所示,该装置包括:第一提取模块20,用于从预设的数据库中提取与第一正则表达式相关的第一特征值;第一计算模块21,用于将第一特征值作为第一正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第一正则表达式的命中情况;第二提取模块22,用于从第一正则表达式的命中情况中提取与第二正则表达式相关的第二特征值;第二计算模块23,用于将第二特征值作为第二正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第二正则表达式的命中情况;输出模块24,用于根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险控制结果。
在其中一些实施例中,该装置还包括调用模块,用于根据预设的优先级顺序,从多个数据源中获取初始数据;对初始数据进行标准化处理,并将标准化处理后的初始数据存储到预设的数据库中。
在其中一些实施例中,调用模块还被配置为用于判断当前数据源是否满足预设的数据调用规则;在当前数据源满足数据调用规则的情况下,从当前数据源中获取初始数据;在当前数据源不满足数据调用规则的情况下,从优先级低于当前数据源的数据源中获取初始数据。
在其中一些实施例中,第一提取模块20还被配置为用于根据第一正则表达式生成与第一正则表达式对应的字段映射关系,并根据字段映射关系,从数据库存储的初始数据中提取得到匹配字段映射关系的第一特征值;根据第一正则表达式生成与第一正则表达式对应的SQL指令,并根据SQL指令,从数据库存储的初始数据中提取得到匹配SQL指令的待处理特征值;根据SQL指令对待处理特征值进行数据预处理操作,得到与第一正则表达式相关的第一特征值。
在其中一些实施例中,决策引擎配置有预设的决策规则集;决策规则还包括多个子规则集以及与每个子规则集对应的分支条件;该装置还包括判断模块,用于获取当前决策流的入参字段;根据当前决策流的入参字段,判断当前决策流中每条分支条件的命中情况;将与命中情况为已命中的分支条件对应的子规则集作为当前决策流的决策规则。
在其中一些实施例中,输出模块24还被配置为用于根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险等级,其中,风险等级包括中高风险等级以及低风险等级;在风险等级为中高风险等级的情况下,生成与决策规则匹配的调查问卷,并通过调查问卷获取与决策规则对应的风险信息;根据第一正则表达式的命中情况、第二正则表达式的命中情况、风险等级以及风险信息,生成与决策规则对应的风险控制结果;在风险等级为低风险等级的情况下,根据第一正则表达式的命中情况、第二正则表达式的命中情况以及风险等级,生成与决策规则对应的风险控制结果。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
本实施例还提供了一种基于决策引擎的风险控制系统,图3是根据本申请实施例的基于决策引擎的风险控制系统的结构框图,如图3所示,该系统包括:数据库30、特征获取模块31、决策引擎32以及风险控制模块33;其中,数据库30用于存储从多个数据源中获取的初始数据;特征获取模块31,分别与数据库30以及决策引擎32通信连接,用于从数据库30中和/或从决策引擎32中获取特征值;决策引擎32,与风险控制模块33通信连接,用于执行如上述实施例的基于决策引擎的风险控制方法;风险控制模块33,用于根据决策引擎32的输出结果生成风险控制结果。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
本实施例还提供了一种电子装置,图4是根据本申请实施例的电子装置的硬件结构示意图,如图4所示,该电子装置包括存储器404和处理器402,该存储器404中存储有计算机程序,该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
具体地,上述处理器402可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器404可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器404可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(Solid State Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器404可在基于决策引擎的风险控制装置的内部或外部。在特定实施例中,存储器404是非易失性(Non-Volatile)存储器。在特定实施例中,存储器404包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(Random Access Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable Programmable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable Programmable Read-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(StaticRandom-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random AccessMemory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page ModeDynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令,以实现上述实施例中的任意一种基于决策引擎的风险控制方法。
