CN113919669A - 一种确定风险控制对象的风险信息的方法和装置 - Google Patents

一种确定风险控制对象的风险信息的方法和装置 Download PDF

Info

Publication number
CN113919669A
CN113919669A CN202111130529.1A CN202111130529A CN113919669A CN 113919669 A CN113919669 A CN 113919669A CN 202111130529 A CN202111130529 A CN 202111130529A CN 113919669 A CN113919669 A CN 113919669A
Authority
CN
China
Prior art keywords
risk
information
detection
user
determining
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.)
Granted
Application number
CN202111130529.1A
Other languages
English (en)
Other versions
CN113919669B (zh
Inventor
刘志海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Delian Yikong Technology Beijing Co ltd
Original Assignee
Delian Yikong Technology Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Delian Yikong Technology Beijing Co ltd filed Critical Delian Yikong Technology Beijing Co ltd
Priority to CN202111130529.1A priority Critical patent/CN113919669B/zh
Publication of CN113919669A publication Critical patent/CN113919669A/zh
Application granted granted Critical
Publication of CN113919669B publication Critical patent/CN113919669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请适用于数据分析技术领域，提供了一种确定风险控制对象的风险信息的方法和装置，所述方法包括：获取风险控制对象的有效信息；有效信息包括风险控制对象对应的用户信息和风险控制对象的标准属性信息；根据用户信息，以及标准属性信息，确定风险控制对象的检测系数；检测系数用于反映风险控制对象的实际检测等级；根据检测系数从多个风险检测策略中确定与实际检测等级匹配的目标风险检测策略；根据目标风险检测策略检测标准属性信息的风险，得到风险控制对象的目标风险信息。在本发明中，风险控制对象并不局限于一个固定的风险检测策略，而是可以根据检测系数选择合适的风险检测策略，不仅适用范围广，还提高了风险控制对象的风险检测准确率。

Description

一种确定风险控制对象的风险信息的方法和装置
技术领域
本申请属于数据分析技术领域，尤其涉及一种确定风险控制对象的风险信息的方法、装置、终端设备及计算机可读存储介质。
背景技术
各行各业，各个领域，都需要有一套完整的风险控制策略，以保证事件向好的方向发展，减少不必要的经济损失。其中，风险控制，也被称为风控，是指风险管理者采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或风险控制者减少风险事件发生时造成的损失。在现实社会中，在进行风险控制之前，通常需要确定某个风险控制对象(如人或车辆等)的风险信息，并通过上述风险信息实现精准的风险控制。
然而，现有的风险信息确定方法通常是只能根据风控人员总结的风控经验对风险控制对象进行风险检测，以确定该风险控制对象的风险信息。风控人员总结的风控经验通常是结合实际的风险控制对象形成的，具有特殊性，不仅适用范围小，而且对于其他的风险控制对象的风险检测的准确率不高。
发明内容
本申请实施例提供了一种确定风险控制对象的风险信息的方法、装置、终端设备及计算机可读存储介质，可以解决现有技术存在的适用范围小，且风险检测的准确率不高的问题。
第一方面，本申请实施例提供了一种确定风险控制对象的风险信息的方法，包括：
获取风险控制对象的有效信息；所述有效信息包括所述风险控制对象对应的用户信息和所述风险控制对象的标准属性信息；
根据所述用户信息，以及所述标准属性信息，确定所述风险控制对象的检测系数；所述检测系数用于反映所述风险控制对象的实际检测等级；
根据所述检测系数从多个预设风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略；所述多个预设风险检测策略中每个预设风险检测策略与预设检测等级关联；
根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息。
可选的，所述根据所述用户信息，以及所述标准属性信息确定所述风险控制对象的检测系数，包括：
根据所述用户信息，确定用户属性向量；
根据所述用户属性向量和预先构建的用户信息表确定用户特征向量；所述用户信息表用于存储预设用户属性向量和预设用户特征向量之间的对应关系；
根据所述标准属性信息确定所述风险控制对象的属性特征向量；
将所述用户特征向量和所述属性特征向量导入预设模型，得到所述风险控制对象的检测系数；所述预设模型满足如下公式：
CoefficientD＝ω1vector1+ω2vector2；
其中，CoefficientD表示所述检测系数，vector1表示所述用户特征向量，vector2表示所述属性特征向量，ω1表示所述用户特征向量的权重值，ω2表示所述属性特征向量的权重值。
可选的，所述用户信息包括用户标识和多个用户属性；所述根据所述用户信息，确定用户属性向量，包括：
根据所述用户信息确定每个所述用户属性包含的各个预设分类的逻辑值；
根据每个所述用户属性包含的各个预设分类的逻辑值得到所述用户属性向量；
相应的，所述根据所述用户属性向量和预先构建的用户信息表确定用户特征向量；所述用户信息表用于存储预设用户属性向量和预设用户特征向量之间的对应关系，包括：
根据所述用户标识确定用户等级；
根据所述用户等级和所述用户信息表确定所述用户属性向量对应的多个预设属性维度的风险检测分数值；
根据所述多个风险检测分数值确定所述用户特征向量。
可选的，所述有效信息还包括所述风险控制对象的行为记录；所述获取风险控制对象的有效信息之后，还包括：
根据所述行为记录生成所述风险控制对象在第一预设时间段内的行为轨迹；所述行为轨迹内包括至少一个行为事件；每个所述行为事件包含事件类型和事件等级；
根据所述事件类型和所述事件等级确定每个所述行为事件对应的事件权重值；
根据所述事件类型和所述事件权重值对所述标准属性信息进行调整，得到优化属性信息；
相应的，所述根据所述用户信息，以及所述标准属性信息确定所述风险控制对象的检测系数，包括：
根据所述用户信息和所述优化属性信息确定所述检测系数。
可选的，所述根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息，包括：
根据所述目标风险检测策略对所述标准属性信息进行处理，得到所述风险控制对象的第一信息，所述第一信息包括风险描述、风险类型、风险指向、风险评分；
根据所述风险描述、所述风险类型、所述风险指向及所述风险评分输出提示信息；所述提示信息用于描述所述风险控制对象对应的风险控制建议；
对所述风险描述、所述风险类型、所述风险指向、所述风险评分及所述提示信息进行组合，得到所述目标风险信息。
可选的，所述风险控制对象对应有多个风险信息；所述对所述风险描述、所述风险类型、所述风险指向、所述风险评分及所述提示信息进行组合，得到所述目标风险信息，包括：
当检测到多个所述风险信息中的风险指向相同时，根据第一预设要求确定风险信息集合中各个风险类型对应的类型权重值；所述风险信息集合由风险指向相同的多个所述风险信息构成；
根据第二预设顺序确定所述风险信息集合中各个风险评分对应的评分权重值；
对同一风险信息的类型权重值和评分权重值进行求和，并将求和结果最大值对应的风险信息确定为目标风险信息。
可选的，所述根据所述检测系数从多个风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略，包括：
根据所述检测系数和多个预设系数阈值确定所述检测系数所处的系数区间；
根据所述系数区间确定所述风险控制对象的所述实际检测等级；
根据所述实际检测等级，以及预设检测等级和各个预设风险检测策略之间的对应关系，从所述多个预设风险检测策略中确定所述目标风险检测策略。
第二方面，本申请实施例提供了一种确定风险控制对象的风险信息的装置，包括：
有效信息获取单元，用于获取风险控制对象的有效信息；所述有效信息包括所述风险控制对象对应的用户信息和所述风险控制对象的标准属性信息；
检测系数确定单元，用于根据所述用户信息，以及所述标准属性信息，确定所述风险控制对象的检测系数；所述检测系数用于反映所述风险控制对象的实际检测等级；
检测策略确定单元，用于根据所述检测系数从多个预设风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略；所述多个预设风险检测策略中每个预设风险检测策略与预设检测等级关联；
风险信息确定单元，用于根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，上述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的确定风险控制对象的风险信息的方法的步骤。
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有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的确定风险控制对象的风险信息的方法的步骤。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备可执行上述第一方面中任一项所述的确定风险控制对象的风险信息的方法。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例提供的一种确定风险控制对象的风险信息的方法，通过获取到的风险控制对象的用户信息和标准属性信息，可以确定风险控制对象的检测系数，由于检测系数可以反映该风险控制对象的实际检测等级，而多个风险检测策略中每个风险检测策略关联一个检测等级，因此后续可以根据该检测系数在多个风险检测策略中确定出该风险控制对象对应的目标风险检测策略，最后根据目标风险检测策略检测标准属性信息的风险，得到目标风险信息。与现有技术相比，本申请实施例在对风险控制对象进行风险检测时，首先考虑到了风险控制对象的用户信息和标准属性信息对风险检测策略的影响，之后还可以根据检测系数灵活确定风险检测策略，即本申请实施例中的所有风险控制对象并不局限于一个固定的风险检测策略，而是可以根据需要选择合适的风险检测策略，不仅适用范围广，还提高了风险控制对象的风险检测准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的确定风险控制对象的风险信息的方法的实现流程图；
图2是本申请一实施例提供的风险检测系统的结构示意图；
图3是本申请一实施例提供的确定风险控制对象的风险信息的方法中S103的具体实现流程图；
图4是本申请一实施例提供的确定风险控制对象的风险信息的方法中S102的具体实现流程图；
图5是本申请另一实施例提供的确定风险控制对象的风险信息的方法的实现流程图；
图6是本申请再一实施例提供的确定风险控制对象的风险信息的方法的实现流程图；
图7是本申请一实施例提供的确定风险控制对象的风险信息的方法中S104的具体实现流程图；
图8是本申请又一实施例提供的确定风险控制对象的风险信息的方法的实现流程图；
图9是本申请一实施例提供的确定风险控制对象的风险信息的装置的结构示意图；
图10是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
请参阅图1，图1是本申请一实施例提供的确定风险控制对象的风险信息的方法的实现流程图。本申请一实施例提供的确定风险控制对象的风险信息的方法的执行主体为终端设备。其中，终端设备可以是智能手机、平板电脑或台式电脑等。
需要说明的是，终端设备中可以安装有用于对风险控制对象进行风险检测的风险检测系统。如图2所示，该风险检测系统包括至少一个风险检测接口10(图中仅示出三个)和至少一个风险检测组件20(图中仅示出三个)。每个风险检测接口10分别与其对应的风险检测组件30无线通信连接。其中，风险检测接口10与风险检测组件20一一对应。
每个风险检测组件20用于根据预设风险检测策略对风险控制对象的有效信息进行风险检测。每个风险检测组件20的预设风险检测策略均不同。
本申请实施例中，终端设备在获取到风险控制对象的有效信息后，可以根据该有效信息确定风险控制对象的检测系数，从而根据该检测系数从多个预设风险检测策略中确定风险控制对象的目标风险检测策略，之后，终端设备可以控制与该目标风险检测策略对应的风险检测接口10接收上述有效信息，并控制与该风险检测接口10无线通信连接的风险检测组件20检测该有效信息的风险。其中，有效信息包括风险控制对象对应的用户信息和风险控制对象的标准属性信息。
在本申请的一个实施例中，请继续参阅图2，风险检测系统还可以包括信息处理组件30。信息处理组件30与风险检测接口10无线通信连接。终端设备可以控制信息处理组件30对风险控制对象的初始信息进行标准化处理，得到风险控制对象的有效信息。
在本申请的另一个实施例中，请继续参阅图2，风险检测系统还可以包括风险信息去重组件40，风险信息去重组件40与风险检测组件20无线通信连接。终端设备可以控制风险信息去重组件40接收多个风险检测组件20输出的风险信息，并对上述多个风险信息进行标准化处理和去重处理，得到目标风险信息。
本申请实施例中，风险控制对象用于描述具体的理赔业务。其中，理赔业务包括人险理赔业务或车险理赔业务。
基于此，以风险控制对象为人险理赔业务为例，当风险控制对象的保险人与理赔单位(如保险公司)在签订保险合同后，后期理赔单位在需要基于该风险控制对象进行理赔时，需要先对该风险控制对象的各种数据进行风险检测，即确定该风险控制对象的风险信息。以风险控制对象为车险理赔业务为例，当风险控制对象的受益人与理赔单位(如保险公司)在签订保险合同后，后期理赔单位在需要对该风险控制对象的受益人进行理赔时，需要先对该风险控制对象的各种数据进行风险检测，即确定该风险控制对象的风险信息。
以下将以风险控制对象为车险理赔业务为例进行说明。
如图1所示，本申请一实施例提供的确定风险控制对象的风险信息的方法可以包括S101～S104，详述如下：
在S101中，获取风险控制对象的有效信息；所述有效信息包括所述风险控制对象对应的用户信息和所述风险控制对象的标准属性信息。
在实际应用中，当用户需要确定某个风险控制对象的风险信息时，可以触发终端设备的预设风险检测请求。
本申请实施例中，终端设备检测到用户触发的预设风险检测请求可以是：检测到用户打开预设APP或者检测到用户在预设APP内触发预设操作。其中，预设操作可以根据实际需要确定，此处不作限制。示例性的，预设操作可以是点击预设控件，即终端设备若检测到用户点击预设APP内的预设控件，则认为触发了预设操作，即认为检测到用户触发的预设风险检测请求。
在本申请的一个实施例中，终端设备在检测到预设风险检测请求后，可以从其他设备中获取到风险控制对象的初始信息，并对该初始信息进行处理，得到该风险控制对象的有效信息，具体过程详述如下：
获取所述风险控制对象的初始信息；所述初始信息包括所述用户信息和所述风险控制对象的原始属性信息；
根据第一预设规则对所述原始属性信息进行标准化处理，得到所述标准属性信息。
本实施例中，终端设备可以控制自身安装的风险检测系统中的信息处理组件对上述初始信息进程处理。
第一预设规则可以根据实际需要设置，此处不作限制，示例性的，第一预设规则可以是使风险控制对象的属性信息统一包括理赔类型、车辆查勘信息、车辆定损信息、车辆核损信息及车辆核赔信息等信息。
本实施例中，以风险控制对象为车险理赔业务为例，风险控制对象的用户信息可以指以该车辆为理赔业务的受益人信息。其中，用户信息包括但不限于：用户年龄、用户性别、用户职业、消费水平及理财状况等。
原始属性信息包括但不限于：风险控制对象对应的车险理赔业务的理赔类型、报案信息、车辆查勘信息、车辆定损信息、车辆核损信息、车辆核赔信息、结案信息等。
其中，报案信息用于描述风险控制对象对应的车辆发生事故的时间、地点等基本信息，结案信息用于描述确定该风险控制对应的理赔数据的时间、理赔单位等信息。车辆查勘信息用于描述相关人员对车辆损坏现场进行实地验证和查询后，得到的验证结果和查询结果。车辆定损信息用于描述相关人员通过车辆损坏现场和车辆损坏图像确定车辆的损坏部件及其需要进行更换或者维修的支出情况。车辆核损信息用于描述对车辆定损信息的反馈意见。车辆核赔信息用于描述根据相关赔偿条例最终确定的经济补偿。
本实施例中，由于原始属性信息是从其他设备中获取得到的，其他设备提供的原始属性信息的格式并不符合终端设备所需的格式，且原始属性信息中可能存在无效信息，因此，终端设备需要对获取到的原始属性信息进行标准化处理，以得到终端设备所需的标准属性信息。
本申请实施例中，风险控制对象的标准属性信息可以包括但不限于：理赔类型、车辆查勘信息、车辆定损信息、车辆核损信息及车辆核赔信息等。
在S102中，根据所述用户信息，以及所述标准属性信息，确定所述风险控制对象的检测系数。所述检测系数用于反映所述风险控制对象的实际检测等级。
本申请实施例中，风险控制对象的实际检测等级用于描述该风险控制对象的风险程度，风险程度越大，其实际检测等级越高。
在实际应用中，风险控制对象对应的用户信息，如用户职业、理财状况等，风险控制对象的标准属性信息，如车辆查勘信息、车辆定损信息、车辆核损信息等，都会对该风险控制对象的目标风险检测策略产生影响。例如，若用户的理财状况较差，则该用户较理财状况较好的情况下更容易想到通过车险理赔业务得到理赔，即风险程度较大。因此，终端设备需要根据用户信息和标准属性信息确定风险控制对象的检测系数，从而确定合适的目标风险检测策略。
在S103中，根据所述检测系数从多个预设风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略；所述多个预设风险检测策略中每个预设风险检测策略与预设检测等级关联。
需要说明的是，终端设备预先存储了多个预设风险检测策略，包括但不限于以下中的多个：基于规则引擎进行风险检测的策略、基于合规协议书进行风险检测的策略及基于风险检测模型进行风险检测的策略等。
规则引擎是指根据相关专家的风险调查经验，编写的具体规则条件。
合规协议书是指风险控制对象的受益人与理赔单位之间签订的相关条例。
风险检测模型是指基于预设样本集对预先构建的深度学习模型进行训练得到的检测模型。预设样本集中的每条样本数据均包括样本风险控制对象的有效信息和其对应的风险信息。
预设检测等级用于描述风险控制对象的风险程度，包括多个检测等级，比如第一检测等级、第二检测等级及第三检测等级。第一检测等级对应的风险程度最小，第二检测等级对应的风险程度次之，第三检测等级对应的风险程度最大。
终端设备可以将上述多个预设风险检测策略和预设检测等级进行关联存储。每个预设风险检测策略对应一个预设检测等级。
因此，在本申请实施例中，终端设备可以通过检测系数从上述多个预设风险检测策略中确定出与风险控制对象的实际检测等级相匹配的目标风险检测策略。
需要说明的是，目标风险检测策略可以是一个或者多个。
在本申请的一个实施例中，步骤S103具体可以通过如图3所示的步骤S1031～S1033确定目标风险检测策略，详述如下：
在S1031中，根据所述检测系数和多个预设系数阈值确定所述检测系数所处的系数区间。
本实施例中，终端设备在获取到风险控制对象的检测系数后，可以将该检测系数与多个预设系数阈值进行一一对比，从而根据对比结果确定该检测系数所处的系数区间。
预设系数阈值和系数区间均可以根据实际需要设置，示例性的，预设系数阈值可以包括第一阈值和第二阈值，系数区间可以包括第一区间、第二区间及第三区间。其中，第一阈值小于第二阈值，第一区间的取值范围可以是：(0，第一阈值]，第二区间的取值范围可以是：(第一阈值，第二阈值]，第三区间的取值范围可以是：(第二阈值，+∞)。
基于此，终端设备在检测到上述检测系数小于或等于第一阈值时，可以确定该检测系数处于第一区间，终端设备在检测到上述检测系数大于第一阈值且小于或等于第二阈值时，可以确定该检测系数处于第二区间，终端设备在检测到上述检测系数大于第二阈值时，可以确定该检测系数处于第三区间。
在S1032中，根据所述系数区间确定所述风险控制对象的所述实际检测等级。
在S1033中，根据所述实际检测等级，以及预设检测等级和各个预设风险检测策略之间的对应关系，从所述多个预设风险检测策略中确定所述目标风险检测策略。
本实施例中，不同的系数区间可以对应不同的预设检测等级。具体地，结合S102，第一区间可以对应于第一检测等级，第二区间可以对应于第二检测等级，第三区间可以对应于第三检测等级。
因此，终端设备在检测到风险控制对象的检测系数处于第一区间时，可以确定该风险控制对象的实际检测等级为第一检测等级，终端设备在检测到风险控制对象的检测系数处于第二区间时，可以确定该风险控制对象的实际检测等级为第二检测等级，终端设备在检测到风险控制对象的检测系数处于第三区间时，可以确定该风险控制对象的实际检测等级为第三检测等级。
在本实施例中，通过确定的系数区间可以准确确定出风险控制对象的实际检测等级，从而确定出与该风险控制对象相匹配的目标风险检测策略，提高了目标风险检测策略的准确性。
在S104中，根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息。
本申请实施例中，终端设备在确定目标风险检测策略后，可以控制自身安装的风险检测系统中，与该目标风险检测策略对应的风险检测接口，接收风险控制对象的标准属性信息，并控制与该风险检测接口对应的风险检测组件，根据目标风险检测策略检测该标准属性信息的风险。
在本申请的一个实施例中，结合S103，当目标风险检测策略为多个时，终端设备可以同时采用多个目标风险检测策略，在第二预设时间段内检测风险控制对象的标准属性信息的风险。其中，第二预设时间段可以根据实际需要设置，此处不作限制。
终端设备在第二预设时间段后，若检测到某个目标风险检测策略对应的原始风险信息并未输出，则停止执行该目标风险检测策略，并将已输出的风险信息确定为目标风险信息。
在本申请的另一个实施例中，由于目标风险检测策略并不是固定的，且每个预设风险检测策略输出的原始风险信息的格式都不相同，为了便于后期对风险信息进行分析，终端设备需要在根据目标风险检测策略检测风险控制对象的标准属性信息的风险，得到原始风险信息之后，对该原始风险信息进行标准化处理，以得到格式相同的目标风险信息。
本实施例中，终端设备可以控制自身安装的风险检测系统中的风险信息去重组件对上述原始风险信息进行处理。
具体地，终端设备可以在获取到原始风险信息后，基于第二预设规则对原始风险信息进行标准化处理，得到目标风险信息。
第二预设规则可以是：使目标风险信息统一包括风险控制对象的风险描述、风险类型、风险指向、风险评分及提示信息等信息。其中，提示信息用于描述该风险控制对象对应的风险控制建议。
以上可以看出，本申请实施例提供的一种确定风险控制对象的风险信息的方法，通过获取到的风险控制对象的用户信息和标准属性信息，可以确定风险控制对象的检测系数，由于检测系数可以反映该风险控制对象的实际检测等级，而多个风险检测策略中每个风险检测策略关联一个检测等级，因此后续可以根据该检测系数在多个风险检测策略中确定出该风险控制对象对应的目标风险检测策略，最后根据目标风险检测策略检测标准属性信息的风险，得到目标风险信息。与现有技术相比，本申请实施例在对风险控制对象进行风险检测时，首先考虑到了风险控制对象的用户信息和标准属性信息对风险检测策略的影响，之后还可以根据检测系数灵活确定风险检测策略，即本申请实施例中的所有风险控制对象并不局限于一个固定的风险检测策略，而是可以根据需要选择合适的风险检测策略，不仅适用范围广，还提高了风险控制对象的风险检测准确率。
请参阅图4，图4是本申请另一实施例提供的确定风险控制对象的风险信息的方法的实现流程图。相对于图1对应的实施例，在本实施例提供的确定风险控制对象的风险信息的方法中，S102具体可以包括S1021～S1024，详述如下：
在S1021中，根据所述用户信息，确定用户属性向量。
本实施例中，终端设备可以根据风险控制对象对应的用户信息，从预先构建的用户属性表中获取用户属性向量。其中，用户属性表用于存储风险控制对象对应的用户信息与用户属性向量之间的对应关系，用户属性向量中的各个元素的值用于描述预设用户信息中的各个预设用户属性包含的各个预设分类的逻辑值，逻辑值的取值为0或1。预设用户属性包括但不限于：用户年龄、用户性别、用户职业、消费水平及理财状况等。每一预设用户属性包含的各个预设分类可以根据实际需要设置，示例性的，用户性别这一预设用户属性可以包含男和女这两个预设分类。
基于此，在本申请的一个实施例中，用户信息可以包括多个用户属性，终端设备具体可以通过如图5所示的步骤S201～S202确定用户属性向量，详述如下：
在S201中，根据所述用户信息确定每个所述用户属性包含的各个预设分类的逻辑值。
本实施例中，由于用户信息包括多个用户属性，如用户年龄、用户性别、用户职业、消费水平及理财状况等，因此，终端设备在获取多个用户属性后，可以根据该用户信息中的目标年龄、目标性别、目标职业、目标消费水平及目标理财状况确定上述各个用户属性包含的各个预设分类的逻辑值。
具体地，终端设备可以确定每个用户属性的实际值(如目标年龄、目标性别等)在该用户属性下所属的预设分类，并将每个用户属性的实际值在该用户属性下所属的预设分类的逻辑值设为1，将每个用户属性下的其他预设分类的逻辑值设为0。示例性的，终端设备可以根据用户信息中的目标性别确定其在用户性别下所属的预设分类，将该目标性别在用户性别这一用户属性下所属的预设分类的逻辑值为1，将用户性别这一用户属性下的其他预设分类的逻辑值确定为0。
例如，假如用户信息中的目标性别为女，用户性别这一用户属性包含男和女这两个预设分类，则性别女这一预设分类的逻辑值为1，其他预设分类的逻辑值均为0。可以理解的是，当用户性别这一用户属性的某个预设分类的逻辑值的取值为0时，说明该用户信息中的目标性别不是该预设分类对应的性别，当用户性别这一用户属性的某个预设分类的逻辑值的取值为1时，说明该用户信息中的目标性别为该预设分类对应的性别。
在S202中，根据每个所述用户属性包含的各个预设分类的逻辑值得到所述用户属性向量。
本实施例中，终端设备在确定了各个用户属性包含的各个预设分类的逻辑值后，可以按照第一预设顺序将所有用户属性包含的所有预设分类的逻辑值进行组合，从而得到用户属性向量。其中，第一预设顺序可以根据实际需要设置，此处不作限制。
在本实施例中，通过用户信息确定各个用户属性包含的各个预设分类的逻辑值，进而可以通各个用户属性包含的各个预设分类的逻辑值组合得到用户属性向量，提高了用户属性向量的准确性，且保证了用户属性向量的全面性。
在S1022中，根据所述用户属性向量和预先构建的用户信息表确定用户特征向量；所述用户信息表用于存储预设用户属性向量和预设用户特征向量之间的对应关系。
本实施例中，终端设备在得到用户属性向量后，可以从预先构建的用户信息表中获取到其对应的用户特征向量。
在本申请的一个实施例中，由于不同的用户对应的用户信息表中的内容也不尽相同，因此，用户信息还可以包括用户标识。用户标识可以是用户姓名、身份证号或手机号等。基于此，请继续参阅图5，终端设备具体可以通过如图5所示的步骤S301～S303确定用户特征向量，详述如下：
在S301中，根据所述用户标识确定用户等级。
本实施例中，由于不同用户的用户等级不尽相同，因此，终端设备需要根据用户标识确定用户等级。其中，用户等级用于描述用户的风险程度，用户等级越高，其风险程度越大。
在S302中，根据所述用户等级和所述用户信息表确定所述用户属性向量对应的多个预设属性维度的风险检测分数值。
本实施例中，由于不同用户等级对应有不同的用户信息表，因此，终端设备需要根据风险控制对象对应的用户等级确定该用户等级对应的用户信息表，然后再通过用户信息表和用户属性向量确定该用户属性向量在该用户信息表中对应的多个预设属性维度的风险检测分数值。
需要说明的是，本实施例中的用户信息表具体用于存储预设用户属性向量与多个预设属性维度的风险检测分数值之间的对应关系。每个预设属性维度的风险检测分数值，可以根据用户属性向量中与该预设属性维度对应的，某一用户属性的所有预设分类的逻辑值确定得到。
预设属性维度可以包括但不限于年龄维度、性别维度、职业维度、消费水平维度及理财状况维度等。
因此，终端设备在确定用户等级后，可以根据用户属性向量确定其在与该用户等级对应的用户信息表中的多个预设属性维度的风险检测分数值。
在S303中，根据所述多个风险检测分数值确定所述用户特征向量。
在本实施例的一种实现方式中，终端设备可以根据上述多个风险检测分数值，构建风险控制对象对应的用户特征图像，该用户特征图像可以是由多边形构成的图像，该多边形的边数与预设属性维度的个数相关，即该多边形的一条边长对应一个预设属性维度。终端设备可以将该用户特征画像确定为风险控制对象的用户特征向量。
在本实施例的另一种实现方式中，终端设备在获取到多个风险检测分数值后，可以将上述多个风险检测分数值的比值进行归一化，并将归一化的比值确定为风险控制对象的用户特征向量。
在本实施例中，通过确定的用户等级和预设构建的用户信息表可以得到用户属性向量对应的多个预设属性维度的风险检测分数值，进而可以根据该风险检测分数值确定用户特征向量，提高了用户特征向量的准确性，且保证了用户特征向量的全面性。
在S1023中，根据所述标准属性信息确定所述风险控制对象的属性特征向量。
本实施例中，终端设备可以根据风险控制对象的标准属性信息，从预先构建的风险属性信息表中获取属性特征向量。其中，风险属性信息表用于存储风险控制对象对应的标准属性信息与属性特征向量之间的对应关系，属性特征向量中的各个元素的值用于描述风险控制对象的各个预设属性信息包含的各个预设分类的逻辑值，逻辑值的取值为0或1。预设属性信息包括但不限于：理赔类型、车辆查勘信息、车辆定损信息、车辆核损信息及车辆核赔信息等。每一预设属性信息包含的各个预设分类可以根据实际需要设置，此处不作限制。
终端设备在获取到风险控制对象的标准属性信息后，可以根据该标准属性信息和各个预设属性信息的实际值确定风险控制对象的属性特征向量。
在S1024中，将所述用户特征向量和所述属性特征向量导入预设模型，得到所述风险控制对象的检测系数。
本实施例中，预设模型满足以下公式：
CoefficientD＝ω1vector1+ω2vector2；
其中，CoefficientD表示风险控制对象的检测系数，vector1表示风险控制对象的用户特征向量，vector2表示风险控制对象的属性特征向量，ω1表示上述用户特征向量的权重值，ω2表示上述属性特征向量的权重值。
以上可以看出，本实施例提供的一种确定风险控制对象的风险信息的方法，通过用户信息确定得到的用户属性向量和用户信息表，可以得到用户特征向量，以及通过标准属性信息得到的属性特征向量，最后根据上述两个特征向量和预设模型，可以计算出风险控制对象的检测系数，提高了检测系数的准确率，便于后续选择合适的目标风险检测策略。
在本申请的一个实施例中，由于风险控制对象的历史记录，如该风险控制对象对应的车辆的历史理赔记录会影响当前时刻的风险控制对象的风险检测，因此，风险控制对象的有效信息还可以包括风险控制对象的行为记录，该行为记录可以包含该风险控制对象对应的车辆发生的行为事件以及该行为事件所发生的事件类型和事件等级等行为事件信息。当前时刻指对上述风险控制对象进行风险检测的时刻。
基于此，请参阅图6，图6是本申请再一实施例提供的确定风险控制对象的风险信息的方法的实现流程图。相对于图1对应的实施例，在本实施例提供的确定风险控制对象的风险信息的方法中，在S101之后，还可以包括S401～S403，S103具体可以包括S404，详述如下：
在S401中，根据所述行为记录生成所述风险控制对象在第一预设时间段内的行为轨迹；所述行为轨迹内包括至少一个行为事件；每个所述行为事件包含事件类型和事件等级。
本实施例中，行为轨迹由第一预设时间段内的至少一个行为事件构成，具体指在第一预设时间段内发生的风险控制对象对应的车辆的至少一个历史理赔事件。其中，第一预设时间段可以根据实际需要设置，此处不作限制。该第一预设时间段的结束时刻为当前时刻。
事件类型用于描述风险控制对象对应的车辆的历史理赔事件的理赔类型。
事件等级用于描述上述历史理赔事件的理赔额度对应的等级。
在S402中，根据所述事件类型和所述事件等级确定每个所述行为事件对应的事件权重值。
本实施例中，由于不同的事件类型和不同的事件等级对当前时刻的风险控制对象的检测系数的影响程度不同，因此，终端设备可以根据上述行为事件的事件类型和事件等级确定该行为事件的事件权重值。
需要说明的是，某一行为事件的事件类型越严重和/或事件等级越高，该行为事件的事件权重值越大。
在S403中，根据所述事件类型和所述事件权重值对所述标准属性信息进行调整，得到优化属性信息。
在S404中，根据所述用户信息和所述优化属性信息确定所述检测系数。
本实施例中，由于风险控制对象的标准属性信息包括理赔类型，因此，终端设备可以根据事件类型和上述事件权重值调整该标准属性信息中的理赔类型，即对标准属性信息中的理赔类型进行更新，得到与该标准属性信息对应的优化属性信息。
以上可以看出，本实施例提供的一种确定风险控制对象的风险信息的方法，由于有效信息还包括风险控制对象的行为记录，因此可以通过该行为记录生成其对应的行为轨迹，从而可以根据该行为轨迹中的事件类型和事件等级对标准属性进行优化处理，得到优化属性信息，最后再根据该优化属性信息和用户信息确定风险控制对象的检测系数，进一步提高了该检测系数的准确率。
请参阅图7，图7是本申请又一实施例提供的确定风险控制对象的风险信息的方法的实现流程图。相对于图1对应的实施例，在本实施例提供的确定风险控制对象的风险信息的方法中，S104具体可以包括S1041～S1043，详述如下：
在S1041中，根据所述目标风险检测策略对所述标准属性信息进行处理，得到所述风险控制对象的第一信息，所述第一信息包括风险描述、风险类型、风险指向、风险评分。
本实施例中，目标风险检测策略包括但不限于：风险描述检测策略、风险类型检测策略、风险指向检测策略及风险评分检测策略。
因此，终端设备可以根据风险描述检测策略对风险控制对象的标准属性信息进行处理，得到该风险控制对象的风险描述；终端设备可以根据风险类型检测策略对该标准属性信息进行处理，得到该风险控制对象的风险类型；终端设备可以根据风险指向检测策略对该标准属性信息进行处理，得到该风险控制对象的风险指向；终端设备可以根据风险评分检测策略对该标准属性信息进行处理，得到该风险控制对象的风险评分，从而得到该风险控制对象的第一信息。
需要说明的是，终端设备可以同时基于上述风险描述检测策略、风险类型检测策略、风险指向检测策略及风险评分检测策略对标准属性信息进行风险检测，也可以基于第二预设顺序对依次根据上述目标风险检测策略对标准属性信息进行风险检测。
第二预设顺序可以是：检测优先级，即终端设备可以按照检测优先级从高到底的顺序获取对应的检测策略对标准属性信息进行风险检测。
在S1042中，根据所述风险描述、所述风险类型、所述风险指向及所述风险评分输出提示信息；所述提示信息用于描述所述风险控制对象对应的风险控制建议。
在本实施例的一种实现方式中，终端设备可以根据风险描述、风险类型、风险指向及风险评分分别输出一条风险控制建议，并将所有风险控制建议确定为提示信息。
在本实施例的另一种实现方式中，终端设备在根据风险描述、风险类型、风险指向及风险评分分别输出一条风险控制建议后，可以建议第三预设要求确定出目标风险控制建议，并将该目标风险控制建议确定为提示信息。第三预设要求可以是确定风险描述对应的风险控制建议确定为目标风险控制建议，也可以是确定风险指向对应的风险控制建议确定为目标风险控制建议。
在S1043中，对所述风险描述、所述风险类型、所述风险指向、所述风险评分及所述提示信息进行组合，得到所述目标风险信息。
本实施例中，风险描述、风险类型、风险指向、风险评分及提示信息的组合方式可以根据实际需要确定，此处不作限制。示例性的，终端设备可以按照风险评分第一顺位、风险类型第二顺位、风险描述第三顺位、风险指向第四顺位及提示信息第五顺位的组合方式，将风险控制对象的第一信息和提示信息进行组合，例如，若第一信息中的风险描述为X1，风险类型为X2，风险指向为X3，风险评分为X4，提示信息为Y，则其组合方式为[X4,X2,X1,X3,Y]。
在本申请的一个实施例中，由于风险控制对象对应的目标风险检测策略有多个，且每个目标风险检测策略均会输出一个风险信息，即风险控制对象对应有多个风险信息，为了得到准确的目标风险信息，终端设备可以将多个风险信息中权重值最大的一个确定为目标风险信息，权重值具体包括风险类型的类型权重值和风险评分的评分权重值。
需要说明的是，终端设备可以控制自身安装的风险检测系统中的风险信息去重组件对上述多个风险信息进行处理。
请参阅图8，终端设备具体可以通过如图8所示的步骤S501～S503确定目标风险信息，详述如下：
在S501中，当检测到多个所述风险信息中的风险指向相同时，根据第一预设要求确定风险信息集合中各个风险类型对应的类型权重值；所述风险信息集合由风险指向相同的多个所述风险信息构成。
本实施例中，第一预设要求可以是：根据风险信息集合中相同风险类型的个数确定类型权重值。个数越多，相同风险类型的类型权重值越大。
在S502中，根据第二预设要求确定所述风险信息集合中各个风险评分对应的评分权重值。
本实施例中，第二预设要求可以是：风险评分的分数值，即终端设备可以按照风险信息集合中的风险评分的分数值从高到低的顺序依次确定各个风险评分对应的评分权重值。分数值越高，对应的评分权重值越大。
在S503中，对同一风险信息的类型权重值和评分权重值进行求和，并将求和结果最大值对应的风险信息确定为目标风险信息。
本实施例中，终端设备在确定类型权重值和评分权重值后，可以依次计算各个风险信息的权重值之和，并将权重值之和最大的风险信息确定为目标风险信息。
以上可以看出，本实施例提供的一种确定风险控制对象的风险信息的方法，在根据目标风险检测策略对标准属性信息进行风险检测时，可以得到第一信息，并根据该第一信息输出提示信息，最后通过对第一信息和提示信息进行组合的方式，得到目标风险信息，保证了该目标风险信息的全面性，便于后续根据该目标风险信息对风险控制对象进行风险控制。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种确定风险控制对象的风险信息的方法，图9示出了本申请一实施例提供的确定风险控制对象的风险信息的装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。参照图9，该确定风险控制对象的风险信息的装置800包括：有效信息获取单元81、检测系数确定单元82、检测策略确定单元83及风险信息确定单元84。其中：
有效信息获取单元81用于获取风险控制对象的有效信息；所述有效信息包括所述风险控制对象对应的用户信息和所述风险控制对象的标准属性信息。
检测系数确定单元82用于根据所述用户信息，以及所述标准属性信息，确定所述风险控制对象的检测系数；所述检测系数用于反映所述风险控制对象的实际检测等级。
检测策略确定单元83用于根据所述检测系数从多个预设风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略；所述多个预设风险检测策略中每个预设风险检测策略与预设检测等级关联。
风险信息确定单元84用于根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息。
在本申请的一个实施例中，检测系数确定单元82具体包括：用户属性向量确定单元、用户特征向量确定单元、属性特征向量确定单元及导入单元。其中：
用户属性向量确定单元用于根据所述用户信息，确定用户属性向量。
用户特征向量确定单元用于根据所述用户属性向量和预先构建的用户信息表确定用户特征向量；所述用户信息表用于存储预设用户属性向量和预设用户特征向量之间的对应关系。
属性特征向量确定单元用于根据所述标准属性信息确定所述风险控制对象的属性特征向量。
导入单元用于将所述用户特征向量和所述属性特征向量导入预设模型，得到所述风险控制对象的检测系数；所述预设模型满足如下公式：
CoefficientD＝ω1vector1+ω2vector2；
其中，CoefficientD表示所述检测系数，vector1表示所述用户特征向量，vector2表示所述属性特征向量，ω1表示所述用户特征向量的权重值，ω2表示所述属性特征向量的权重值。
在本申请的一个实施例中，所述用户信息包括用户标识和多个用户属性；用户属性向量确定单元具体包括：逻辑值确定单元和第一向量确定单元。其中：
逻辑值确定单元用于根据所述用户信息确定每个所述用户属性包含的各个预设分类的逻辑值。
第一向量确定单元用于根据每个所述用户属性包含的各个预设分类的逻辑值得到所述用户属性向量。
相应的，用户特征向量确定单元具体包括：用户等级确定单元、分数值确定单元及第二向量确定单元。其中：
用户等级确定单元用于根据所述用户标识确定用户等级。
分数值确定单元用于根据所述用户等级和所述用户信息表确定所述用户属性向量对应的多个预设属性维度的风险检测分数值。
第二向量确定单元用于根据所述多个风险检测分数值确定所述用户特征向量。
在本申请的一个实施例中，所述有效信息还包括所述风险控制对象的行为记录；确定风险控制对象的风险信息的装置800还包括：行为轨迹生成单元、事件权重值确定单元及优化属性信息确定单元。其中：
行为轨迹生成单元用于根据所述行为记录生成所述风险控制对象在第一预设时间段内的行为轨迹；所述行为轨迹内包括至少一个行为事件；每个所述行为事件包含事件类型和事件等级。
事件权重值确定单元用于根据所述事件类型和所述事件等级确定每个所述行为事件对应的事件权重值。
优化属性信息确定单元用于根据所述事件类型和所述事件权重值对所述标准属性信息进行调整，得到优化属性信息。
相应的，检测系数确定单元82具体用于：根据所述用户信息和所述优化属性信息确定所述检测系数。
在本申请的一个实施例中，风险信息确定单元84具体包括：处理单元、输出单元及组合单元。其中：
处理单元用于根据所述目标风险检测策略对所述标准属性信息进行处理，得到所述风险控制对象的第一信息，所述第一信息包括风险描述、风险类型、风险指向、风险评分。
输出单元用于根据所述风险描述、所述风险类型、所述风险指向及所述风险评分输出提示信息；所述提示信息用于描述所述风险控制对象对应的风险控制建议。
组合单元用于对所述风险描述、所述风险类型、所述风险指向、所述风险评分及所述提示信息进行组合，得到所述目标风险信息。
在本申请的一个实施例中，所述风险控制对象对应有多个风险信息；组合单元具体包括：类型权重值确定单元、评分权重值确定单元及求和单元。其中：
类型权重值确定单元用于当检测到多个所述风险信息中的风险指向相同时，根据第一预设要求确定风险信息集合中各个风险类型对应的类型权重值；所述风险信息集合由风险指向相同的多个所述风险信息构成。
评分权重值确定单元用于根据第二预设要求确定所述风险信息集合中各个风险评分对应的评分权重值。
求和单元用于对同一风险信息的类型权重值和评分权重值进行求和，并将求和结果最大值对应的风险信息确定为目标风险信息。
在本申请的一个实施例中，检测策略确定单元83具体包括：系数区间确定单元、检测等级确定单元及目标策略确定单元。其中：
系数区间确定单元用于根据所述检测系数和多个预设系数阈值确定所述检测系数所处的系数区间。
检测等级确定单元用于根据所述系数区间确定所述风险控制对象的所述实际检测等级。
目标策略确定单元用于根据所述实际检测等级，以及预设检测等级和各个预设风险检测策略之间的对应关系，从所述多个预设风险检测策略中确定所述目标风险检测策略。
以上可以看出，本申请实施例提供的一种确定风险控制对象的风险信息的装置，通过获取到的风险控制对象的用户信息和标准属性信息，可以确定风险控制对象的检测系数，由于检测系数可以反映该风险控制对象的实际检测等级，而多个风险检测策略中每个风险检测策略关联一个检测等级，因此后续可以根据该检测系数在多个风险检测策略中确定出该风险控制对象对应的目标风险检测策略，最后根据目标风险检测策略检测标准属性信息的风险，得到目标风险信息。与现有技术相比，本申请实施例在对风险控制对象进行风险检测时，首先考虑到了风险控制对象的用户信息和标准属性信息对风险检测策略的影响，之后还可以根据检测系数灵活确定风险检测策略，即本申请实施例中的所有风险控制对象并不局限于一个固定的风险检测策略，而是可以根据需要选择合适的风险检测策略，不仅适用范围广，还提高了风险控制对象的风险检测准确率。
图10为本申请一实施例提供的终端设备的结构示意图。如图10所示，该实施例的终端设备9包括：至少一个处理器90(图10中仅示出一个)处理器、存储器91以及存储在所述存储器91中并可在所述至少一个处理器90上运行的计算机程序92，所述处理器90执行所述计算机程序92时实现上述任意一种确定风险控制对象的风险信息的方法实施例中的步骤。
本领域技术人员可以理解，图10仅仅是终端设备9的举例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，该处理器90还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91在一些实施例中可以是所述终端设备9的内部存储单元，例如终端设备9的硬盘或内存。所述存储器91在另一些实施例中也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还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有计算机程序，所述计算机程序被处理器执行时可实现上述任意一种确定风险控制对象的风险信息的方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时可实现上述任意一种确定风险控制对象的风险信息的方法实施例中的步骤。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种确定风险控制对象的风险信息的方法，其特征在于，包括：
获取风险控制对象的有效信息；所述有效信息包括所述风险控制对象对应的用户信息和所述风险控制对象的标准属性信息；
根据所述用户信息，以及所述标准属性信息，确定所述风险控制对象的检测系数；所述检测系数用于反映所述风险控制对象的实际检测等级；
根据所述检测系数从多个预设风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略；所述多个预设风险检测策略中每个预设风险检测策略与预设检测等级关联；
根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息。
2.如权利要求1所述的确定风险控制对象的风险信息的方法，其特征在于，所述根据所述用户信息，以及所述标准属性信息确定所述风险控制对象的检测系数，包括：
根据所述用户信息，确定用户属性向量；
根据所述用户属性向量和预先构建的用户信息表确定用户特征向量；所述用户信息表用于存储预设用户属性向量和预设用户特征向量之间的对应关系；
根据所述标准属性信息确定所述风险控制对象的属性特征向量；
将所述用户特征向量和所述属性特征向量导入预设模型，得到所述风险控制对象的检测系数；所述预设模型满足如下公式：
CoefficientD＝ω1vector1+ω2vector2；
其中，CoefficientD表示所述检测系数，vector1表示所述用户特征向量，vector2表示所述属性特征向量，ω1表示所述用户特征向量的权重值，ω2表示所述属性特征向量的权重值。
3.如权利要求2所述的确定风险控制对象的风险信息的方法，其特征在于，所述用户信息包括用户标识和多个用户属性；所述根据所述用户信息，确定用户属性向量，包括：
根据所述用户信息确定每个所述用户属性包含的各个预设分类的逻辑值；
根据每个所述用户属性包含的各个预设分类的逻辑值得到所述用户属性向量；
相应的，所述根据所述用户属性向量和预先构建的用户信息表确定用户特征向量，包括：
根据所述用户标识确定用户等级；
根据所述用户等级和所述用户信息表确定所述用户属性向量对应的多个预设属性维度的风险检测分数值；
根据所述多个风险检测分数值确定所述用户特征向量。
4.如权利要求1所述的确定风险控制对象的风险信息的方法，其特征在于，所述有效信息还包括所述风险控制对象的行为记录；所述获取风险控制对象的有效信息之后，还包括：
根据所述行为记录生成所述风险控制对象在第一预设时间段内的行为轨迹；所述行为轨迹内包括至少一个行为事件；每个所述行为事件包含事件类型和事件等级；
根据所述事件类型和所述事件等级确定每个所述行为事件对应的事件权重值；
根据所述事件类型和所述事件权重值对所述标准属性信息进行调整，得到优化属性信息；
相应的，所述根据所述用户信息，以及所述标准属性信息确定所述风险控制对象的检测系数，包括：
根据所述用户信息和所述优化属性信息确定所述检测系数。
5.如权利要求1所述的确定风险控制对象的风险信息的方法，其特征在于，所述根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息，包括：
根据所述目标风险检测策略对所述标准属性信息进行处理，得到所述风险控制对象的第一信息，所述第一信息包括风险描述、风险类型、风险指向、风险评分；
根据所述风险描述、所述风险类型、所述风险指向及所述风险评分输出提示信息；所述提示信息用于描述所述风险控制对象对应的风险控制建议；
对所述风险描述、所述风险类型、所述风险指向、所述风险评分及所述提示信息进行组合，得到所述目标风险信息。
6.如权利要求5所述的确定风险控制对象的风险信息的方法，其特征在于，所述风险控制对象对应有多个风险信息；所述对所述风险描述、所述风险类型、所述风险指向、所述风险评分及所述提示信息进行组合，得到所述目标风险信息，包括：
当检测到多个所述风险信息中的风险指向相同时，根据第一预设要求确定风险信息集合中各个风险类型对应的类型权重值；所述风险信息集合由风险指向相同的多个所述风险信息构成；
根据第二预设要求确定所述风险信息集合中各个风险评分对应的评分权重值；
对同一风险信息的类型权重值和评分权重值进行求和，并将求和结果最大值对应的风险信息确定为目标风险信息。
7.如权利要求1-6任一项所述的确定风险控制对象的风险信息的方法，其特征在于，所述根据所述检测系数从多个风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略，包括：
根据所述检测系数和多个预设系数阈值确定所述检测系数所处的系数区间；
根据所述系数区间确定所述风险控制对象的所述实际检测等级；
根据所述实际检测等级，以及预设检测等级和各个预设风险检测策略之间的对应关系，从所述多个预设风险检测策略中确定所述目标风险检测策略。
8.一种确定风险控制对象的风险信息的装置，其特征在于，包括：
有效信息获取单元，用于获取风险控制对象的有效信息；所述有效信息包括所述风险控制对象对应的用户信息和所述风险控制对象的标准属性信息；
检测系数确定单元，用于根据所述用户信息，以及所述标准属性信息，确定所述风险控制对象的检测系数；所述检测系数用于反映所述风险控制对象的实际检测等级；
检测策略确定单元，用于根据所述检测系数从多个预设风险检测策略中确定与所述实际检测等级匹配的目标风险检测策略；所述多个预设风险检测策略中每个预设风险检测策略与预设检测等级关联；
风险信息确定单元，用于根据所述目标风险检测策略检测所述标准属性信息的风险，得到所述风险控制对象的目标风险信息。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的确定风险控制对象的风险信息的方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的确定风险控制对象的风险信息的方法的步骤。
CN202111130529.1A 2021-09-26 2021-09-26 一种确定风险控制对象的风险信息的方法和装置 Active CN113919669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111130529.1A CN113919669B (zh) 2021-09-26 2021-09-26 一种确定风险控制对象的风险信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111130529.1A CN113919669B (zh) 2021-09-26 2021-09-26 一种确定风险控制对象的风险信息的方法和装置

Publications (2)

Publication Number Publication Date
CN113919669A true CN113919669A (zh) 2022-01-11
CN113919669B CN113919669B (zh) 2022-10-11

Family

ID=79236301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111130529.1A Active CN113919669B (zh) 2021-09-26 2021-09-26 一种确定风险控制对象的风险信息的方法和装置

Country Status (1)

Country Link
CN (1) CN113919669B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503182A (zh) * 2023-06-25 2023-07-28 凯泰铭科技（北京）有限公司 基于规则引擎实现动态采集车险人伤数据方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106875078A (zh) * 2016-08-03 2017-06-20 阿里巴巴集团控股有限公司 交易风险检测方法、装置及设备
CN108985553A (zh) * 2018-06-05 2018-12-11 中国平安人寿保险股份有限公司 一种异常用户的识别方法及设备
CN109763810A (zh) * 2018-12-25 2019-05-17 内江师范学院 一种储层气体钻井风险识别方法
CN111489095A (zh) * 2020-04-15 2020-08-04 腾讯科技（深圳）有限公司 一种风险用户管理方法、装置、计算机设备和存储介质
CN111523997A (zh) * 2020-04-21 2020-08-11 中国工商银行股份有限公司 客户风险评估方法和装置、以及电子设备和可读存储介质
CN111783039A (zh) * 2020-06-30 2020-10-16 北京百度网讯科技有限公司 风险确定方法、装置、计算机系统和存储介质
CN111798241A (zh) * 2020-05-18 2020-10-20 北京三快在线科技有限公司 交易数据处理方法、装置、电子设备及可读存储介质
CN112258093A (zh) * 2020-11-25 2021-01-22 京东城市(北京)数字科技有限公司 风险等级的数据处理方法及装置、存储介质、电子设备
CN112579407A (zh) * 2019-09-29 2021-03-30 北京国双科技有限公司 风险用户检测方法、装置、电子设备和计算机可读介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106875078A (zh) * 2016-08-03 2017-06-20 阿里巴巴集团控股有限公司 交易风险检测方法、装置及设备
CN108985553A (zh) * 2018-06-05 2018-12-11 中国平安人寿保险股份有限公司 一种异常用户的识别方法及设备
CN109763810A (zh) * 2018-12-25 2019-05-17 内江师范学院 一种储层气体钻井风险识别方法
CN112579407A (zh) * 2019-09-29 2021-03-30 北京国双科技有限公司 风险用户检测方法、装置、电子设备和计算机可读介质
CN111489095A (zh) * 2020-04-15 2020-08-04 腾讯科技（深圳）有限公司 一种风险用户管理方法、装置、计算机设备和存储介质
CN111523997A (zh) * 2020-04-21 2020-08-11 中国工商银行股份有限公司 客户风险评估方法和装置、以及电子设备和可读存储介质
CN111798241A (zh) * 2020-05-18 2020-10-20 北京三快在线科技有限公司 交易数据处理方法、装置、电子设备及可读存储介质
CN111783039A (zh) * 2020-06-30 2020-10-16 北京百度网讯科技有限公司 风险确定方法、装置、计算机系统和存储介质
CN112258093A (zh) * 2020-11-25 2021-01-22 京东城市(北京)数字科技有限公司 风险等级的数据处理方法及装置、存储介质、电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李红昌等: "起重机械风险评估及预防性检修方案分析", 《机械设计与制造工程》 *
王煊等: "特种设备使用风险与检验技术的有效性分析", 《中国特种设备安全》 *
石玉凤: "高危行业同类型同等级事件风险要素评价", 《中国安全科学学报》 *
钟丰平等: "基于检测评估系数的阀门制造过程风险源识别与分析", 《石油和化工设备》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503182A (zh) * 2023-06-25 2023-07-28 凯泰铭科技（北京）有限公司 基于规则引擎实现动态采集车险人伤数据方法和装置
CN116503182B (zh) * 2023-06-25 2023-09-01 凯泰铭科技（北京）有限公司 基于规则引擎实现动态采集车险人伤数据方法和装置

Also Published As

Publication number Publication date
CN113919669B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN109428886B (zh) 用于经由区块链进行评论验证和可信度评分的方法和系统
CN110599335A (zh) 一种基于多模型的用户金融风险评估方法和装置
CN109345417B (zh) 基于身份认证的业务人员的在线考核方法及终端设备
CN111626865B (zh) 数据处理方法、装置、电子设备及存储介质
WO2020006900A1 (zh) 征信报告解析处理方法、装置、计算机设备及存储介质
CN110348471B (zh) 异常对象识别方法、装置、介质及电子设备
WO2021196935A1 (zh) 数据校验方法、装置、电子设备和存储介质
CN111210109A (zh) 基于关联用户预测用户风险的方法、装置和电子设备
CN113919669B (zh) 一种确定风险控制对象的风险信息的方法和装置
CN113837596A (zh) 一种故障确定方法、装置、电子设备及存储介质
CN111340584A (zh) 一种资金方的确定方法、装置、设备及存储介质
WO2019205324A1 (zh) 一种任务分配方法、系统及终端设备
CN112231634A (zh) 一种基于企业信息的信贷额度计算方法、系统和设备
WO2019144505A1 (zh) 一种鉴权通道选取方法、装置、电子设备及介质
US20200226703A1 (en) Systems and methods for personalized real-time terms of service analysis and negotiation
US11663547B2 (en) Evolutionary software prioritization protocol for digital systems
CN115099922B (zh) 财务数据查询方法、系统、可读存储介质及计算机设备
CN110489416B (zh) 一种基于数据处理的信息存储方法及相关设备
WO2019109525A1 (zh) 汽车报损方法、应用服务器及计算机可读存储介质
CN114510507A (zh) 一种数据校验方法、装置、终端设备及介质
CN115641201A (zh) 数据异常检测方法、系统、终端设备及存储介质
CN109146122A (zh) 一种概率预测方法、装置、电子设备及计算机存储介质
CN113706201A (zh) 房产预估模型训练方法、装置、计算机设备及介质
CN108038788A (zh) 投保对象询价方法及装置、存储介质、电子设备
CN110516154A (zh) 业务信息推荐方法及装置、存储介质及电子设备

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