CN114819003A - 一种风控模型处理方法、引擎、设备及介质 - Google Patents
一种风控模型处理方法、引擎、设备及介质 Download PDFInfo
- Publication number
- CN114819003A CN114819003A CN202210764071.3A CN202210764071A CN114819003A CN 114819003 A CN114819003 A CN 114819003A CN 202210764071 A CN202210764071 A CN 202210764071A CN 114819003 A CN114819003 A CN 114819003A
- Authority
- CN
- China
- Prior art keywords
- wind control
- model
- selection operation
- interface
- displayed
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 27
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims description 121
- 230000008676 import Effects 0.000 claims description 56
- 238000012795 verification Methods 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 46
- 238000012549 training Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012502 risk assessment Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 14
- 238000010276 construction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
- G06F18/41—Interactive pattern learning with a human teacher
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04842—Selection of displayed objects or displayed text elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
- G06N3/105—Shells for specifying net layout
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请公开了一种风控模型处理方法、引擎、设备及介质,应用于金融科技的数据处理技术领域,用以解决风控模型的创建效率较低、适配性较差、风控效果不佳的问题。具体为:响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定选取操作对应的不同风控场景的风控子模型;响应于针对模型合成界面上显示的合成控件执行的触发操作,对选取操作对应的不同风控场景的风控子模型进行融合得到风控模型,从而通过对不同风控场景的风控子模型进行融合得到风控模型可以提高模型创建效率,通过选取不同风控场景的风控子模型进行融合可以提高模型多样性和适配性,通过基于多维度信用特征数据进行信用风险评估可以提高模型风控效果。
Description
技术领域
本申请涉及金融科技的数据处理技术领域,尤其涉及一种风控模型处理方法、引擎、设备及介质。
背景技术
在互联网金融行业中,风控通常包含风险评估和风险控制两个方面,其涵义非常广泛,包含对所有可能风险事件的评估和控制,涉及对用户信用风险、人员操作风险、业务操作风险、技术操作风险和外部事件风险等各类风险事件的评估和控制。
目前,针对用户信用风险的评估和控制通常采用诸如评分卡模型等风控模型来实现,这些风控模型通常采用人为设置的风控规则进行信用风险评估和控制,风控模型过于依赖人工介入和风控规则,其创建效率较低且无法适配多种风控场景,信用风险的风控效果也有待提高。
发明内容
本申请实施例提供了一种风控模型处理方法、引擎、设备及介质,用以解决现有技术中风控模型的创建效率较低、适配性较差、风控效果不佳的问题。
本申请实施例提供的技术方案如下:
一方面,本申请实施例提供了一种风控模型处理方法,应用于风控模型构建系统,该风控模型处理方法包括:
响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定选取操作所选取的不同风控场景的风控子模型;其中,不同风控场景的风控子模型是基于目标用户的多维度信用特征数据对目标用户在不同风控场景下的信用风险进行评估的模型;
响应于针对模型合成界面上显示的合成控件执行的触发操作,按照选取操作所选取的不同风控场景的风控子模型之间的层级关系,对选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型;其中,风控模型是基于目标用户在不同风控场景下的信用风险对目标用户的综合信用风险进行评估的模型。
在一种可能的实施方式中,响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定选取操作所选取的不同风控场景的风控子模型之前,还包括:
响应于在模型导入界面上显示的模型导入区域中执行的导入操作,确定导入操作所导入的风控子模型;响应于针对模型导入界面上显示的导入控件执行的触发操作,基于导入操作所导入的风控子模型的风控场景,将导入操作所导入的风控子模型保存至设定存储区域;
和/或;
响应于在模型编辑界面上显示的模型编辑区域中执行的编辑操作,获取编辑操作所编辑的风控子模型;响应于针对模型编辑界面上显示的保存控件执行的触发操作,基于编辑操作所编辑的风控子模型的风控场景,将编辑操作所编辑的风控子模型保存至设定存储区域。
在一种可能的实施方式中,本申请实施例提供的风控模型处理方法还包括:
响应于在模型查询界面上显示的模型查询区域中执行的查询操作,从设定存储区域保存的各风控模型和各风控子模型中,查询与查询操作所对应的查询关键字相匹配的目标风控模型,并在模型查询界面上显示的模型显示区域中显示目标风控模型。
在一种可能的实施方式中,本申请实施例提供的风控模型处理方法还包括:
响应于针对模型训练界面上显示的各风控子模型执行的选择操作,确定选择操作所选取的各风控子模型;
响应于针对模型训练界面上显示的训练控件执行的触发操作,基于训练用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,对选取操作所选取的各风控子模型进行训练。
在一种可能的实施方式中,本申请实施例提供的风控模型处理方法还包括:
响应于针对模型测试界面上显示的各风控模型执行的选择操作,确定选择操作所选取的风控模型;响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和综合信用风险标注数据,按照选择操作所选取的风控模型的数量,对选择操作所选取的风控模型进行独立测试或批量测试;在模型测试界面的测试显示区域中显示选择操作所选取的风控模型的模型测试结果;
和/或;
响应于针对模型测试界面上显示的各风控子模型执行的选择操作,确定选择操作所选取的风控子模型;响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,按照选择操作所选取的风控子模型的数量,对选择操作所选取的风控子模型进行独立测试或批量测试;在模型测试界面的测试显示区域中显示选择操作所选取的风控子模型的模型测试结果。
在一种可能的实施方式中,本申请实施例提供的风控模型处理方法还包括:
响应于针对格式校验界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型;响应于针对格式校验界面上显示的校验控件执行的触发操作,基于设定格式校验规则,分别对选择操作所选取的各风控模型进行格式校验,并在格式校验界面上显示的校验显示区域中显示选择操作所选取的各风控模型的格式校验结果;
和/或;
响应于针对异常检测界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型;响应于针对异常检测界面上的检测控件执行的触发操作,基于选择操作所选取的各风控模型在测试过程中的运行日志数据,对选择操作所选取的各风控模型进行异常检测,并在异常检测界面上的检测显示区域中显示选择操作所选取的各风控模型的异常检测结果。
在一种可能的实施方式中,本申请实施例提供的风控模型处理方法还包括:
响应于针对模型审批界面上显示的各风控模型执行的选取操作,确定选择操作所选取的各风控模型;响应于针对模型审批界面上显示的审批控件执行的触发操作,基于选取操作所选取的各风控模型发起审批流程,确定选取操作所选取的各风控模型的审批流程结束时,在模型审批界面上显示表征选取操作所对应的各风控模型审批结果的消息。
另一方面,本申请实施例提供了一种风控模型处理引擎,应用于风控模型构建系统,该风控模型处理引擎包括:
子模型选取模块,用于响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定选取操作所选取的不同风控场景的风控子模型;其中,不同风控场景的风控子模型是基于目标用户的多维度信用特征数据对目标用户在不同风控场景下的信用风险进行评估的模型;
子模型融合模块,用于响应于针对模型合成界面上显示的合成控件执行的触发操作,按照选取操作所选取的不同风控场景的风控子模型之间的层级关系,对选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型;其中,风控模型是基于目标用户在不同风控场景下的信用风险对目标用户的综合信用风险进行评估的模型。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎还包括:
模型导入模块,用于响应于在模型导入界面上显示的模型导入区域中执行的导入操作,确定导入操作所导入的风控子模型;响应于针对模型导入界面上显示的导入控件执行的触发操作,基于导入操作所导入的风控子模型的风控场景,将导入操作所导入的风控子模型保存至设定存储区域;
和/或;
模型编辑模块,用于响应于在模型编辑界面上显示的模型编辑区域中执行的编辑操作,获取编辑操作所编辑的风控子模型;响应于针对模型编辑界面上显示的保存控件执行的触发操作,基于编辑操作所编辑的风控子模型的风控场景,将编辑操作所编辑的风控子模型保存至设定存储区域。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎还包括:
模型查询模块,用于响应于在模型查询界面上显示的模型查询区域中执行的查询操作,从设定存储区域保存的各风控模型和各风控子模型中,查询与查询操作所对应的查询关键字相匹配的目标风控模型,并在模型查询界面上显示的模型显示区域中显示目标风控模型。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎还包括:
模型训练模块,用于响应于针对模型训练界面上显示的各风控子模型执行的选择操作,确定选择操作所选取的各风控子模型;响应于针对模型训练界面上显示的训练控件执行的触发操作,基于训练用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,对选取操作所选取的各风控子模型进行训练。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎还包括:
模型测试模块,用于响应于针对模型测试界面上显示的各风控模型执行的选择操作,确定选择操作所选取的风控模型;响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和综合信用风险标注数据,按照选择操作所选取的风控模型的数量,对选择操作所选取的风控模型进行独立测试或批量测试;在模型测试界面的测试显示区域中显示选择操作所选取的风控模型的模型测试结果;和/或;响应于针对模型测试界面上显示的各风控子模型执行的选择操作,确定选择操作所选取的风控子模型;响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,按照选择操作所选取的风控子模型的数量,对选择操作所选取的风控子模型进行独立测试或批量测试;在模型测试界面的测试显示区域中显示选择操作所选取的风控子模型的模型测试结果。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎还包括:
格式校验模块,用于响应于针对格式校验界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型;响应于针对格式校验界面上显示的校验控件执行的触发操作,基于设定格式校验规则,分别对选择操作所选取的各风控模型进行格式校验,并在格式校验界面上显示的校验显示区域中显示选择操作所选取的各风控模型的格式校验结果;
和/或;
异常检测模块,用于响应于针对异常检测界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型;响应于针对异常检测界面上的检测控件执行的触发操作,基于选择操作所选取的各风控模型在测试过程中的运行日志数据,对选择操作所选取的各风控模型进行异常检测,并在异常检测界面上的检测显示区域中显示选择操作所选取的各风控模型的异常检测结果。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎还包括:
发布审批模块,用于响应于针对模型审批界面上显示的各风控模型执行的选取操作,确定选择操作所选取的各风控模型;响应于针对模型审批界面上显示的审批控件执行的触发操作,基于选取操作所选取的各风控模型发起审批流程,确定选取操作所选取的各风控模型的审批流程结束时,在模型审批界面上显示表征选取操作所对应的各风控模型审批结果的消息。
另一方面,本申请实施例提供了一种电子设备,包括:存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本申请实施例提供的风控模型处理方法。
另一方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令被处理器执行时实现本申请实施例提供的风控模型处理方法。
本申请实施例的有益效果如下:
本申请实施例中,通过对不同风控场景的风控子模型进行融合来创建风控模型,可以提高风控模型的创建效率,而且,通过在模型合成界面上选取不同风控场景的风控子模型进行融合,可以实现根据实际风控需求灵活创建不同的风控模型,从而可以提高风控模型的多样性和适配性,此外,通过根据用户的多维度信用特征数据进行信用风险评估,可以提高风控模型的综合信用风险评估的准确度和风控效果。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地可以从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中特别指出的结构来实现和获得。
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为本申请实施例中风控模型处理方法的概况流程示意图;
图2a为本申请实施例中风控模型构建系统的登录界面示意图;
图2b为本申请实施例中风控模型构建系统的主界面示意图;
图2c为本申请实施例中风控模型构建系统的模型导入界面示意图;
图2d为本申请实施例中风控模型构建系统的模型编辑界面示意图;
图2e为本申请实施例中风控模型构建系统的模型训练界面示意图;
图2f为本申请实施例中风控模型构建系统的一模型测试界面示意图;
图2g为本申请实施例中风控模型构建系统的模型合成界面示意图;
图2h为本申请实施例中风控模型构建系统的另一模型测试界面示意图;
图2i为本申请实施例中风控模型构建系统的模型审批界面示意图;
图2j为本申请实施例中风控模型构建系统的模型查看界面示意图;
图3为本申请实施例中风控模型处理引擎的功能结构示意图;
图4为本申请实施例中电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白,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,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。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。
为便于本领域技术人员更好地理解本申请,下面先对本申请实施例涉及的技术用语进行简单介绍。
风控模型构建系统,为用于对风控模型进行创建、训练、测试和部署的交互平台。本申请实施例中,风控模型构建系统的交互形式可以是但不限于是网页、应用软件、轻应用等。
风控模型,为基于目标用户在不同风控场景下的信用风险对目标用户的综合信用风险进行评估的模型。本申请实施例中,风控模型可以是但不限于是非线性神经网络模型,例如BP神经网络模型等;风控场景可以包括但不限于信用贷、小微贷、大额贷、小额贷等;综合信用风险可以包括但不限于综合信用得分和/或综合信用等级等。
风控子模型,为基于目标用户的多维度信用特征数据对目标用户在某一风控场景下的信用风险进行评估的模型。本申请实施例中,多维度信用特征数据可以包括但不限于基本特征数据、征信特征数据、信用卡特征数据、借贷特征数据、终端特征数据和贷款软件交互特征数据等数据中的一种或多种;信用风险可以包括但不限于信用得分和/或信用等级等。
需要说明的是,本申请实施例中提及的“和/或”,描述的是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。字符“/”一般表示前后关联对象是一种“或”的关系。
在介绍了本申请实施例涉及的技术用语后,接下来,对本申请实施例的应用场景和设计思想进行简单介绍。
目前,传统的诸如评分卡模型等风控模型通常采用人为设置的风控规则进行信用风险评估和控制,风控模型过于依赖人工介入和风控规则,从而导致风控模型的创建效率较低、信用风险的风控效果较差,而且,基于人为设置的风控规则创建的风控模型通常无法支持多种风控场景,风控模型的适配性较差。
为此,本申请实施例中,风控模型构建系统响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定选取操作所选取的不同风控场景的风控子模型后,响应于针对模型合成界面上显示的合成控件执行的触发操作,按照选取操作所选取的不同风控场景的风控子模型之间的层级关系,对选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型。这样,通过对不同风控场景的风控子模型进行融合来创建风控模型,可以提高风控模型的创建效率,而且,通过在模型合成界面上选取不同风控场景的风控子模型进行融合,可以实现根据实际风控需求灵活创建不同的风控模型,从而可以提高风控模型的多样性和适配性,此外,通过根据用户的多维度信用特征数据进行信用风险评估,可以提高风控模型的综合信用风险评估的准确度和风控效果。
在介绍了本申请实施例的应用场景和设计思想之后,下面对本申请实施例提供的技术方案进行详细说明。
本申请实施例提供了一种风控模型处理方法,该风控模型处理方法应用于风控模型构建系统,参阅图1所示,本申请实施例提供的风控模型处理方法的概况流程如下:
步骤110:响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定该选取操作所选取的不同风控场景的风控子模型。
实际应用中,参阅图2a所示,用户可以通过邮箱、账号、扫码等多种登录方式中的一种登录方式登录风控模型构建系统。
参阅图2b所示,用户登录风控模型构建系统进入主界面后,可以通过主界面上显示的导航栏(图2b仅以导航栏位于界面左侧为例)进入模型导入界面,参阅图2c所示,用户进入模型导入界面后,可以在模型导入界面上显示的模型导入区域中执行导入操作,例如将本地保存的风控子模型拖拽至模型导入区域来执行导入操作,又如点击模型导入区域显示的模型选择框并选取JupyterLab中的风控子模型来执行导入操作,此时,风控模型构建系统响应于在模型导入界面上显示的模型导入区域中执行的导入操作,确定该导入操作所导入的风控子模型,之后,用户还可以针对模型导入界面上显示的导入控件执行触发操作,例如通过点击导入控件来执行触发操作,此时,风控模型构建系统响应于针对模型导入界面上显示的导入控件执行的触发操作,基于该导入操作所导入的风控子模型的风控场景,将该导入操作所导入的风控子模型保存至设定存储区域。
此外,用户除了可以从本地或JupyterLab中导入风控子模型之外,还可以在风控模型构建系统中编辑风控子模型,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型编辑界面,参阅图2d所示,用户进入模型编辑界面后,可以在模型编辑界面上显示的模型编辑区域中执行编辑操作,例如在模型编辑区域中编辑风控子模型的源代码以实现编辑操作,此时,风控模型构建系统响应于在模型编辑界面上显示的模型编辑区域中执行的编辑操作,获取该编辑操作所编辑的风控子模型,之后,用户编辑完成时,还可以针对模型编辑界面上显示的保存控件执行触发操作,例如通过点击保存控件来执行触发操作,此时,风控模型构建系统响应于针对模型编辑界面上显示的保存控件执行的触发操作,基于该编辑操作所编辑的风控子模型的风控场景,将该编辑操作所编辑的风控子模型保存至设定存储区域。
进一步的,本申请实施例中,用户还可以对导入和/或编辑的各风控子模型进行训练,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型训练界面,参阅图2e所示,用户进入模型训练界面后,可以针对模型训练界面上显示的各风控子模型执行选择操作,此时,风控模型构建系统响应于针对模型训练界面上显示的各风控子模型执行的选择操作,确定该选择操作所选取的各风控子模型,之后,用户还可以针对模型训练界面上显示的训练控件执行触发操作,例如通过点击训练控件来执行触发操作,此时,风控模型构建系统响应于针对模型训练界面上显示的训练控件执行的触发操作,基于训练用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,对该选取操作所选取的各风控子模型进行训练,在具体实施时,风控模型构建系统针对该选取操作所选取的每一风控子模型,基于训练用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,对该风控子模型迭代执行训练操作,直至确定满足迭代终止条件(例如损失值低于预设阈值、训练次数达到设定阈值等)时,基于最后一次执行训练操作更新的该风控子模型的各模型参数,得到训练后的风控子模型;其中,训练操作包括:从训练用户集合中选取部分用户作为目标用户,将目标用户所对应的多维度信用特征样本数据输入该风控子模型得到该风控子模型输出的目标用户的信用风险预测数据,基于目标用户的信用风险预测数据和信用风险标注数据,利用损失函数(例如交叉熵损失函数等)计算损失值,基于该损失值更新该风控子模型的各模型参数。进一步的,风控模型构建系统针对该选取操作所选取的各风控子模型的训练完成时,还可以在模型训练界面上显示该选取操作所选取的各风控子模型的训练结果。
当然,用户对导入和/或编辑的各风控子模型进行训练后,还可以进一步对训练后的各风控子模型进行测试,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型测试界面,参阅图2f所示,用户进入模型测试界面后,可以针对模型测试界面中子模型测试子界面上显示的各风控子模型执行选择操作,此时,风控模型构建系统响应于针对模型测试界面上显示的各风控子模型执行的选择操作,确定该选择操作所选取的风控子模型,之后,用户还可以针对模型测试界面上显示的测试控件执行触发操作,例如通过点击测试控件来执行触发操作,此时,风控模型构建系统响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,按照该选择操作所选取的风控子模型的数量,对该选择操作所选取的风控子模型进行独立测试或批量测试(图2f仅以批量测试为例),在具体实施时,风控模型构建系统可以基于测试用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,采用K折验证算法,按照该选择操作所选取的风控子模型的数量,对该选择操作所选取的风控子模型进行独立测试或批量测试,进一步的,风控模型构建系统对该选择操作所选取的风控子模型的测试完毕后,还可以在模型测试界面的测试显示区域中显示选择操作所选取的风控子模型的模型测试结果。
进一步的,本申请实施例中,用户对导入和/或编辑的各风控子模型进行训练和测试后,即可对训练和测试后的各风控子模型进行合成,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型合成界面,参阅图2g所示,用户进入模型合成界面后,可以根据实际风控需求对模型合成界面上显示的不同风控场景的风控子模型执行选取操作,此时,风控模型构建系统响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定该选取操作所选取的不同风控场景的风控子模型,之后,用户可以针对模型合成界面上显示的合成控件执行触发操作,例如通过点击合成控件来执行触发操作,此时,风控模型构建系统执行步骤120。
步骤120:响应于针对模型合成界面上显示的合成控件执行的触发操作,按照该选取操作所选取的不同风控场景的风控子模型之间的层级关系,对该选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型。
实际应用中,层级关系包括但不限于并列层级关系、前后层级关系等,在具体实施时,风控模型构建系统可以针对该选取操作所选取的不同风控场景的风控子模型中存在并列层级关系的各风控子模型分别设置融合权重,并基于融合权重对存在并列层级关系的各风控子模型进行融合;此外,风控模型构建系统还可以针对该选取操作所选取的不同风控场景的风控子模型中存在前后层级关系的各风控子模型,将在前的风控子模型的输出作为在后的风控子模型的输入,并基于该在前风控子模型的输出为在后风控子模型的输入的关联关系对存在前后层级关系的各风控子模型进行融合,从而可以实现按照该选取操作所选取的不同风控场景的风控子模型之间的层级关系,对该选取操作所选取的不同风控场景的风控子模型的融合,进而可以获得最终的风控模型。
进一步的,用户根据实际风控需求选择各风控子模型进行融合得到风控模型后,还可以对风控模型进行测试,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型测试界面,参阅图2h所示,用户进入模型测试界面后,可以针对模型测试界面中模型测试子界面上显示的各风控模型执行选择操作,此时,风控模型构建系统响应于针对模型测试界面上显示的各风控模型执行的选择操作,确定该选择操作所选取的风控模型,之后,用户还可以针对模型测试界面上显示的测试控件执行触发操作,例如通过点击测试控件来执行触发操作,此时,风控模型构建系统响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和综合信用风险标注数据,按照该选择操作所选取的风控模型的数量,对该选择操作所选取的风控模型进行独立测试或批量测试(图2h仅以独立测试为例),在具体实施时,风控模型构建系统可以基于测试用户集合中各用户所对应的多维度信用特征样本数据和综合信用风险标注数据,采用K折验证算法,按照该选择操作所选取的风控模型的数量,对该选择操作所选取的风控模型进行独立测试或批量测试,进一步的,风控模型构建系统对该选择操作所选取的风控模型的测试完毕后,还可以在模型测试界面的测试显示区域中显示选择操作所选取的风控模型的模型测试结果。
此外,本申请实施例中,用户除了可以对风控模型进行测试,还可以对风控模型进行格式校验,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入格式校验界面,用户进入格式校验界面后,可以针对格式校验界面上显示的各风控模型执行选择操作,此时,风控模型构建系统响应于针对格式校验界面上显示的各风控模型执行的选择操作,确定该选择操作所选取的各风控模型,之后,用户还可以针对格式校验界面上显示的校验控件执行触发操作,例如通过点击校验控件来执行触发操作,此时,风控模型构建系统响应于针对格式校验界面上显示的校验控件执行的触发操作,基于设定格式校验规则,分别对选择操作所选取的各风控模型进行格式校验,在具体实施时,风控模型构建系统可以基于设定格式校验规则,分别对选择操作所选取的各风控模型进行名称格式、数据长度、重复数据等各类格式校验,进一步的,风控模型构建系统对该选择操作所选取的风控模型的格式校验完毕后,还可以在格式校验界面上显示的校验显示区域中显示选择操作所选取的各风控模型的格式校验结果。
另外,用户还可以对风控模型进行异常检测,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入异常检测界面,用户进入异常检测界面后,可以针对异常检测界面上显示的各风控模型执行选择操作,此时,风控模型构建系统响应于针对异常检测界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型,之后,用户还可以针对异常检测界面上显示的检测控件执行触发操作,例如通过点击检测控件来执行触发操作,此时,风控模型构建系统响应于针对异常检测界面上的检测控件执行的触发操作,基于选择操作所选取的各风控模型在测试过程中的运行日志数据,对选择操作所选取的各风控模型进行异常检测,进一步的,风控模型构建系统对该选择操作所选取的风控模型的异常检测完毕后,还可以在异常检测界面上的检测显示区域中显示选择操作所选取的各风控模型的异常检测结果。
进一步的,本申请实施例中,用户对风控模型进行测试、格式校验和/或异常检测后,即可对风控模型进行审批发布处理,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型审批界面,参阅图2i所示,用户进入模型审批界面后,可以针对模型审批界面上显示的各风控模型执行选择操作,此时,风控模型构建系统响应于针对模型审批界面上显示的各风控模型执行的选取操作,确定选择操作所选取的各风控模型,之后,用户还可以针对模型审批界面上显示的审批控件执行触发操作,例如通过点击审批控件来执行触发操作,此时,风控模型构建系统响应于针对模型审批界面上显示的审批控件执行的触发操作,基于选取操作所选取的各风控模型发起审批流程,进一步的,风控模型构建系统确定选取操作所选取的各风控模型的审批流程结束时,在模型审批界面上显示表征选取操作所对应的各风控模型审批结果的消息。
当然,本申请实施例中,用户还可以对风控模型和风控子模型进行查看,具体的,参阅图2b所示,用户可以通过主界面上的导航栏进入模型查看界面,参阅图2j所示,用户进入模型查看界面后,可以在模型查询界面上显示的模型查询区域中执行查询操作,例如,通过在模型查询区域中输入模型名称、模型编号、风控场景、时间范围等查询关键字来执行查询操作,此时,风控模型构建系统响应于在模型查询界面上显示的模型查询区域中执行的查询操作,从设定存储区域保存的各风控模型和各风控子模型中,查询与查询操作所对应的查询关键字相匹配的目标风控模型,并在模型查询界面上显示的模型显示区域中显示目标风控模型。
值得说的是,本申请实施例中,针对风控子模型导入、风控子模型编辑、风控子模型训练、风控子模型/风控模型测试、风控子模型/风控模型查看、风控模型格式校验、风控模型异常检测、风控模型发布审批等处理流程,可以分别部署成独立的功能模块,一个功能模块异常不会影响其他功能模块的运行,从而可以提高风控模型构建系统的稳定性和健壮性,此外,在具体实施时,针对每一功能模块可以分别部署一个接口,从而可以通过调用接口来实现对该接口所对应的功能模块的调用,进而可以实现通过调用功能模块来执行相应处理流程,例如执行风控子模型导入、风控子模型编辑、风控子模型训练、风控子模型/风控模型测试、风控子模型/风控模型查看、风控模型格式校验、风控模型异常检测、风控模型发布审批等处理流程。
基于上述实施例,本申请实施例提供了一种风控模型处理引擎,该风控模型处理引擎可以应用于风控模型构建系统,参阅图3所示,本申请实施例提供的风控模型处理引擎300至少包括:
子模型选取模块301,用于响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定选取操作所选取的不同风控场景的风控子模型;其中,不同风控场景的风控子模型是基于目标用户的多维度信用特征数据对目标用户在不同风控场景下的信用风险进行评估的模型;
子模型融合模块302,用于响应于针对模型合成界面上显示的合成控件执行的触发操作,按照选取操作所选取的不同风控场景的风控子模型之间的层级关系,对选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型;其中,风控模型是基于目标用户在不同风控场景下的信用风险对目标用户的综合信用风险进行评估的模型。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎300还包括:
模型导入模块303,用于响应于在模型导入界面上显示的模型导入区域中执行的导入操作,确定导入操作所导入的风控子模型;响应于针对模型导入界面上显示的导入控件执行的触发操作,基于导入操作所导入的风控子模型的风控场景,将导入操作所导入的风控子模型保存至设定存储区域;
和/或;
模型编辑模块304,用于响应于在模型编辑界面上显示的模型编辑区域中执行的编辑操作,获取编辑操作所编辑的风控子模型;响应于针对模型编辑界面上显示的保存控件执行的触发操作,基于编辑操作所编辑的风控子模型的风控场景,将编辑操作所编辑的风控子模型保存至设定存储区域。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎300还包括:
模型查询模块305,用于响应于在模型查询界面上显示的模型查询区域中执行的查询操作,从设定存储区域保存的各风控模型和各风控子模型中,查询与查询操作所对应的查询关键字相匹配的目标风控模型,并在模型查询界面上显示的模型显示区域中显示目标风控模型。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎300还包括:
模型训练模块306,用于响应于针对模型训练界面上显示的各风控子模型执行的选择操作,确定选择操作所选取的各风控子模型;响应于针对模型训练界面上显示的训练控件执行的触发操作,基于训练用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,对选取操作所选取的各风控子模型进行训练。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎300还包括:
模型测试模块307,用于响应于针对模型测试界面上显示的各风控模型执行的选择操作,确定选择操作所选取的风控模型;响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和综合信用风险标注数据,按照选择操作所选取的风控模型的数量,对选择操作所选取的风控模型进行独立测试或批量测试;在模型测试界面的测试显示区域中显示选择操作所选取的风控模型的模型测试结果;和/或;响应于针对模型测试界面上显示的各风控子模型执行的选择操作,确定选择操作所选取的风控子模型;响应于针对模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,按照选择操作所选取的风控子模型的数量,对选择操作所选取的风控子模型进行独立测试或批量测试;在模型测试界面的测试显示区域中显示选择操作所选取的风控子模型的模型测试结果。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎300还包括:
格式校验模块308,用于响应于针对格式校验界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型;响应于针对格式校验界面上显示的校验控件执行的触发操作,基于设定格式校验规则,分别对选择操作所选取的各风控模型进行格式校验,并在格式校验界面上显示的校验显示区域中显示选择操作所选取的各风控模型的格式校验结果;
和/或;
异常检测模块309,用于响应于针对异常检测界面上显示的各风控模型执行的选择操作,确定选择操作所选取的各风控模型;响应于针对异常检测界面上的检测控件执行的触发操作,基于选择操作所选取的各风控模型在测试过程中的运行日志数据,对选择操作所选取的各风控模型进行异常检测,并在异常检测界面上的检测显示区域中显示选择操作所选取的各风控模型的异常检测结果。
在一种可能的实施方式中,本申请实施例提供的风控模型处理引擎300还包括:
发布审批模块310,用于响应于针对模型审批界面上显示的各风控模型执行的选取操作,确定选择操作所选取的各风控模型;响应于针对模型审批界面上显示的审批控件执行的触发操作,基于选取操作所选取的各风控模型发起审批流程,确定选取操作所选取的各风控模型的审批流程结束时,在模型审批界面上显示表征选取操作所对应的各风控模型审批结果的消息。
需要说明的是,本申请实施例提供的风控模型处理引擎300解决技术问题的原理与本申请实施例提供的风控模型处理方法相似,因此,本申请实施例提供的风控模型处理引擎300的实施可以参见本申请实施例提供的风控模型处理方法的实施,重复之处不再赘述。
在介绍了本申请实施例提供的风控模型处理方法和引擎之后,接下来,对本申请实施例提供的电子设备进行简单介绍。
参阅图4所示,本申请实施例提供的电子设备400至少包括:处理器401、存储器402和存储在存储器402上并可在处理器401上运行的计算机程序,处理器401执行计算机程序时实现本申请实施例提供的风控模型处理方法。
本申请实施例提供的电子设备400还可以包括连接不同组件(包括处理器401和存储器402)的总线403。其中,总线403表示几类总线结构中的一种或多种,包括存储器总线、外围总线、局域总线等。
存储器402可以包括易失性存储器形式的可读介质,例如随机存储器(RandomAccess Memory,RAM)4021和/或高速缓存存储器4022,还可以进一步包括只读存储器(ReadOnly Memory,ROM)4023。
存储器402还可以包括具有一组(至少一个)程序模块4024的程序工具4025,程序模块4024包括但不限于:操作子系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备400也可以与一个或多个外部设备404(例如键盘、遥控器等)通信,还可以与一个或者多个使得用户能与电子设备400交互的设备通信(例如手机、电脑等),和/或,与使得电子设备400与一个或多个其它电子设备400进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(Input /Output,I/O)接口405进行。并且,电子设备400还可以通过网络适配器406与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器406通过总线403与电子设备400的其它模块通信。应当理解,尽管图4中未示出,可以结合电子设备400使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)子系统、磁带驱动器以及数据备份存储子系统等。
需要说明的是,图4所示的电子设备400仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
下面对本申请实施例提供的计算机可读存储介质进行介绍。本申请实施例提供的计算机可读存储介质存储有计算机指令,计算机指令被处理器执行时实现本申请实施例提供的风控模型处理方法。具体地,该计算机指令可以内置或者安装在处理器中,这样,处理器就可以通过执行内置或者安装的计算机指令实现本申请实施例提供的风控模型处理方法。
此外,本申请实施例提供的风控模型处理方法还可以实现为一种计算机程序产品,该计算机程序产品包括程序代码,该程序代码在处理器上运行时实现本申请实施例提供的风控模型处理方法。
本申请实施例提供的计算机程序产品可以采用一个或多个可读介质的任意组合,其中,可读介质可以是可读信号介质或者可读存储介质,而可读存储介质可以是但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合,具体地,可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、RAM、ROM、可擦式可编程只读存储器(Erasable Programmable Read OnlyMemory,EPROM)、光纤、便携式紧凑盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请实施例提供的计算机程序产品可以采用CD-ROM并包括程序代码,还可以在诸如计算机、手机、个人数字助理(Personal Digital Assistant,PDA)等电子设备上运行。然而,本申请实施例提供的计算机程序产品不限于此,本申请实施例中,可读存储介质可以是任何包含或存储程序代码的有形介质,该程序代码可以被指令执行系统、装置或者器件使用或者与其结合使用。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种风控模型处理方法,其特征在于,应用于风控模型构建系统,所述风控模型处理方法包括:
响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定所述选取操作所选取的不同风控场景的风控子模型;其中,不同风控场景的风控子模型是基于目标用户的多维度信用特征数据对所述目标用户在不同风控场景下的信用风险进行评估的模型;
响应于针对所述模型合成界面上显示的合成控件执行的触发操作,按照所述选取操作所选取的不同风控场景的风控子模型之间的层级关系,对所述选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型;其中,所述风控模型是基于所述目标用户在不同风控场景下的信用风险对所述目标用户的综合信用风险进行评估的模型。
2.如权利要求1所述的风控模型处理方法,其特征在于,响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定所述选取操作所选取的不同风控场景的风控子模型之前,还包括:
响应于在模型导入界面上显示的模型导入区域中执行的导入操作,确定所述导入操作所导入的风控子模型;响应于针对所述模型导入界面上显示的导入控件执行的触发操作,基于所述导入操作所导入的风控子模型的风控场景,将所述导入操作所导入的风控子模型保存至设定存储区域;
和/或;
响应于在模型编辑界面上显示的模型编辑区域中执行的编辑操作,获取所述编辑操作所编辑的风控子模型;响应于针对所述模型编辑界面上显示的保存控件执行的触发操作,基于所述编辑操作所编辑的风控子模型的风控场景,将所述编辑操作所编辑的风控子模型保存至设定存储区域。
3.如权利要求1所述的风控模型处理方法,其特征在于,还包括:
响应于在模型查询界面上显示的模型查询区域中执行的查询操作,从设定存储区域保存的各风控模型和各风控子模型中,查询与所述查询操作所对应的查询关键字相匹配的目标风控模型,并在所述模型查询界面上显示的模型显示区域中显示所述目标风控模型。
4.如权利要求1所述的风控模型处理方法,其特征在于,还包括:
响应于针对模型训练界面上显示的各风控子模型执行的选择操作,确定所述选择操作所选取的各风控子模型;
响应于针对所述模型训练界面上显示的训练控件执行的触发操作,基于训练用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,对所述选取操作所选取的各风控子模型进行训练。
5.如权利要求1所述的风控模型处理方法,其特征在于,还包括:
响应于针对模型测试界面上显示的各风控模型执行的选择操作,确定所述选择操作所选取的风控模型;响应于针对所述模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和综合信用风险标注数据,按照所述选择操作所选取的风控模型的数量,对所述选择操作所选取的风控模型进行独立测试或批量测试;在所述模型测试界面的测试显示区域中显示所述选择操作所选取的风控模型的模型测试结果;
和/或;
响应于针对模型测试界面上显示的各风控子模型执行的选择操作,确定所述选择操作所选取的风控子模型;响应于针对所述模型测试界面上显示的测试控件执行的触发操作,基于测试用户集合中各用户所对应的多维度信用特征样本数据和信用风险标注数据,按照所述选择操作所选取的风控子模型的数量,对所述选择操作所选取的风控子模型进行独立测试或批量测试;在所述模型测试界面的测试显示区域中显示所述选择操作所选取的风控子模型的模型测试结果。
6.如权利要求1所述的风控模型处理方法,其特征在于,还包括:
响应于针对格式校验界面上显示的各风控模型执行的选择操作,确定所述选择操作所选取的各风控模型;响应于针对所述格式校验界面上显示的校验控件执行的触发操作,基于设定格式校验规则,分别对所述选择操作所选取的各风控模型进行格式校验,并在所述格式校验界面上显示的校验显示区域中显示所述选择操作所选取的各风控模型的格式校验结果;
和/或;
响应于针对异常检测界面上显示的各风控模型执行的选择操作,确定所述选择操作所选取的各风控模型;响应于针对所述异常检测界面上的检测控件执行的触发操作,基于所述选择操作所选取的各风控模型在测试过程中的运行日志数据,对所述选择操作所选取的各风控模型进行异常检测,并在所述异常检测界面上的检测显示区域中显示所述选择操作所选取的各风控模型的异常检测结果。
7.如权利要求1-6任一项所述的风控模型处理方法,其特征在于,还包括:
响应于针对模型审批界面上显示的各风控模型执行的选取操作,确定所述选择操作所选取的各风控模型;响应于针对所述模型审批界面上显示的审批控件执行的触发操作,基于所述选取操作所选取的各风控模型发起审批流程,确定所述选取操作所选取的各风控模型的审批流程结束时,在所述模型审批界面上显示表征所述选取操作所对应的各风控模型审批结果的消息。
8.一种风控模型处理引擎,其特征在于,应用于风控模型构建系统,所述风控模型处理引擎包括:
子模型选取模块,用于响应于针对模型合成界面上显示的不同风控场景的风控子模型执行的选取操作,确定所述选取操作所选取的不同风控场景的风控子模型;其中,不同风控场景的风控子模型是基于目标用户的多维度信用特征数据对所述目标用户在不同风控场景下的信用风险进行评估的模型;
子模型融合模块,用于响应于针对所述模型合成界面上显示的合成控件执行的触发操作,按照所述选取操作所选取的不同风控场景的风控子模型之间的层级关系,对所述选取操作所选取的不同风控场景的风控子模型进行融合得到风控模型;其中,所述风控模型是基于所述目标用户在不同风控场景下的信用风险对所述目标用户的综合信用风险进行评估的模型。
9.一种电子设备,其特征在于,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的风控模型处理方法。
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存储有计算机指令,所述计算机指令被处理器执行时实现如权利要求1-7任一项所述的风控模型处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210764071.3A CN114819003A (zh) | 2022-07-01 | 2022-07-01 | 一种风控模型处理方法、引擎、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210764071.3A CN114819003A (zh) | 2022-07-01 | 2022-07-01 | 一种风控模型处理方法、引擎、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114819003A true CN114819003A (zh) | 2022-07-29 |
Family
ID=82523319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210764071.3A Pending CN114819003A (zh) | 2022-07-01 | 2022-07-01 | 一种风控模型处理方法、引擎、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819003A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288462A (zh) * | 2019-05-31 | 2019-09-27 | 北京随信云链科技有限公司 | 风控系统、风控方法、计算机可读存储介质和计算设备 |
CN110310051A (zh) * | 2019-07-11 | 2019-10-08 | 上海企久数据技术有限公司 | 一种自动导入和动态更新企业数据的智慧园区管理方法 |
CN110400213A (zh) * | 2019-07-26 | 2019-11-01 | 中国工商银行股份有限公司 | 数据处理方法和装置、以及电子设备和可读介质 |
CN110490448A (zh) * | 2019-08-14 | 2019-11-22 | 深圳精确数字科技集团有限公司 | 基于场景的商户贷721大数据风控模型 |
CN110533268A (zh) * | 2018-05-23 | 2019-12-03 | 深圳福莱信息科技有限公司 | 一种风险控制方法、风控系统及终端设备 |
CN111722863A (zh) * | 2020-06-23 | 2020-09-29 | 上海冰鉴信息科技有限公司 | 风控模型更新方法及装置 |
CN111768285A (zh) * | 2019-04-01 | 2020-10-13 | 杭州金智塔科技有限公司 | 信贷风控模型构建系统、方法、风控系统及存储介质 |
CN112394950A (zh) * | 2021-01-19 | 2021-02-23 | 共达地创新技术(深圳)有限公司 | Ai模型部署方法、设备和存储介质 |
CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
CN113052981A (zh) * | 2019-12-27 | 2021-06-29 | 北京国双科技有限公司 | 模型的编辑、构建方法及相关设备,计算机存储介质 |
CN113902394A (zh) * | 2021-09-16 | 2022-01-07 | 多彩贵州印象网络传媒股份有限公司 | 一种实现人工智能产业生态化的服务平台 |
CN113989026A (zh) * | 2021-10-29 | 2022-01-28 | 深圳前海微众银行股份有限公司 | 风控模型自适应构建方法、装置、设备及存储介质 |
CN114358569A (zh) * | 2021-12-31 | 2022-04-15 | 山东辰华科技信息有限公司 | 基于多级模型融合的企业核心竞争力评估方法及存储介质 |
-
2022
- 2022-07-01 CN CN202210764071.3A patent/CN114819003A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533268A (zh) * | 2018-05-23 | 2019-12-03 | 深圳福莱信息科技有限公司 | 一种风险控制方法、风控系统及终端设备 |
CN111768285A (zh) * | 2019-04-01 | 2020-10-13 | 杭州金智塔科技有限公司 | 信贷风控模型构建系统、方法、风控系统及存储介质 |
CN110288462A (zh) * | 2019-05-31 | 2019-09-27 | 北京随信云链科技有限公司 | 风控系统、风控方法、计算机可读存储介质和计算设备 |
CN110310051A (zh) * | 2019-07-11 | 2019-10-08 | 上海企久数据技术有限公司 | 一种自动导入和动态更新企业数据的智慧园区管理方法 |
CN110400213A (zh) * | 2019-07-26 | 2019-11-01 | 中国工商银行股份有限公司 | 数据处理方法和装置、以及电子设备和可读介质 |
CN110490448A (zh) * | 2019-08-14 | 2019-11-22 | 深圳精确数字科技集团有限公司 | 基于场景的商户贷721大数据风控模型 |
CN113052981A (zh) * | 2019-12-27 | 2021-06-29 | 北京国双科技有限公司 | 模型的编辑、构建方法及相关设备,计算机存储介质 |
CN111722863A (zh) * | 2020-06-23 | 2020-09-29 | 上海冰鉴信息科技有限公司 | 风控模型更新方法及装置 |
CN112394950A (zh) * | 2021-01-19 | 2021-02-23 | 共达地创新技术(深圳)有限公司 | Ai模型部署方法、设备和存储介质 |
CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
CN113902394A (zh) * | 2021-09-16 | 2022-01-07 | 多彩贵州印象网络传媒股份有限公司 | 一种实现人工智能产业生态化的服务平台 |
CN113989026A (zh) * | 2021-10-29 | 2022-01-28 | 深圳前海微众银行股份有限公司 | 风控模型自适应构建方法、装置、设备及存储介质 |
CN114358569A (zh) * | 2021-12-31 | 2022-04-15 | 山东辰华科技信息有限公司 | 基于多级模型融合的企业核心竞争力评估方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492164A (zh) | 一种简历的推荐方法、装置、电子设备及存储介质 | |
CN110363417A (zh) | 金融风险策略生成方法、装置及电子设备 | |
CN107392436A (zh) | 一种提取企业关联关系信息的方法和装置 | |
CN112671985A (zh) | 基于深度学习的坐席质检方法、装置、设备及存储介质 | |
CN110009480A (zh) | 司法催收路径的推荐方法、装置、介质、电子设备 | |
CN111177307A (zh) | 一种基于语义理解相似度阀值配置的测试方案及系统 | |
CN105630801A (zh) | 用于检测偏离用户的方法和装置 | |
CN109508864B (zh) | 一种基于xgboost的企业违约风险模型的建立方法 | |
CN109491915A (zh) | 数据处理方法及装置、介质和计算设备 | |
CN112926122A (zh) | 基于bim技术的预装三维效果图的建筑施工预拼装方法 | |
CN111563029A (zh) | 对话机器人的测试方法、系统、存储介质及计算机设备 | |
CN111144118B (zh) | 口语化文本中命名实体的识别方法、系统、设备和介质 | |
CN109711849B (zh) | 以太坊地址画像生成方法、装置、电子设备及存储介质 | |
CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
WO2021208774A1 (zh) | 辅助机器学习模型上线的方法及装置 | |
CN112558966B (zh) | 深度模型可视化数据的处理方法、装置及电子设备 | |
CN111476446A (zh) | 业务状态的监控处理方法、装置、设备及存储介质 | |
CN112069833A (zh) | 日志分析方法、日志分析装置及电子设备 | |
CN114819003A (zh) | 一种风控模型处理方法、引擎、设备及介质 | |
CN116777646A (zh) | 基于人工智能的风险识别方法、装置、设备及存储介质 | |
CN116108053A (zh) | 基于表格的问答处理方法及装置 | |
CN116167935A (zh) | 二维码的修复方法、装置、设备及介质 | |
CN114218100A (zh) | 业务模型测试方法、装置、系统、设备、介质和程序产品 | |
CN111951099B (zh) | 一种信用卡发卡模型及其运用方法 | |
CN114637850A (zh) | 异常行为识别及模型训练方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |