CN114926267B - 风险数据处理方法、相关设备及介质 - Google Patents

风险数据处理方法、相关设备及介质 Download PDF

Info

Publication number
CN114926267B
CN114926267B CN202210598482.XA CN202210598482A CN114926267B CN 114926267 B CN114926267 B CN 114926267B CN 202210598482 A CN202210598482 A CN 202210598482A CN 114926267 B CN114926267 B CN 114926267B
Authority
CN
China
Prior art keywords
slow
debt
risk
release
slow release
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
Application number
CN202210598482.XA
Other languages
English (en)
Other versions
CN114926267A (zh
Inventor
吴健荣
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.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank 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 Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202210598482.XA priority Critical patent/CN114926267B/zh
Publication of CN114926267A publication Critical patent/CN114926267A/zh
Application granted granted Critical
Publication of CN114926267B publication Critical patent/CN114926267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种风险数据处理方法、相关设备及介质，应用于数据分析技术领域。其中方法包括：获取债项信息和缓释品信息，根据每个缓释品对N个债项的风险缓释贡献度分布确定每个缓释品与N个债项的关联关系，并确定待缓释债项，利用关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项的风险缓释值，根据除待缓释债项以外的债项的风险值和待缓释债项的风险缓释值，确定目标风险缓释值，根据债项信息、缓释品信息、风险缓释贡献度分布和待缓释债项的关联缓释品生成风险概率，将目标风险缓释值以及风险概率发送至目标平台。采用本申请实施例，可以提高风险缓释结果的可靠性。本申请涉及区块链技术，如可将目标风险缓释值等写入区块链。

Description

风险数据处理方法、相关设备及介质
技术领域
本申请涉及数据分析技术领域，具体涉及一种风险数据处理方法、相关设备及介质。
背景技术
风险缓释是指目标平台(如银行)运用合格的抵质押品、净额结算、保证金和信用衍生工具等方式转移或降低信用风险。目前，在进行风险缓释时，通常是由风险分析人员指定每个缓释品分别缓释的债项，进而得到风险缓释结果，然而，该方法受主观因素影响大，无法得到最优的风险缓释分配，导致风险缓释结果的可靠性低。因此，如何提高风险缓释结果的可靠性成为一个亟待解决的问题。
发明内容
本申请实施例提供了一种风险数据处理方法、相关设备及介质，可以获取最优的风险缓释分配，有效地提高风险缓释结果的可靠性。
一方面，本申请实施例提供了一种风险数据处理方法，该方法包括：
当检测到针对目标对象的风险缓释请求时，获取所述目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数；
确定所述每个缓释品对所述N个债项的风险缓释贡献度分布，并分别根据所述每个缓释品对所述N个债项的风险缓释贡献度分布确定出所述每个缓释品与所述N个债项的关联关系；
根据所述关联关系从所述N个债项中确定出待缓释债项；所述待缓释债项具有一个或多个关联缓释品；
利用所述待缓释债项的关联缓释品对所述待缓释债项进行风险缓释处理，得到所述待缓释债项对应的风险缓释值；
获取所述N个债项中除所述待缓释债项以外的各个债项的风险值，并根据所述除所述待缓释债项以外的各个债项的风险值以及所述待缓释债项对应的风险缓释值，确定所述目标对象的目标风险缓释值；
根据所述债项信息、所述缓释品信息、所述风险缓释贡献度分布以及所述待缓释债项的关联缓释品，生成针对所述目标对象的风险概率；所述风险概率用于衡量所述目标对象的目标风险缓释值的不确定性；
将所述目标对象的目标风险缓释值以及所述风险概率发送至目标平台，以使得所述目标平台根据所述目标风险缓释值和所述风险概率对所述目标对象进行风险分析。
一方面，本申请实施例提供了一种风险数据处理装置，该装置包括：
获取单元，用于当检测到针对目标对象的风险缓释请求时，获取所述目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数；
确定单元，用于确定所述每个缓释品对所述N个债项的风险缓释贡献度分布，并分别根据所述每个缓释品对所述N个债项的风险缓释贡献度分布确定出所述每个缓释品与所述N个债项的关联关系；
所述确定单元，还用于根据所述关联关系从所述N个债项中确定出待缓释债项；所述待缓释债项具有一个或多个关联缓释品；
处理单元，用于利用所述待缓释债项的关联缓释品对所述待缓释债项进行风险缓释处理，得到所述待缓释债项对应的风险缓释值；
所述获取单元，还用于获取所述N个债项中除所述待缓释债项以外的各个债项的风险值，并根据所述除所述待缓释债项以外的各个债项的风险值以及所述待缓释债项对应的风险缓释值，确定所述目标对象的目标风险缓释值；
生成单元，用于根据所述债项信息、所述缓释品信息、所述风险缓释贡献度分布以及所述待缓释债项的关联缓释品，生成针对所述目标对象的风险概率；所述风险概率用于衡量所述目标对象的目标风险缓释值的不确定性；
所述处理单元，用于将所述目标对象的目标风险缓释值以及所述风险概率发送至目标平台，以使得所述目标平台根据所述目标风险缓释值和所述风险概率对所述目标对象进行风险分析。
一方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，其中，存储器用于存储计算机程序，该计算机程序包括程序指令，处理器被配置用于调用该程序指令，以执行上述方法中的部分或全部步骤。
一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行时，用于执行上述方法中的部分或全部步骤。
本申请实施例中，当检测到风险缓释请求，获取目标对象的每个债项的债项信息以及每个缓释品的缓释品信息，根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系，根据关联关系确定出待缓释债项，利用关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值，根据除待缓释债项以外的各个债项的风险值以及待缓释债项对应的风险缓释值，确定目标对象的目标风险缓释值，根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成风险概率，将目标对象的目标风险缓释值以及风险概率发送至目标平台。通过实施本申请实施例所提出的方法，可以确定出最优的风险缓释分配，并基于该风险缓释分配利用缓释品对债项进行风险缓释，得到最佳的目标风险缓释值，以及可以生成衡量目标风险缓释值的不确定性的风险概率，进而通过目标风险缓释值和风险概率进行风险分析，可以提高风险缓释结果的可靠性以及风险分析准确性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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为本申请实施例提供的一种风险数据处理方法的流程示意图；
图2为本申请实施例提供的一种风险数据处理方法的流程示意图；
图3为本申请实施例提供的一种确定风险缓释贡献度分布的场景示意图；
图4为本申请实施例提供的一种风险数据处理装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
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。
本申请实施例提出的风险数据处理方法实现于电子设备，该电子设备可以为终端设备或服务器。其中，终端设备可以为智能手机、平板电脑、笔记本电脑、台式计算机等。服务器可以是独立的服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。本申请涉及区块链技术，电子设备可将涉及的数据如债项信息和缓释品信息，或目标对象的目标风险缓释值和风险概率等写入区块链中，以便于电子设备可以在区块链上获取所需信息，如目标对象的目标风险缓释值和风险概率。
在一些实施例中，电子设备可以根据实际的业务需求，执行该风险数据处理方法，以提高风险缓释结果的可靠性。本申请技术方案可以应用于任意风险缓释场景中。例如，电子设备可以获取目标对象的N个债项和M个缓释品，并执行本申请技术方案以确定最优的风险缓释分配，基于该风险缓释分配确定每个缓释品所分配到的待缓释债项(也可以理解为是确定待缓释债项的关联缓释品)，并利用关联缓释品对待缓释债项进行风险缓释处理，得到目标对象最佳的目标风险缓释值，以及确定目标对象的风险概率，后续可以基于该目标风险缓释值和风险概率对目标对象进行风险分析，以提高风险缓释结果的可靠性和风险分析结果的准确性。
可以理解的是，上述场景仅是作为示例，并不构成对于本申请实施例提供的技术方案的应用场景的限定，本申请的技术方案还可应用于其他场景。例如，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
基于上述的描述，本申请实施例提出了一种风险数据处理方法，该方法可以由上述提及的电子设备来执行。如图1所示，本申请实施例的风险数据处理方法的流程可以包括如下：
101、当检测到针对目标对象的风险缓释请求时，获取目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息。
其中，目标对象可以是任意需进行风险缓释和风险分析的对象，如在目标平台(例如金融平台、银行等)存在贷款的人或企业等。
在一些实施例中，债项可以是任意金融工具，如目标对象的贷款、债券等；缓释品可以是任意具有风险缓释作用的对象，具体可以是针对债项的抵押品，如目标对象的房产等。电子设备可以在接收到目标平台发起的风险缓释请求时，确定目标对象在目标平台中存在的N个债项以及用于进行风险缓释的M个缓释品，以及N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数。其中，债项信息可以包含多种与债项关联的特征信息，如可以包括债项的名称、类型、期限和金额等；缓释品信息可以包含多种与缓释品关联的特征信息，如可以包括缓释品的名称、类型、金额等，此处不做限制。
102、确定每个缓释品对N个债项的风险缓释贡献度分布，并分别根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系。
在一个可能的实施方式中，电子设备确定每个缓释品对N个债项的风险缓释贡献度分布具体可以是，确定每个债项的目标权重，基于每个债项的目标权重并按照由大到小的顺序对N个债项进行排序，得到排序后的N个债项，并确定每个缓释品的目标权重，基于每个缓释品的目标权重并按照由大到小的顺序对M个缓释品进行排序，得到排序后的M个缓释品，按照排序后的M个缓释品所指示的顺序，以此确定每个缓释品基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度，并将所得到的每个缓释品对每个债项的风险缓释贡献度确定为每个缓释品对N个债项的风险缓释贡献度分布。该风险缓释贡献度可以为0-1之间(或为0％-100％之间)。
其中，每个债项的目标权重和每个缓释品的目标权重可以由相关业务人员根据每个债项的债项信息和每个缓释品的缓释品信息并结合经验值设定。债项的目标权重可以表示债项的风险程度，风险程度越低，目标权重越大，风险程度越低的债项越先分配到的进行风险缓释处理的缓释品；缓释品的目标权重可以表示缓释品的风险缓释效果(风险缓释效果即具有的风险缓释贡献值)，风险缓释贡献值越大，风险缓释效果越好，目标权重也越大，风险缓释效果越好的缓释品越先被分配给需进行风险缓释的债项。因此，一个债项可以分配到0至M个缓释品。通过排序后的N个债项和排序后的M个缓释品来确定每个缓释品对N个债项的风险缓释贡献度分布，由此可以得到最优的风险缓释分配。
例如，排序后的M个缓释品为缓释品1、缓释品2、缓释品3，排序后的N个债项为债项1、债项2、债项3，依次确定缓释品1基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度，以及缓释品2基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度，以及缓释品3基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度；以及以缓释品1为例，确定缓释品1基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度具体可以为依次确定缓释1对债项1的风险缓释贡献度，以及对债项2的风险缓释贡献度，以及对债项3的风险缓释贡献度。
在一些实施例中，排序后的M个缓释品包括第i个缓释品，排序后的N个债项包括第j个债项，i为小于或等于M的正整数，j为小于或等于N的正整数；电子设备确定第i个缓释品对第j个债项的风险缓释贡献度具体可以是，获取排序后的M个缓释品中前i-1个缓释品对第j个债项的风险缓释贡献度，并根据前i-1个缓释品对第j个债项的风险缓释贡献度确定出第i个缓释品对第j个债项的风险缓释贡献度，即可以是在根据前i-1个缓释品对第j个债项的风险缓释贡献度判断第j个债项是否还需要缓释品，以对第j个债项进行风险缓释处理，如果需要，则确定第i个缓释品对第j个债项进行风险缓释处理时所贡献的风险缓释值，根据所贡献的风险缓释值确定第i个缓释品对第j个债项的风险缓释贡献度；如果不需要，则表示第i个缓释品对第j个债项的风险缓释贡献度为0。即在电子设备确定第i个缓释品对第j个债项的风险缓释贡献度时，需要结合此前所确定出的前i-1个缓释品对第j个债项的风险缓释贡献度。
例如，第j个债项的所需风险缓释贡献值为1000，前i-1个缓释品对第j个债项的风险缓释贡献度表示第j个债项已经获取到的风险缓释贡献值为800，则第j个债项需要第i个缓释品对第j个债项进行风险缓释处理，以及第j个债项还需要获取到的风险缓释贡献值为200，设第i个缓释品对第j个债项进行风险缓释处理时所贡献的用于进行风险缓释的值为100，则可以根据该所贡献的风险缓释值100确定出第i个缓释品对第j个债项的风险缓释贡献度。
在一些实施例中，电子设备根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系具体可以是，根据目标缓释品对N个债项的风险缓释贡献度分布从N个债项中确定出至少一个对应的风险缓释贡献度大于预设阈值的目标债项，并将目标缓释品确定为至少一个目标债项中每个目标债项的关联缓释品，以作为每个缓释品与N个债项的关联关系。其中，预设阈值可以由相关业务人员根据经验值设置，如可以设置为0。目标缓释品可以为M个缓释品中的任意一个缓释品。
103、根据关联关系从N个债项中确定出待缓释债项；该待缓释债项具有一个或多个关联缓释品。
在一个可能的实施方式中，电子设备根据关联关系从N个债项中确定出待缓释债项具体可以是，根据关联关系，将N个债项中具有关联缓释品的债项确定为待缓释债项；该待缓释债项可以为一个或多个债项，以及该待缓释债项的关联缓释品可以有一个或多个。
104、利用待缓释债项的关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值。
在一个可能的实施方式中，电子设备可以利用待缓释债项的所有关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值；一个关联缓释品可以对一个或多个待缓释债项进行风险缓释处理，即不同的待缓释债项之间可以存在相同的关联缓释品。可选地，每个待缓释债项均存在风险值，风险缓释值表示利用关联缓释品对风险值进行风险缓释处理之后所得到的缓释值。该风险缓释值可以表征关联缓释品对待缓释债项的风险缓释效果，风险缓释值越小，风险缓释效果越大。
105、获取N个债项中除待缓释债项以外的各个债项的风险值，并根据除待缓释债项以外的各个债项的风险值以及待缓释债项对应的风险缓释值，确定目标对象的目标风险缓释值。
在一些可能的实施方式中，N个债项中可能会存在未被分配到缓释品的债项，因此电子设备获取该N个债项中除待缓释债项以外的各个债项的风险值，并基于该除待缓释债项以外的各个债项的风险值以及待缓释债项的风险缓释值确定出目标风险缓释值。可选地，电子设备确定目标风险缓释值的具体方式可以是，将除待缓释债项以外的各个债项的风险值和待缓释债项的风险缓释值之和确定为目标风险缓释值；或者也可以是，确定N个债项中每个债项的加权系数，利用对应的加权系数对除待缓释债项以外的各个债项的风险值以及待缓释债项的风险缓释值进行加权求和，得到目标风险缓释值，该加权系数可以由相关业务人员根据经验值设定，该加权系数可以为债项的风险权重，也可以为其他值。通过最优的风险缓释分配，可以得到最佳的目标风险缓释值，即最佳的风险缓释效果，由此可以提高风险缓释结果的可靠性以及降低目标对象的信用风险。风险缓释可以降低风险损失，以及风险缓释为风险加权资产中的核心部分，因此该目标风险缓释值可以表示对目标对象的风险加权债项资产，即也表示目标对象可能带来的风险损失。
106、根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率。
在一个可能的实施方式中，电子设备可以基于预测模型并根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率。该风险概率可以用于衡量目标对象的目标风险缓释值的不确定性，即表示目标对象可能带来的风险损失为该目标风险缓释值的概率。例如，目标风险缓释值为1000，风险概率为0.8，即表示目标对象的目标风险缓释值的不确定性为0.8，也即目标对象可能带来的风险损失为1000的概率为0.8，则目标平台所要承受的目标对象的风险损失为1000的概率为0.8。
在一些实施例中，预测模型可以为梯度提升树模型，电子设备将债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品(即关联关系)输入梯度提升树模型，得到针对目标对象的风险概率。其具体可以是，将前述数据输入梯度提升树模型，由梯度提升树模型包括的各个决策树对前述数据进行特征划分，确定前述数据在各个决策树中所划分到的叶子节点，根据所划分到的叶子节点的数值确定针对目标对象的风险概率。可选地，电子设备可以将根据所划分到的叶子节点的数值对应的平均值确定为针对目标对象的风险概率。例如，训练好的梯度提升树模型含有两个决策树1和决策树2，在决策树1中，根据特征划分，前述数据被划分到a节点，a节点对应的数值为A；在决策树2中，前述数据被划分到b节点，b节点对应的数值为B，即预测结果表示的风险概率率y＝(A+B)/2。
107、将目标对象的目标风险缓释值以及风险概率发送至目标平台。
在一些实施例中，电子设备可以将目标对象的目标风险缓释值和风险概率发送至目标平台，以使得目标平台根据目标风险缓释值和风险概率对目标对象进行风险分析。例如可以是由目标平台对应的相关业务人员通过目标风险缓释值和风险概率对目标对象进行风险分析，也可以是由目标平台对应的后台设备调用风险预测模型对目标风险缓释值和风险概率进行风险预测，并将得到的预测结果作为风险分析所得到的分析结果。
本申请实施例中，当检测到针对目标对象的风险缓释请求时，电子设备获取目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息，确定每个缓释品对N个债项的风险缓释贡献度分布，并分别根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系，根据关联关系从N个债项中确定出待缓释债项；该待缓释债项具有一个或多个关联缓释品，利用待缓释债项的关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值，根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率，将目标对象的目标风险缓释值以及风险概率发送至目标平台。通过实施本申请实施例所提出的方法，可以确定出最优的风险缓释分配，并基于该风险缓释分配利用缓释品对债项进行风险缓释，得到最佳的目标风险缓释值，以及可以生成衡量目标风险缓释值的不确定性的风险概率，进而通过目标风险缓释值和风险概率进行风险分析，可以提高风险缓释结果的可靠性以及风险分析准确性。
请参见图2，图2为本申请实施例提供的一种风险数据处理方法的流程示意图，该方法可以由上述提及的电子设备执行。如图2所示，本申请实施例中风险数据处理方法的流程可以包括如下：
201、当检测到针对目标对象的风险缓释请求时，获取目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息。其中，步骤201的具体实施方式可以参见步骤101的相关描述，此处不再赘述。
202、根据每个债项的债项信息确定每个债项的目标权重，并按照每个债项的目标权重对N个债项进行排序，得到排序后的N个债项。
在一个可能的实施方式中，电子设备可以构建不同债项信息与债项权重的第一对应关系表，进而可以根据N个债项中每个债项的债项信息从第一对应关系表中查询到每个债项的目标权重，并可以按照每个债项的目标权重的从大到小的顺序对N个债项进行排序，得到排序后的N个债项。
203、根据每个缓释品的缓释品信息确定每个缓释品的目标权重，并按照每个缓释品的目标权重对M个缓释品进行排序，得到排序后的M个缓释品。
在一个可能的实施方式中，电子设备可以构建不同缓释品信息与缓释品权重的第二对应关系表，进而可以根据M个缓释品中每个缓释品的缓释品信息从第二对应关系表中查询到每个缓释品的目标权重，并可以按照每个缓释品的目标权重的从大到小的顺序对N个缓释品进行排序，得到排序后的N个缓释品。
204、按照排序后的M个缓释品所指示的顺序，依次确定每个缓释品基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度，得到每个缓释品对N个债项的风险缓释贡献度分布。
示例性的，如图3所示，图3为本申请实施例提供的一种确定风险缓释贡献度分布的场景示意图，其中，设排序后的N个债项依次为债项1、债项2、债项3，排序后的M个缓释品依次为缓释品1、缓释品2、缓释品3，因此：(一)从缓释品1开始确定对债项1的风险缓释贡献度，基于对债项1的风险缓释贡献度确定债项2的风险缓释贡献度、基于对债项1和债项2的风险缓释贡献度确定对债项3的风险缓释贡献度，(二)然后结合缓释品1对N个债项的风险缓释贡献度分布确定缓释品2对N个债项的风险缓释贡献度，即结合缓释品1对债项1的风险缓释贡献度来确定缓释品2对债项1的风险缓释贡献度，结合缓释品1对债项2的风险缓释贡献度并基于缓释品2对债项1的风险缓释贡献度来确定缓释品2对债项2的风险缓释贡献度，以及结合缓释品1对债项3的风险缓释贡献度并基于缓释品2对债项1和债项2的风险缓释贡献度来确定缓释品2对债项3的风险缓释贡献度；(三)以及结合缓释品1和缓释品2分别对N个债项的风险缓释贡献度分布确定缓释品3对N个债项的风险缓释贡献度，即结合缓释品1和缓释品2分别对债项1的风险缓释贡献度来确定缓释品3对债项1的风险缓释贡献度，结合缓释品1和缓释品2分别对债项2的风险缓释贡献度并基于缓释品3对债项1的风险缓释贡献度来确定缓释品3对债项2的风险缓释贡献度，以及结合缓释品1和缓释品2分别对债项3的风险缓释贡献度并基于缓释品3对债项1和债项2的风险缓释贡献度来确定缓释品3对债项3的风险缓释贡献度，进而得到每个缓释品对N个债项的风险缓释贡献度分布。
因此，在一个可能的实施方式中，设第i个缓释品为排序后的M个缓释品中任一个缓释品，第j个债项为排序后的N个债项中任一个债项，i为小于或等于M的正整数，j为小于或等于N的正整数；电子设备按照排序后的M个缓释品所指示的顺序，依次确定每个缓释品基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度具体可以是，根据排序后的M个缓释品中前i-1个缓释品对第j个债项的关联风险缓释贡献度、第i个缓释品的缓释品信息以及第j个债项的债项信息，确定出第i个缓释品对第j个债项的风险缓释贡献度。其中，前i-1个缓释品对第j个债项的关联风险缓释贡献度可以是指前i-1个缓释品中每个缓释品对第j个债项的风险缓释贡献度。
在一些实施例中，电子设备根据排序后的M个缓释品中前i-1个缓释品对第j个债项的关联风险缓释贡献度、第i个缓释品的缓释品信息以及第j个债项的债项信息，确定出第i个缓释品对第j个债项的风险缓释贡献度，具体可以是，根据第i个缓释品的缓释品信息确定第i个缓释品的风险缓释贡献值，根据第j个债项的债项信息确定第j个债项的所需风险缓释贡献值，根据排序后的M个缓释品中前i-1个缓释品对第j个债项的关联风险缓释贡献度、第i个缓释品的风险缓释贡献值以及第j个债项的所需风险缓释贡献值，确定出第i个缓释品对第j个债项的风险缓释贡献度。其中，缓释品的风险缓释贡献值表示缓释品对债项的风险值所能贡献的风险缓释的值，即对债项的风险缓释效果，以及债项的所需风险缓释贡献值表示基于债项的风险值(即金额)所得到的需要被风险缓释的值。
可以理解的是，电子设备在确定第i个缓释品对第j个债项的风险缓释贡献度时，需要结合前i-1个缓释品对第j个债项的风险缓释贡献度，若前i-1个缓释品对第j个债项的风险缓释贡献度表示前i-1个缓释品已经满足对第j个债项的风险缓释条件，即不需要第i个缓释品对第j个债项进行风险缓释处理，则第i个缓释品对第j个债项的风险缓释贡献度表示为0。其中，该风险缓释条件表示前i-1个缓释品对第j个债项已贡献的用于风险缓释的总贡献值已经等于或大于第j个债项的所需风险缓释贡献值。
可选地，电子设备根据第i个缓释品的缓释品信息确定第i个缓释品的风险缓释贡献值可以是根据缓释品信息中的金额、期限和类型等确定出第i个缓释品的风险缓释贡献值。例如，第i个缓释品的缓释品信息表示金额为XX，期限为X年，类型为XXX，因此可以根据期限和类型确定缓释品的风险权重，并利用风险权重对金额进行加权得到第i个缓释品的风险缓释贡献值。以及电子设备根据第j个债项的债项信息确定第j个债项的所需风险缓释贡献值的具体方式可以同确定缓释品的风险缓释贡献值的方式，例如，第j个债项的债项信息表示金额为XX，期限为X年，类型为XXX，因此可以根据期限和类型确定债项的风险权重，并利用风险权重对金额进行加权得到第j个债项的所需风险缓释贡献值。该缓释品的风险权重和债项的风险权重也可以是由相关业务人员根据经验值设置。
在一个可能的实施方式中，风险缓释贡献度包括第一贡献度和第二贡献度，该第一贡献度可以表示缓释品对债项的实际贡献值基于该缓释品的风险缓释贡献值的贡献度，该第二贡献度可以表示缓释品对债项的实际贡献值基于待债项的所需风险缓释贡献值的贡献度。电子设备根据排序后的M个缓释品中前i-1个缓释品对第j个债项的关联风险缓释贡献度、第i个缓释品的风险缓释贡献值以及第j个债项的所需风险缓释贡献值，确定出第i个缓释品对第j个债项的风险缓释贡献度，具体可以是，根据排序后的M个缓释品中前i-1个缓释品对第j个债项的关联风险缓释贡献度以及第j个债项的所需风险缓释贡献值，确定出第i个缓释品对第j个债项的期望贡献值，根据第i个缓释品对第j个债项的期望贡献值和第i个缓释品的风险缓释贡献值，得到第i个缓释品对第j个债项的实际贡献值，将第i个缓释品对第j个债项的实际贡献值与第i个缓释品的风险缓释贡献值的比值，确定为第一贡献度，将第i个缓释品对第j个债项的实际贡献值与第j个债项的所需风险缓释贡献值，确定为第二贡献度。
在一些实施例中，电子设备确定出第i个缓释品对第j个债项的期望贡献值，具体可以是根据前i-1个缓释品对第j个债项的关联风险缓释贡献度确定前i-1个缓释品中每个缓释品对第j个债项的第二贡献度，并根据前i-1个缓释品中每个缓释品对第j个债项的第二贡献度以及第j个债项的所需风险缓释贡献值确定出第j个债项的已获取贡献值，将所需风险缓释贡献值与已获取贡献值的差值确定为第i个缓释品对第j个债项的期望贡献值。例如，设i为3，所需风险缓释贡献值为1000，第1个缓释品对第j个债项的第二贡献度为10％，第2个缓释品对第j个债项的第二贡献度为20％，因此第j个债项的已获取贡献值为1000*(10％+20％)＝300，因此得到第3个缓释品对第j个债项的期望贡献值为700。若前i-1个缓释品对第j个债项的第二贡献度表示第j个债项的已获取贡献值等于或大于所需风险缓释贡献值，则第i个缓释品以及排序后的M个缓释品中后i+1个缓释品对第j个债项的风险缓释贡献度(包括第一贡献度和第二贡献度)均为0。
在一些实施例中，电子设备根据第i个缓释品对第j个债项的期望贡献值和第i个缓释品的风险缓释贡献值，得到第i个缓释品对第j个债项的实际贡献值，具体可以是，若该风险缓释贡献值大于或等于该期望贡献值时，实际贡献值为期望贡献值，若风险缓释贡献值小于期望贡献值时，实际贡献值为风险缓释贡献值。可选地，也可以是若该风险缓释贡献值大于或等于该期望贡献值时，实际贡献值为风险缓释贡献值。例如，第i个缓释品的风险缓释贡献值为1000，第i个缓释品对第j个债项的期望贡献值为100，因此第i个缓释品对第j个债项的实际贡献值可以为100，第i个缓释品的剩余贡献值(900)可用于对第j+1个债项进行风险缓释处理；或者，也可以是实际贡献值为1000，第i个缓释品全部的风险缓释贡献值用于对第j个债项进行风险缓释处理。
可以理解的是，M个缓释品中每个缓释品对N个债项的风险缓释贡献度分布包括每个债项对应的第一贡献度和第二贡献度，每个缓释品对应的N个第一贡献度之和为1(或100％)，也可以是不为1，即在风险缓释分配时，直至缓释品对应的第一贡献度之和为1，才开始新的缓释品的分配；一个债项对应的M个第二贡献度之和可以为1(或100％)，也可以不为1。
例如，排序后的N个债项依次为债项1、债项2、债项3，排序后的M个缓释品依次为缓释品1、缓释品2、缓释品3，设缓释品1的风险缓释贡献值为100，缓释品2的风险缓释贡献值为300，缓释品3的风险缓释贡献值为500，债项1的所需风险缓释贡献值为200，债项2的所需风险缓释贡献值为300，债项3的所需风险缓释贡献值为1000，因此：
(1)缓释品1对债项1的期望贡献值为200，缓释品1对债项1的实际贡献值为100，缓释品1对债项1的风险缓释贡献度包括第一贡献度为1、第二贡献度为0.5；由于此时第一贡献度为1，则缓释品1对债项2和债项3的风险缓释贡献度中的第一贡献度和第二贡献度均为0；
(2)基于(1)中的结果，缓释品2对债项1的期望贡献值为100(200-0.5*200)，缓释品2对债项1的实际贡献值为100，缓释品2对债项1的风险缓释贡献度包括第一贡献度为1/3、第二贡献度为0.5；由于此时债项1对应的缓释品1的第二贡献度和缓释品2的第二贡献度之和为1，则缓释品3对债项1的第二贡献度为0；缓释品2对债项2的期望贡献值为300，缓释品2对债项1的实际贡献值为200(300-100)，缓释品2对债项2的风险缓释贡献度包括第一贡献度为2/3、第二贡献度为2/3；由于此时缓释品2对债项1和债项2的第一贡献度和为1，则缓释品2对债项3的风险缓释贡献度中的第一贡献度和第二贡献度均为0；
(3)基于(1)和(2)中的结果，债项1已满足风险缓释条件，缓释品3对债项2的期望贡献值为100(300-2/3*300)，缓释品3对债项2的实际贡献值为100，缓释品3对债项2的风险缓释贡献度包括第一贡献度为1/5、第二贡献度为1/3；由于此时债项2对应的缓释品2的第二贡献度和缓释品3的第二贡献度之和为1，则债项2满足风险缓释条件；缓释品3对债项3的期望贡献值为1000，缓释品3对债项3的实际贡献值为400(500-100)，缓释品3对债项3的风险缓释贡献度包括第一贡献度为4/5、第二贡献度为2/5，此时利用缓释品3对债项3的实际贡献值对债项3进行风险缓释处理。
205、分别根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系。
206、根据关联关系从N个债项中确定出待缓释债项；该待缓释债项具有一个或多个关联缓释品。其中，步骤205-206的具体实施方式可以参见步骤102-103的相关描述，此处不再赘述。
207、利用待缓释债项的关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值。
在一些实施例中，待缓释债项可以有一个或多个，每个待缓释债项均具有一个或多个关联缓释品；电子设备可以利用待缓释债项的每个关联缓释品对待缓释债项的实际贡献值和待缓释债项的风险值对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值。
可选地，电子设备利用待缓释债项的每个关联缓释品对待缓释债项的实际贡献值和待缓释债项的风险值对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值具体可以是，获取关联缓释品的转换系数和风险权重，利用转换系数和风险权重对每个关联缓释品的实际贡献值进行加权，得到至少一个加权后的实际贡献值，将待缓释债项的风险值与至少一个加权后的实际贡献值的差值确定为风险缓释值。风险缓释处理还可以有其他实施方式，此处不做限制。
208、获取N个债项中除待缓释债项以外的各个债项的风险值，并根据除待缓释债项以外的各个债项的风险值以及待缓释债项对应的风险缓释值，确定目标对象的目标风险缓释值。其中，步骤208的具体实施方式可以参见步骤105的相关描述，此处不再赘述。
209、根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率。
在一个可能的实施方式中，电子设备根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率具体可以是，根据每个债项的债项信息确定每个债项的初始特征向量，并根据每个缓释品的缓释品信息确定每个缓释品的初始特征向量，根据待缓释债项的初始特征向量、待缓释债项的关联缓释品的初始特征向量以及待缓释债项的关联缓释品对N个债项的风险缓释贡献度分布，确定待缓释债项的目标特征向量，将待缓释债项的目标特征向量以及N个债项中除待缓释债项以外的各个债项的初始特征向量输入预测模型，得到针对目标对象的风险概率。
在一些实施例中，电子设备根据待缓释债项的初始特征向量、待缓释债项的关联缓释品的初始特征向量以及待缓释债项的关联缓释品对N个债项的风险缓释贡献度分布，确定待缓释债项的目标特征向量具体可以是，从待缓释债项的关联缓释品对N个债项的风险缓释贡献度分布中获取关联缓释品对待缓释债项的风险缓释贡献度，根据关联缓释品对待缓释品债项的风险缓释贡献度以及关联缓释品的初始特征向量，得到关联缓释品的过渡特征向量，根据待缓释债项的初始特征向量以及待缓释债项的关联缓释品的过渡特征向量，确定待缓释债项的目标特征向量。
在一些实施例中，电子设备根据每个债项的债项信息确定每个债项的初始特征向量，并根据每个缓释品的缓释品信息确定每个缓释品的初始特征向量具体可以是，在预测模型中根据每个债项的债项信息进行特征提取，得到每个债项的初始特征向量，并根据每个缓释品的缓释品信息进行特征提取，得到每个缓释品的初始特征向量；其中，得到每个债项的初始特征向量和得到每个缓释品的初始特征向量的过程和原理相同，此处以一个债项(目标债项)为例进行说明，具体可以是，构建特征向量库，根据目标债项的债项信息所包含多种与债项关联的特征信息，从特征向量库中获取每种关联的特征信息对应的特征向量，将每种关联的特征信息对应的特征向量的平均向量作为目标债项的初始特征向量。该特征向量库可以是由相关业务人员根据经验值设置的，也可以是作为预测模型中的模型参数，由对预测模型进行训练所得到的。
在一个可能的实施方式中，电子设备根据关联缓释品对待缓释品债项的风险缓释贡献度以及关联缓释品的初始特征向量，得到关联缓释品的过渡特征向量具体可以是，获取关联缓释品对待缓释品债项的第一贡献度，利用该第一贡献度对关联缓释品的初始特征向量进行加权，得到关联缓释品的过渡特征向量；或者，获取关联缓释品对待缓释品债项的第二贡献度，利用该第二贡献度对关联缓释品的初始特征向量进行加权，得到关联缓释品的过渡特征向量；或者，获取关联缓释品对待缓释品债项的第一贡献度和第二贡献度，利用该第一贡献度和第二贡献度对关联缓释品的初始特征向量进行加权，得到关联缓释品的过渡特征向量。
可选地，电子设备根据待缓释债项的初始特征向量以及待缓释债项的关联缓释品的过渡特征向量，确定待缓释债项的目标特征向量具体可以是，将待缓释债项的所有关联缓释品的过渡特征向量进行求和，得到特征和向量，并将待缓释债项的初始特征向量与该特征和向量的向量乘作为待缓释债项的目标特征向量。可选地，预测模型可以包括全连接层和/或池化层，电子设备可以按照排序后的N个债项所指示的顺序，对债项的初始特征向量/目标特征向量进行拼接，得到拼接向量，由预测模型包括的全连接层对拼接向量进行预测得到风险概率；也可以是按照排序后的N个债项所指示的顺序，将债项的初始特征向量/目标特征向量组成特征矩阵，由预测模型包括的池化层对该特征矩阵进行池化处理，得到目标向量，并由预测模型包括的全连接层对该目标向量进行预测得到风险概率。
210、将目标对象的目标风险缓释值以及风险概率发送至目标平台。其中步骤210的具体实施方式可以参见步骤107的相关描述，此处不再赘述。
本申请实施例中，当检测到针对目标对象的风险缓释请求时，电子设备获取目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息，根据每个债项的债项信息确定每个债项的目标权重，并按照每个债项的目标权重对N个债项进行排序，得到排序后的N个债项，根据每个缓释品的缓释品信息确定每个缓释品的目标权重，并按照每个缓释品的目标权重对M个缓释品进行排序，得到排序后的M个缓释品，按照排序后的M个缓释品所指示的顺序，依次确定每个缓释品基于排序后的N个债项所指示的顺序对每个债项的风险缓释贡献度，得到每个缓释品对N个债项的风险缓释贡献度分布，分别根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系，根据关联关系从N个债项中确定出待缓释债项；该待缓释债项具有一个或多个关联缓释品，利用待缓释债项的关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值，根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率，将目标对象的目标风险缓释值以及风险概率发送至目标平台。通过实施本申请实施例所提出的方法，可以确定出最优的风险缓释分配，并基于该风险缓释分配利用缓释品对债项进行风险缓释，得到最佳的目标风险缓释值，以及可以生成衡量目标风险缓释值的不确定性的风险概率，进而通过目标风险缓释值和风险概率进行风险分析，可以提高风险缓释结果的可靠性以及风险分析准确性。
请参见图4，图4为本申请提供的一种风险数据处理装置的结构示意图。需要说明的是，图4所示的风险数据处理装置，用于执行本申请图1和图2所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示，经参照本申请图1和图2所示的实施例。该风险数据处理装置400可包括：获取单元401、确定单元402、处理单元403、生成单元404。其中：
获取单元401，用于当检测到针对目标对象的风险缓释请求时，获取所述目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数；
确定单元402，用于确定所述每个缓释品对所述N个债项的风险缓释贡献度分布，并分别根据所述每个缓释品对所述N个债项的风险缓释贡献度分布确定出所述每个缓释品与所述N个债项的关联关系；
所述确定单元402，还用于根据所述关联关系从所述N个债项中确定出待缓释债项；所述待缓释债项具有一个或多个关联缓释品；
处理单元403，用于利用所述待缓释债项的关联缓释品对所述待缓释债项进行风险缓释处理，得到所述待缓释债项对应的风险缓释值；
所述获取单元401，还用于获取所述N个债项中除所述待缓释债项以外的各个债项的风险值，并根据所述除所述待缓释债项以外的各个债项的风险值以及所述待缓释债项对应的风险缓释值，确定所述目标对象的目标风险缓释值；
生成单元404，用于根据所述债项信息、所述缓释品信息、所述风险缓释贡献度分布以及所述待缓释债项的关联缓释品，生成针对所述目标对象的风险概率；所述风险概率用于衡量所述目标对象的目标风险缓释值的不确定性；
所述处理单元403，用于将所述目标对象的目标风险缓释值以及所述风险概率发送至目标平台，以使得所述目标平台根据所述目标风险缓释值和所述风险概率对所述目标对象进行风险分析。
在一个可能的实施方式中，所述确定单元402在用于确定所述每个缓释品对所述N个债项的风险缓释贡献度分布时，具体用于：
根据所述每个债项的债项信息确定所述每个债项的目标权重，并按照所述每个债项的目标权重对所述N个债项进行排序，得到排序后的N个债项；
根据所述每个缓释品的缓释品信息确定所述每个缓释品的目标权重，并按照所述每个缓释品的目标权重对所述M个缓释品进行排序，得到排序后的M个缓释品；
按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度，得到所述每个缓释品对所述N个债项的风险缓释贡献度分布。
在一个可能的实施方式中，所述第i个缓释品为所述排序后的M个缓释品中的任一个缓释品，所述第j个债项为所述排序后的N个债项中的任一个债项，i为小于或等于M的正整数，j为小于或等于N的正整数；
所述确定单元402在用于按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度时，具体用于：
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的缓释品信息以及所述第j个债项的债项信息，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度。
在一个可能的实施方式中，所述确定单元402在用于根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的缓释品信息以及所述第j个债项的债项信息，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度时，具体用于：
根据所述第i个缓释品的缓释品信息确定所述第i个缓释品的风险缓释贡献值；
根据所述第j个债项的债项信息确定所述第j个债项的所需风险缓释贡献值；
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的风险缓释贡献值以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度。
在一个可能的实施方式中，所述风险缓释贡献度包括第一贡献度和第二贡献度；所述确定单元402在用于根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的风险缓释贡献值以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度时，具体用于：
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的期望贡献值；
根据所述第i个缓释品对所述第j个债项的期望贡献值和所述第i个缓释品的风险缓释贡献值，得到所述第i个缓释品对所述第j个债项的实际贡献值；
将所述第i个缓释品对所述第j个债项的实际贡献值与所述第i个缓释品的风险缓释贡献值的比值，确定为所述第一贡献度；
将所述第i个缓释品对所述第j个债项的实际贡献值与所述第j个债项的所需风险缓释贡献值，确定为所述第二贡献度。
在一个可能的实施方式中，所述生成单元404在用于根据所述债项信息、所述缓释品信息、所述风险缓释贡献度分布以及所述待缓释债项的关联缓释品，生成针对所述目标对象的风险概率时，具体用于：
根据所述每个债项的债项信息确定每个债项的初始特征向量，并根据所述每个缓释品的缓释品信息确定每个缓释品的初始特征向量；
根据所述待缓释债项的初始特征向量、所述待缓释债项的关联缓释品的初始特征向量以及所述待缓释债项的关联缓释品对所述N个债项的风险缓释贡献度分布，确定所述待缓释债项的目标特征向量；
将所述待缓释债项的目标特征向量以及所述N个债项中除待缓释债项以外的各个债项的初始特征向量输入预测模型，得到所述风险概率。
在一个可能的实施方式中，所述生成单元404在用于根据所述待缓释债项的初始特征向量、所述待缓释债项的关联缓释品的初始特征向量以及所述待缓释债项的关联缓释品对所述N个债项的风险缓释贡献度分布，确定所述待缓释债项的目标特征向量时，具体用于：
从所述待缓释债项的关联缓释品对所述N个债项的风险缓释贡献度分布中获取所述关联缓释品对所述待缓释债项的风险缓释贡献度；
根据所述关联缓释品对所述待缓释债项的风险缓释贡献度以及所述关联缓释品的初始特征向量，得到所述关联缓释品的过渡特征向量；
根据所述待缓释债项的初始特征向量以及所述待缓释债项的关联缓释品的过渡特征向量，确定所述待缓释债项的目标特征向量。
本申请实施例中，获取单元当检测到针对目标对象的风险缓释请求时，获取目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；确定单元确定每个缓释品对N个债项的风险缓释贡献度分布，并分别根据每个缓释品对N个债项的风险缓释贡献度分布确定出每个缓释品与N个债项的关联关系；确定单元根据关联关系从N个债项中确定出待缓释债项；处理单元利用待缓释债项的关联缓释品对待缓释债项进行风险缓释处理，得到待缓释债项对应的风险缓释值；获取单元获取N个债项中除待缓释债项以外的各个债项的风险值，并根据除待缓释债项以外的各个债项的风险值以及待缓释债项对应的风险缓释值，确定目标对象的目标风险缓释值；生成单元根据债项信息、缓释品信息、风险缓释贡献度分布以及待缓释债项的关联缓释品，生成针对目标对象的风险概率；处理单元将目标对象的目标风险缓释值以及风险概率发送至目标平台，以使得目标平台根据目标风险缓释值和风险概率对目标对象进行风险分析。通过实施本申请实施例所提出的装置，可以确定出最优的风险缓释分配，并基于该风险缓释分配利用缓释品对债项进行风险缓释，得到最佳的目标风险缓释值，以及可以生成衡量目标风险缓释值的不确定性的风险概率，进而通过目标风险缓释值和风险概率进行风险分析，可以提高风险缓释结果的可靠性以及风险分析准确性。
请参见图5，图5为本申请实施例提供的一种电子设备的结构示意图。如图5所示，该电子设备500包括：至少一个处理器501、存储器502。可选的，该电子设备还可包括网络接口。其中，所述处理器501、存储器502以及网络接口之间可以交互数据，网络接口受所述处理器501的控制用于收发消息，存储器502用于存储计算机程序，所述计算机程序包括程序指令，处理器501用于执行存储器502存储的程序指令。其中，处理器501被配置用于调用所述程序指令执行上述方法。
所述存储器502可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器502也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flash memory)，固态硬盘(solid-state drive，SSD)等；所述存储器502还可以包括上述种类的存储器的组合。
所述处理器501可以是中央处理器501(central processing unit，CPU)。在一个实施例中，所述处理器501还可以是图形处理器501(Graphics Processing Unit，GPU)。所述处理器501也可以是由CPU和GPU的组合。
在一个可能的实施方式中，所述存储器502用于存储程序指令，所述处理器501可以调用所述程序指令，执行以下步骤：
当检测到针对目标对象的风险缓释请求时，获取所述目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数；
确定所述每个缓释品对所述N个债项的风险缓释贡献度分布，并分别根据所述每个缓释品对所述N个债项的风险缓释贡献度分布确定出所述每个缓释品与所述N个债项的关联关系；
根据所述关联关系从所述N个债项中确定出待缓释债项；所述待缓释债项具有一个或多个关联缓释品；
利用所述待缓释债项的关联缓释品对所述待缓释债项进行风险缓释处理，得到所述待缓释债项对应的风险缓释值；
获取所述N个债项中除所述待缓释债项以外的各个债项的风险值，并根据所述除所述待缓释债项以外的各个债项的风险值以及所述待缓释债项对应的风险缓释值，确定所述目标对象的目标风险缓释值；
根据所述债项信息、所述缓释品信息、所述风险缓释贡献度分布以及所述待缓释债项的关联缓释品，生成针对所述目标对象的风险概率；所述风险概率用于衡量所述目标对象的目标风险缓释值的不确定性；
将所述目标对象的目标风险缓释值以及所述风险概率发送至目标平台，以使得所述目标平台根据所述目标风险缓释值和所述风险概率对所述目标对象进行风险分析。
在一个可能的实施方式中，所述处理器501在用于确定所述每个缓释品对所述N个债项的风险缓释贡献度分布时，具体用于：
根据所述每个债项的债项信息确定所述每个债项的目标权重，并按照所述每个债项的目标权重对所述N个债项进行排序，得到排序后的N个债项；
根据所述每个缓释品的缓释品信息确定所述每个缓释品的目标权重，并按照所述每个缓释品的目标权重对所述M个缓释品进行排序，得到排序后的M个缓释品；
按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度，得到所述每个缓释品对所述N个债项的风险缓释贡献度分布。
在一个可能的实施方式中，所述第i个缓释品为所述排序后的M个缓释品中的任一个缓释品，所述第j个债项为所述排序后的N个债项中的任一个债项，i为小于或等于M的正整数，j为小于或等于N的正整数；
所述处理器501在用于按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度时，具体用于：
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的缓释品信息以及所述第j个债项的债项信息，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度。
在一个可能的实施方式中，所述处理器501在用于根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的缓释品信息以及所述第j个债项的债项信息，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度时，具体用于：
根据所述第i个缓释品的缓释品信息确定所述第i个缓释品的风险缓释贡献值；
根据所述第j个债项的债项信息确定所述第j个债项的所需风险缓释贡献值；
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的风险缓释贡献值以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度。
在一个可能的实施方式中，所述风险缓释贡献度包括第一贡献度和第二贡献度；所述处理器501在用于根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的风险缓释贡献值以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度时，具体用于：
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的期望贡献值；
根据所述第i个缓释品对所述第j个债项的期望贡献值和所述第i个缓释品的风险缓释贡献值，得到所述第i个缓释品对所述第j个债项的实际贡献值；
将所述第i个缓释品对所述第j个债项的实际贡献值与所述第i个缓释品的风险缓释贡献值的比值，确定为所述第一贡献度；
将所述第i个缓释品对所述第j个债项的实际贡献值与所述第j个债项的所需风险缓释贡献值，确定为所述第二贡献度。
在一个可能的实施方式中，所述处理器501在用于根据所述债项信息、所述缓释品信息、所述风险缓释贡献度分布以及所述待缓释债项的关联缓释品，生成针对所述目标对象的风险概率时，具体用于：
根据所述每个债项的债项信息确定每个债项的初始特征向量，并根据所述每个缓释品的缓释品信息确定每个缓释品的初始特征向量；
根据所述待缓释债项的初始特征向量、所述待缓释债项的关联缓释品的初始特征向量以及所述待缓释债项的关联缓释品对所述N个债项的风险缓释贡献度分布，确定所述待缓释债项的目标特征向量；
将所述待缓释债项的目标特征向量以及所述N个债项中除待缓释债项以外的各个债项的初始特征向量输入预测模型，得到所述风险概率。
在一个可能的实施方式中，所述处理器501在用于根据所述待缓释债项的初始特征向量、所述待缓释债项的关联缓释品的初始特征向量以及所述待缓释债项的关联缓释品对所述N个债项的风险缓释贡献度分布，确定所述待缓释债项的目标特征向量时，具体用于：
从所述待缓释债项的关联缓释品对所述N个债项的风险缓释贡献度分布中获取所述关联缓释品对所述待缓释债项的风险缓释贡献度；
根据所述关联缓释品对所述待缓释债项的风险缓释贡献度以及所述关联缓释品的初始特征向量，得到所述关联缓释品的过渡特征向量；
根据所述待缓释债项的初始特征向量以及所述待缓释债项的关联缓释品的过渡特征向量，确定所述待缓释债项的目标特征向量。
具体实现中，本申请实施例中所描述的装置、处理器501、存储器502等可执行上述方法实施例所描述的实现方式，也可执行本申请实施例所描述的实现方式，在此不再赘述。
本申请实施例中还提供一种计算机(可读)存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使所述处理器可执行上述方法实施例中所执行的部分或全部步骤。可选的，该计算机存储介质可以是易失性的，也可以是非易失性的。所述的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。
其中，本申请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。
本申请实施例提供了一种计算机程序产品，该计算机程序产品可包括计算机程序，计算机程序被处理器执行时可实现上述方法中的部分或全部步骤，此处不赘述。
在本文中提及的“多个”是指两个或两个以上。“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。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机存储介质中，该计算机存储介质可以为计算机可读存储介质，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所揭露的仅为本申请的部分实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于本申请所涵盖的范围。

Claims (7)

1.一种风险数据处理方法，其特征在于，所述方法包括：
当检测到针对目标对象的风险缓释请求时，获取所述目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数；
根据所述每个债项的债项信息确定所述每个债项的目标权重，并按照所述每个债项的目标权重对所述N个债项进行排序，得到排序后的N个债项；根据所述每个缓释品的缓释品信息确定所述每个缓释品的目标权重，并按照所述每个缓释品的目标权重对所述M个缓释品进行排序，得到排序后的M个缓释品；按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度，得到所述每个缓释品对所述N个债项的风险缓释贡献度分布；
分别根据所述每个缓释品对所述N个债项的风险缓释贡献度分布确定出所述每个缓释品与所述N个债项的关联关系；
根据所述关联关系从所述N个债项中确定出待缓释债项；所述待缓释债项具有一个或多个关联缓释品；
利用所述待缓释债项的关联缓释品对所述待缓释债项进行风险缓释处理，得到所述待缓释债项对应的风险缓释值；
获取所述N个债项中除所述待缓释债项以外的各个债项的风险值，并根据所述除所述待缓释债项以外的各个债项的风险值以及所述待缓释债项对应的风险缓释值，确定所述目标对象的目标风险缓释值；
根据所述每个债项的债项信息确定所述每个债项的初始特征向量，并根据所述每个缓释品的缓释品信息确定所述每个缓释品的初始特征向量；从所述关联缓释品对所述N个债项的风险缓释贡献度分布中获取所述关联缓释品对所述待缓释债项的风险缓释贡献度；根据所述关联缓释品对所述待缓释债项的风险缓释贡献度以及所述关联缓释品的初始特征向量，得到所述关联缓释品的过渡特征向量；根据所述待缓释债项的初始特征向量以及所述关联缓释品的过渡特征向量，确定所述待缓释债项的目标特征向量；将所述待缓释债项的目标特征向量以及所述除所述待缓释债项以外的各个债项的初始特征向量输入预测模型，得到针对所述目标对象的风险概率；所述风险概率用于衡量所述目标对象的目标风险缓释值的不确定性；
将所述目标对象的目标风险缓释值以及所述风险概率发送至目标平台，以使得所述目标平台根据所述目标风险缓释值和所述风险概率对所述目标对象进行风险分析。
2.根据权利要求1所述的方法，其特征在于，所述排序后的M个缓释品中的任一个缓释品为第i个缓释品，所述排序后的N个债项中的任一个债项为第j个债项，i为小于或等于M的正整数，j为小于或等于N的正整数；
所述按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度，包括：
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的缓释品信息以及所述第j个债项的债项信息，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的缓释品信息以及所述第j个债项的债项信息，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度，包括：
根据所述第i个缓释品的缓释品信息确定所述第i个缓释品的风险缓释贡献值；
根据所述第j个债项的债项信息确定所述第j个债项的所需风险缓释贡献值；
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的风险缓释贡献值以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度。
4.根据权利要求3所述的方法，其特征在于，所述风险缓释贡献度包括第一贡献度和第二贡献度；所述根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度、所述第i个缓释品的风险缓释贡献值以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的风险缓释贡献度，包括：
根据所述排序后的M个缓释品中前i-1个缓释品对所述第j个债项的关联风险缓释贡献度以及所述第j个债项的所需风险缓释贡献值，确定出所述第i个缓释品对所述第j个债项的期望贡献值；
根据所述第i个缓释品对所述第j个债项的期望贡献值和所述第i个缓释品的风险缓释贡献值，得到所述第i个缓释品对所述第j个债项的实际贡献值；
将所述第i个缓释品对所述第j个债项的实际贡献值与所述第i个缓释品的风险缓释贡献值的比值，确定为所述第一贡献度；
将所述第i个缓释品对所述第j个债项的实际贡献值与所述第j个债项的所需风险缓释贡献值，确定为所述第二贡献度。
5.一种风险数据处理装置，其特征在于，所述装置包括：
获取单元，用于当检测到针对目标对象的风险缓释请求时，获取所述目标对象的N个债项中每个债项的债项信息以及M个缓释品中每个缓释品的缓释品信息；N和M均为正整数；
确定单元，用于根据所述每个债项的债项信息确定所述每个债项的目标权重，并按照所述每个债项的目标权重对所述N个债项进行排序，得到排序后的N个债项；根据所述每个缓释品的缓释品信息确定所述每个缓释品的目标权重，并按照所述每个缓释品的目标权重对所述M个缓释品进行排序，得到排序后的M个缓释品；按照所述排序后的M个缓释品所指示的顺序，依次确定所述每个缓释品基于所述排序后的N个债项所指示的顺序对所述每个债项的风险缓释贡献度，得到所述每个缓释品对所述N个债项的风险缓释贡献度分布；
所述确定单元，还用于分别根据所述每个缓释品对所述N个债项的风险缓释贡献度分布确定出所述每个缓释品与所述N个债项的关联关系；
所述确定单元，还用于根据所述关联关系从所述N个债项中确定出待缓释债项；所述待缓释债项具有一个或多个关联缓释品；
处理单元，用于利用所述待缓释债项的关联缓释品对所述待缓释债项进行风险缓释处理，得到所述待缓释债项对应的风险缓释值；
所述获取单元，还用于获取所述N个债项中除所述待缓释债项以外的各个债项的风险值，并根据所述除所述待缓释债项以外的各个债项的风险值以及所述待缓释债项对应的风险缓释值，确定所述目标对象的目标风险缓释值；
生成单元，用于根据所述每个债项的债项信息确定所述每个债项的初始特征向量，并根据所述每个缓释品的缓释品信息确定所述每个缓释品的初始特征向量；从所述关联缓释品对所述N个债项的风险缓释贡献度分布中获取所述关联缓释品对所述待缓释债项的风险缓释贡献度；根据所述关联缓释品对所述待缓释债项的风险缓释贡献度以及所述关联缓释品的初始特征向量，得到所述关联缓释品的过渡特征向量；根据所述待缓释债项的初始特征向量以及所述关联缓释品的过渡特征向量，确定所述待缓释债项的目标特征向量；将所述待缓释债项的目标特征向量以及所述除所述待缓释债项以外的各个债项的初始特征向量输入预测模型，得到针对所述目标对象的风险概率；所述风险概率用于衡量所述目标对象的目标风险缓释值的不确定性；
所述处理单元，还用于将所述目标对象的目标风险缓释值以及所述风险概率发送至目标平台，以使得所述目标平台根据所述目标风险缓释值和所述风险概率对所述目标对象进行风险分析。
6.一种电子设备，其特征在于，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-4任一项所述的方法。
7.一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程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
CN202210598482.XA 2022-05-28 2022-05-28 风险数据处理方法、相关设备及介质 Active CN114926267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210598482.XA CN114926267B (zh) 2022-05-28 2022-05-28 风险数据处理方法、相关设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210598482.XA CN114926267B (zh) 2022-05-28 2022-05-28 风险数据处理方法、相关设备及介质

Publications (2)

Publication Number Publication Date
CN114926267A CN114926267A (zh) 2022-08-19
CN114926267B true CN114926267B (zh) 2024-03-26

Family

ID=82813187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210598482.XA Active CN114926267B (zh) 2022-05-28 2022-05-28 风险数据处理方法、相关设备及介质

Country Status (1)

Country Link
CN (1) CN114926267B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254288A (zh) * 2011-06-27 2011-11-23 中国建设银行股份有限公司 一种用于银行进行风险缓释的数据处理方法及系统
US8775291B1 (en) * 2008-03-31 2014-07-08 Trans Union Llc Systems and methods for enrichment of data relating to consumer credit collateralized debt and real property and utilization of same to maximize risk prediction
CN106779272A (zh) * 2015-11-24 2017-05-31 阿里巴巴集团控股有限公司 一种风险预测方法和设备
CN109543897A (zh) * 2018-11-19 2019-03-29 天津理工大学 地方政府债务风险动态评估及预测方法
CN114254883A (zh) * 2021-12-07 2022-03-29 中信银行股份有限公司 一种缓释拆分方法、装置、设备及可读储存介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8775291B1 (en) * 2008-03-31 2014-07-08 Trans Union Llc Systems and methods for enrichment of data relating to consumer credit collateralized debt and real property and utilization of same to maximize risk prediction
CN102254288A (zh) * 2011-06-27 2011-11-23 中国建设银行股份有限公司 一种用于银行进行风险缓释的数据处理方法及系统
CN106779272A (zh) * 2015-11-24 2017-05-31 阿里巴巴集团控股有限公司 一种风险预测方法和设备
CN109543897A (zh) * 2018-11-19 2019-03-29 天津理工大学 地方政府债务风险动态评估及预测方法
CN114254883A (zh) * 2021-12-07 2022-03-29 中信银行股份有限公司 一种缓释拆分方法、装置、设备及可读储存介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于MCMC模拟的贝叶斯分层信用风险评估模型;周丽莉;丁东洋;;统计与信息论坛;20111210(第12期);全文 *
基于模糊子集的贷款组合优化方法;张渝;曾承晓;;数学的实践与认识;20081008(第19期);全文 *

Also Published As

Publication number Publication date
CN114926267A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN103927615B (zh) 将实体与类别相关联
CN109766454A (zh) 一种投资者分类方法、装置、设备及介质
CN113379042B (zh) 保护数据隐私的业务预测模型训练方法及装置
CN110310114A (zh) 对象分类方法、装置、服务器及存储介质
US20230252569A1 (en) Computer Implemented Method for Compiling a Portfolio of Assets
CN113283936A (zh) 一种销量预测方法、销量预测装置及电子设备
CN114463138A (zh) 风险监测方法、装置、设备及存储介质
CN111984842B (zh) 银行客户数据处理方法及装置
CN114926267B (zh) 风险数据处理方法、相关设备及介质
CN113779116B (zh) 对象排序方法、相关设备及介质
CN107305662A (zh) 识别违规账户的方法及装置
CN116128339A (zh) 客户信用评估方法及装置、存储介质及电子设备
CN108256694A (zh) 基于重复遗传算法的模糊时间序列预测系统、方法及装置
CN115049458A (zh) 基于用户人群建模的商品推送方法及装置、介质、设备
CN110795232A (zh) 数据处理方法、装置、计算机可读存储介质和计算机设备
CN112818241A (zh) 一种内容推广方法、装置、计算机设备和存储介质
CN111681090A (zh) 业务系统的账号分组方法、装置、终端设备及存储介质
Saravanarajan et al. Montecarlo approach for solving unbound knapsack problem
CN111079992A (zh) 数据处理方法、装置和存储介质
Agrawal et al. Intuitionistic Fuzzy Score Function Based Multi-Criteria Decision Making Method for Selection of Cloud Service Provider
CN114971040B (zh) 无人银行网点风险控制方法及装置
CN111882424B (zh) 基于遗传算法的信贷证券化组包方法及装置
CN115239345A (zh) 转账交易的风险控制方法及装置
Poonawala et al. Solving the 0–1 Knapsack Problem Using LAB Algorithm
Zhang A BP Algorithm for Financial Investment Risk Forecast

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