可选地,上述电子装置还可以包括传输设备406以及输入输出设备408,其中,该传输设备406和上述处理器402连接,该输入输出设备408和上述处理器402连接。
可选地,在本实施例中,上述处理器402可以被设置为通过计算机程序执行以下步骤:
S1,从预设的数据库中提取与第一正则表达式相关的第一特征值。
S2,将第一特征值作为第一正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第一正则表达式的命中情况。
S3,从第一正则表达式的命中情况中提取与第二正则表达式相关的第二特征值。
S4,将第二特征值作为第二正则表达式在执行时需要输入的特征参数,利用决策引擎计算得到第二正则表达式的命中情况。
S5,根据第一正则表达式的命中情况以及第二正则表达式的命中情况,生成与决策规则对应的风险控制结果。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的基于决策引擎的风险控制方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种基于决策引擎的风险控制方法。
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于决策引擎的风险控制方法,其特征在于,所述决策引擎配置有预设的决策规则;其中,所述决策规则包括:用于风险控制决策的第一正则表达式以及第二正则表达式;所述方法包括:
从预设的数据库中提取与所述第一正则表达式相关的第一特征值;
将所述第一特征值作为所述第一正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第一正则表达式的命中情况;
从所述第一正则表达式的命中情况中提取与所述第二正则表达式相关的第二特征值;
将所述第二特征值作为所述第二正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第二正则表达式的命中情况;
根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险控制结果;
所述第一特征值包括简单特征值和复杂特征值,对于简单特征值,所述从预设的数据库中提取与所述第一正则表达式相关的第一特征值包括:根据所述第一正则表达式生成与所述第一正则表达式对应的字段映射关系,并根据所述字段映射关系,从所述数据库存储的初始数据中提取得到匹配所述字段映射关系的第一特征值;
对于复杂特征值,所述从预设的数据库中提取与所述第一正则表达式相关的第一特征值包括:根据所述第一正则表达式生成与所述第一正则表达式对应的SQL指令,并根据所述SQL指令,从所述数据库存储的初始数据中提取得到匹配所述SQL指令的待处理特征值;根据所述SQL指令对所述待处理特征值进行数据预处理操作,得到与所述第一正则表达式相关的第一特征值。
2.根据权利要求1所述的基于决策引擎的风险控制方法,其特征在于,在从预设的数据库中提取与所述第一正则表达式相关的第一特征值之前,所述方法还包括:
根据预设的优先级顺序,从多个数据源中获取初始数据;
对所述初始数据进行标准化处理,并将标准化处理后的初始数据存储到预设的数据库中。
3.根据权利要求2所述的基于决策引擎的风险控制方法,其特征在于,从多个数据源中获取初始数据包括:
判断当前数据源是否满足预设的数据调用规则;
在所述当前数据源满足所述数据调用规则的情况下,从所述当前数据源中获取初始数据;
在所述当前数据源不满足所述数据调用规则的情况下,从优先级低于所述当前数据源的数据源中获取初始数据。
4.根据权利要求1所述的基于决策引擎的风险控制方法,其特征在于,所述决策引擎配置有预设的决策规则集;所述决策规则还包括多个子规则集以及与每个子规则集对应的分支条件;在从预设的数据库中提取与所述第一正则表达式相关的第一特征值之前,所述方法还包括:
获取当前决策流的入参字段;
根据所述当前决策流的入参字段,判断所述当前决策流中每条所述分支条件的命中情况;
将与命中情况为已命中的分支条件对应的子规则集作为当前决策流的决策规则。
5.根据权利要求1所述的基于决策引擎的风险控制方法,其特征在于,根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险控制结果包括:
根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险等级,其中,所述风险等级包括中高风险等级以及低风险等级;
在所述风险等级为中高风险等级的情况下,生成与所述决策规则匹配的调查问卷,并通过所述调查问卷获取与所述决策规则对应的风险信息;
根据所述第一正则表达式的命中情况、所述第二正则表达式的命中情况、所述风险等级以及所述风险信息,生成与所述决策规则对应的风险控制结果;
在所述风险等级为低风险等级的情况下,根据所述第一正则表达式的命中情况、所述第二正则表达式的命中情况以及所述风险等级,生成与所述决策规则对应的风险控制结果。
6.一种基于决策引擎的风险控制装置,其特征在于,所述决策引擎配置有预设的决策规则;其中,所述决策规则包括:用于风险控制决策的第一正则表达式以及第二正则表达式;所述装置包括:
第一提取模块,用于从预设的数据库中提取与所述第一正则表达式相关的第一特征值;所述第一特征值包括简单特征值和复杂特征值,对于简单特征值,所述从预设的数据库中提取与所述第一正则表达式相关的第一特征值包括:根据所述第一正则表达式生成与所述第一正则表达式对应的字段映射关系,并根据所述字段映射关系,从所述数据库存储的初始数据中提取得到匹配所述字段映射关系的第一特征值;
对于复杂特征值,所述从预设的数据库中提取与所述第一正则表达式相关的第一特征值包括:根据所述第一正则表达式生成与所述第一正则表达式对应的SQL指令,并根据所述SQL指令,从所述数据库存储的初始数据中提取得到匹配所述SQL指令的待处理特征值;根据所述SQL指令对所述待处理特征值进行数据预处理操作,得到与所述第一正则表达式相关的第一特征值;
第一计算模块,用于将所述第一特征值作为所述第一正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第一正则表达式的命中情况;
第二提取模块,用于从所述第一正则表达式的命中情况中提取与所述第二正则表达式相关的第二特征值;
第二计算模块,用于将所述第二特征值作为所述第二正则表达式在执行时需要输入的特征参数,利用所述决策引擎计算得到所述第二正则表达式的命中情况;
输出模块,用于根据所述第一正则表达式的命中情况以及所述第二正则表达式的命中情况,生成与所述决策规则对应的风险控制结果。
7.一种基于决策引擎的风险控制系统,其特征在于,所述系统包括数据库、特征获取模块、决策引擎以及风险控制模块;其中,
所述数据库用于存储从多个数据源中获取的初始数据;
所述特征获取模块,分别与所述数据库以及所述决策引擎通信连接,用于从所述数据库中和/或从所述决策引擎中获取特征值;
所述决策引擎,与所述风险控制模块通信连接,用于执行权利要求1至5中任一项所述的基于决策引擎的风险控制方法;
所述风险控制模块,用于根据所述决策引擎的输出结果生成风险控制结果。
8.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任一项所述的基于决策引擎的风险控制方法。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的基于决策引擎的风险控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110625463.7A CN113450067B (zh) | 2021-06-04 | 2021-06-04 | 基于决策引擎的风险控制方法、装置、系统和电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110625463.7A CN113450067B (zh) | 2021-06-04 | 2021-06-04 | 基于决策引擎的风险控制方法、装置、系统和电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113450067A CN113450067A (zh) | 2021-09-28 |
CN113450067B true CN113450067B (zh) | 2022-10-04 |
Family
ID=77810728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110625463.7A Active CN113450067B (zh) | 2021-06-04 | 2021-06-04 | 基于决策引擎的风险控制方法、装置、系统和电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450067B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764674A (zh) * | 2018-05-16 | 2018-11-06 | 普信恒业科技发展(北京)有限公司 | 一种基于规则引擎的风险控制方法和装置 |
CN109146670A (zh) * | 2018-08-27 | 2019-01-04 | 深圳前海微众银行股份有限公司 | 贷款反欺诈处理方法、装置及可读存储介质 |
CN109542410A (zh) * | 2018-11-29 | 2019-03-29 | 江苏满运软件科技有限公司 | 规则引擎系统、方法、设备及存储介质 |
CN109559232A (zh) * | 2019-01-03 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 交易数据处理方法、装置、计算机设备和存储介质 |
CN109597606A (zh) * | 2018-10-24 | 2019-04-09 | 中国平安人寿保险股份有限公司 | 使用规则引擎进行业务决策的方法、设备和存储介质 |
CN111951010A (zh) * | 2020-07-26 | 2020-11-17 | 中国建设银行股份有限公司 | 一种基于规则引擎的业务决策方法、装置、电子设备和可读存储介质 |
CN112364054A (zh) * | 2020-10-22 | 2021-02-12 | 杭州大搜车汽车服务有限公司 | 风控决策方法、装置、电子装置及存储介质 |
CN112394922A (zh) * | 2020-12-02 | 2021-02-23 | 成都新希望金融信息有限公司 | 决策配置方法、业务决策方法和决策引擎系统 |
CN112463840A (zh) * | 2021-02-01 | 2021-03-09 | 杭州天谷信息科技有限公司 | 一种基于规则引擎的实时业务风控系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3015240A1 (en) * | 2017-08-25 | 2019-02-25 | Royal Bank Of Canada | Service management control platform |
-
2021
- 2021-06-04 CN CN202110625463.7A patent/CN113450067B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764674A (zh) * | 2018-05-16 | 2018-11-06 | 普信恒业科技发展(北京)有限公司 | 一种基于规则引擎的风险控制方法和装置 |
CN109146670A (zh) * | 2018-08-27 | 2019-01-04 | 深圳前海微众银行股份有限公司 | 贷款反欺诈处理方法、装置及可读存储介质 |
CN109597606A (zh) * | 2018-10-24 | 2019-04-09 | 中国平安人寿保险股份有限公司 | 使用规则引擎进行业务决策的方法、设备和存储介质 |
CN109542410A (zh) * | 2018-11-29 | 2019-03-29 | 江苏满运软件科技有限公司 | 规则引擎系统、方法、设备及存储介质 |
CN109559232A (zh) * | 2019-01-03 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 交易数据处理方法、装置、计算机设备和存储介质 |
CN111951010A (zh) * | 2020-07-26 | 2020-11-17 | 中国建设银行股份有限公司 | 一种基于规则引擎的业务决策方法、装置、电子设备和可读存储介质 |
CN112364054A (zh) * | 2020-10-22 | 2021-02-12 | 杭州大搜车汽车服务有限公司 | 风控决策方法、装置、电子装置及存储介质 |
CN112394922A (zh) * | 2020-12-02 | 2021-02-23 | 成都新希望金融信息有限公司 | 决策配置方法、业务决策方法和决策引擎系统 |
CN112463840A (zh) * | 2021-02-01 | 2021-03-09 | 杭州天谷信息科技有限公司 | 一种基于规则引擎的实时业务风控系统及方法 |
Non-Patent Citations (3)
Title |
---|
基于规则引擎的机票售后系统设计;黄烈甫;《现代信息科技》;20200310(第05期);第16-19页 * |
基于规则引擎的金融风控系统;王文静等;《计算机与现代化》;20190515(第05期);第34-38页 * |
智能化规则引擎技术研究;赵志伟;《软件》;20180815(第08期);第73-77页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113450067A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107862425B (zh) | 风控数据采集方法、设备、系统及可读存储介质 | |
CN110659985A (zh) | 一种捞回误拒潜在用户的方法、装置和电子设备 | |
CN111580874A (zh) | 数据申请的系统安全控制方法、系统和计算机设备 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN113888299A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN113268768A (zh) | 一种敏感数据的脱敏方法、装置、设备及介质 | |
CN111798304A (zh) | 一种风险贷款确定方法、装置、电子设备及存储介质 | |
CN113450067B (zh) | 基于决策引擎的风险控制方法、装置、系统和电子装置 | |
CN110263132B (zh) | 项目案件推送方法以及装置 | |
CN111695988A (zh) | 信息处理方法、装置、电子设备和介质 | |
CN111242779A (zh) | 金融数据特征选择和预测方法、装置、设备及存储介质 | |
CN110827142A (zh) | 用户信用评估方法、系统、服务器及存储介质 | |
CN113094595A (zh) | 对象识别方法、装置、计算机系统及可读存储介质 | |
CN110675136A (zh) | 信息处理方法、装置及设备 | |
CN114401104B (zh) | 网络爬虫处置方法、装置、服务器及存储介质 | |
CN115953248B (zh) | 基于沙普利可加性解释的风控方法、装置、设备及介质 | |
CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
CN111460280B (zh) | 基于公共法律服务平台的法律服务人员推荐方法 | |
CN109146660B (zh) | 数据处理方法及装置 | |
CN117934154A (zh) | 交易风险预测方法、模型训练方法、装置、设备、介质和程序产品 | |
CN116977056A (zh) | 用户借款资方匹配方法、系统、计算机设备和存储介质 | |
CN117273622A (zh) | 资源分配方法、装置、设备及计算机可读存储介质 | |
CN115063112A (zh) | 金融机构的产品核算方法、设备和存储介质 | |
CN116341945A (zh) | 对象评估方法及装置、电子设备和计算机可读存储介质 | |
CN115130720A (zh) | 一种违约预测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |