TWI759539B - 電腦設備及風控決策臨界值的確定裝置 - Google Patents

電腦設備及風控決策臨界值的確定裝置 Download PDF

Info

Publication number
TWI759539B
TWI759539B TW107131821A TW107131821A TWI759539B TW I759539 B TWI759539 B TW I759539B TW 107131821 A TW107131821 A TW 107131821A TW 107131821 A TW107131821 A TW 107131821A TW I759539 B TWI759539 B TW I759539B
Authority
TW
Taiwan
Prior art keywords
combination
combinations
values
score
critical
Prior art date
Application number
TW107131821A
Other languages
English (en)
Other versions
TW201923665A (zh
Inventor
肖凱
聞飆 趙
Original Assignee
開曼群島商創新先進技術有限公司
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 開曼群島商創新先進技術有限公司 filed Critical 開曼群島商創新先進技術有限公司
Publication of TW201923665A publication Critical patent/TW201923665A/zh
Application granted granted Critical
Publication of TWI759539B publication Critical patent/TWI759539B/zh

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

公開了一種風控決策臨界值的確定方法及裝置。一種風控決策臨界值的確定方法，該方法包括：初始化產生包含K個組合的集合P，利用以下步驟進行迴圈處理，直到滿足預設的停止條件：計算集合P中每個組合的分值，每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；根據所產生的新組合，對集合P進行更新；停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。

Description

電腦設備及風控決策臨界值的確定裝置
本說明書實施例涉及風險控制技術領域，尤其涉及一種風控決策臨界值的確定方法及裝置。
在風控系統中，風險識別和決策控制是兩個主要的問題。其中風險識別關注的是如何識別出潛在的風險，而決策控制則關注如何根據識別結果採取恰當的處理手段。
在風險識別階段，一般會對事件給出量化的評分。相應地，在決策控制階段的基本原則是：如果識別到的風險較高則採用較強的干預手段，如果識別到的風險較低則採用較弱的干預手段。然而在實際應用中，“風險高”、“風險低”需要有客觀的判斷標準，即確定一個或多個決策臨界值。在傳統方案中，這些臨界值多是基於經驗人工確定的，但是在較為複雜的風控系統中，人工方式確定的臨界值很難全面考慮到多個方面的需求。
針對上述技術問題，本說明書實施例提供一種風控決策臨界值的確定方法及裝置，技術方案如下： 一種風控決策臨界值的確定方法，該方法包括：獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出；初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；利用以下步驟進行迴圈處理，直到滿足預設的停止條件：根據所獲得的N個關係函數，計算集合P中每個組合的分值，所述分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變一種風控決策臨界值的確定裝置，該裝置包括：關係函數獲得模組，用於獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出；集合初始化模組，用於初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；集合更新模組，利用以下子模組進行迴圈處理，直到 滿足預設的停止條件：分值計算子模組，用於根據所獲得的N個關係函數，計算集合P中每個組合的分值，所述分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；重組子模組，用於每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；更新子模組，用於根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變；臨界值確定模組，用於在停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
本說明書實施例所提供的技術方案，針對於多臨界值、多目標值的風控系統，初始產生若干組臨界值的組合，然後透過對組合間的元素的進行交換以不斷產生新的組合，並且淘汰效果較差的組合、保留效果較佳的組合，透過多次反覆運算從而得到最佳的組合。由於每次反覆運算都是按照優勝劣汰的原則，因此能夠以較高的效率找到最優的組合。
應當理解的是，以上的一般描述和後文的細節描述僅是示例性和解釋性的，並不能限制本說明書實施例。
此外，本說明書實施例中的任一實施例並不需要達到 上述的全部效果。
110:關係函數獲得模組
120:集合初始化模組
130:集合更新模組
140:臨界值確定模組
1010:處理器
1020:記憶體
1030:輸入/輸出介面
1040:通信介面
1050:匯流排
為了更清楚地說明本說明書實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的圖式作簡單地介紹，顯而易見地，下面描述中的圖式僅僅是本說明書實施例中記載的一些實施例，對於本領域普通技術人員來講，還可以根據這些圖式獲得其他的圖式。
圖1是本說明書實施例的風控決策臨界值的確定方法的流程示意圖；圖2是本說明書實施例的；圖3是本說明書實施例的風控決策臨界值的確定裝置的結構示意圖；圖4是用於配置本說明書實施例裝置的一種設備的結構示意圖。
為了使本領域技術人員更好地理解本說明書實施例中的技術方案，下面將結合本說明書實施例中的圖式，對本說明書實施例中的技術方案進行詳細地描述，顯然，所描述的實施例僅僅是本說明書的一部分實施例，而不是全部的實施例。基於本說明書中的實施例，本領域普通技術人員所獲得的所有其他實施例，都應當屬於保護的範圍。
以金融領域的風控場景為例，為了避免或降低使用者 資金的損失，風控系統一般會在帳戶資金未轉出之前，對本次資金轉出事件進行風險評估，並且根據評估結果來判斷是否採取某些處理手段，例如要求使用者輸入支付密碼(相對於免密支付而言)、要求使用者輸入手機短信驗證碼、甚至做攔截本次交易、凍結帳戶等處理。
由於評估風險時所關注的很多特徵的取值都是連續的(或者存在多種取值)，為了區分是否要執行風控處理、或者需要執行哪種級別的處理手段，需要對這些具有連續取值的特徵設置一個或多個決策臨界值。例如，關注的特徵為“本次轉出的金額總量”，對應的處理手段為“當轉出金額在t元以上時，需要使用者輸入手機短信驗證碼，否則可以直接憑支付密碼轉帳”，則這個“t”就是針對“本次轉出的金額總量”這個特徵所設置的決策臨界值。
另一方面，從整個風控系統的設計角度而言，往往需要關注多個評價指標。當某個決策臨界值取值不同時，可能會同時影響多個指標。例如，風控系統的設計方向是“高預測覆蓋率、低使用者打擾率”，可以理解的是，對於“轉出金額總量”這個特徵，較低的決策臨界值會提高預測覆蓋率，但是也會提高對使用者的打擾率。可見，在設置某個決策臨界值時，需要綜合考慮該臨界值所影響的多個指標。而在大型的風控系統中，往往需要針對更多種特徵來確定多個臨界值，進一步提升了實現難度。
針對上述需求，本說明書提供一種風控決策臨界值的確定方案。用於在“多臨界值-多指標值”的風控系統中 確定較佳的臨界值組合。
如圖1所示，該方法可以包括以下步驟：
S101，獲得M種特徵的臨界值與N個指標值的關係函數；為不失一般性，本說明書中首先對系統建模如下：存在N個風控指標值(例如預測覆蓋率、預測命中率、使用者打擾率等等)，設為y1，y2，...yN；存在M種特徵需要設置決策臨界值(例如本次轉出的金額總量、24小時內轉出的金額總量、本次登錄距離上次安全操作的時間、本次轉出行為的風險評分等等)，設為x1，x2，...xM，可以理解的是，臨界值和指標值之間存在一種關係，由於每個指標值都會受到M個臨界值的中的全部或部分影響，因此可以建立每個指標值和多個臨界值之間的函數關係：y1=f1(x1，x2，...xM)
y2=f2(x1，x2，...xM)
......
yN=fN(x1，x2，...xM)
可見，N個指標值對應N個關係函數，每個關係函數均以M個臨界值中的全部或部分作為輸入(對於以部分臨界值作為輸入的情況，可以理解為某些臨界值對函數值的影響為0)、以1個指標值作為輸出。上述函數關係可參見圖2所示。
在實際應用中，臨界值和指標值的對應關係f往往並不是顯性的，可以透過機器學習演算法，從大量歷史資料中挖掘出這些對應關係函數：首先從歷史資料中，獲得多組包含M個臨界值與N個指標值的對應關係的資料；例如，對於“當轉出金額在t元以上時，需要使用者輸入手機短信驗證碼”的風控手段，可以根據歷史資料中，將t設為100元、200元、500元等數值後，一段時間內的預測覆蓋率、使用者打擾率等指標統計值。然後利用所獲得的多組對應關係作為樣本，透過有監督學習的方式得到M個臨界值與N個指標值的關係函數。
關於透過訓練獲得臨界值與指標值關係函數的具體方法，可參見其他相關資料，本說明書中不做詳細說明。當然，獲得關係函數並不限於上述方式，事實上，對本說明書所提供方案而言，也可以將“臨界值與指標值的關係函數”看作已知資訊，因此並不需要對具體的獲得方式進行限定。
S102，初始化產生包含K個組合的集合P；在本說明書中，將M個臨界值所構成的資料稱為一個“組合”，當x1，x2，...xM分別取不同值時，可以得到不同的組合。
在初始化階段，可預設一整數數值K，並且產生數量為K的組合構成集合P。集合P中的K個組合可以表示為如下形式：
組合1：x11，x21，...xM1
組合2：x12，x22，...xM2
......
組合k：x1k，x2k，...xMk
......
組合K：x1K，x2K，...xMK
每個組合中的具體的臨界值取值可以是根據實際資料取得，也可以是隨機產生的取值，當然，這裡的“隨機產生”應該建立在取值本身有意義的前提下，可以根據實際需求，為每種臨界值設置取值範圍。此外，K的取值可以是個位數、也可以是數十或數百等等，本說明書對此不做限定。
S103，根據所獲得的N個關係函數，計算集合P中每個組合的分值；本說明書中，定義“分值”參數，用來評價每個臨界值組合的優劣，從而最終確定出“最優”的臨界值組合。而“組合”的優劣更直觀是體現在該組合所對應的N個指標值上，因此“分值”實際上也是用於評價N個指標綜合優劣程度的參數。假設以z代表分值，則z可以表示為由y1，y2，...yN確定的值，即存在函數g使得：z=g(y1，y2，...yN)。
進一步地，對於任一組合k(k=1,2,...K)：其M個臨界值可表示為：x1k，x2k，...xMk
其N個指標值為：y1k=f1(x1k，x2k，...xMk)
y2k=f2(x1，x2k，...xMk)
......
yNk=fN(x1k，x2k，...xMk)
其分值為：zk=g(y1k，y2k，...yNk)
對於上述的函數g，由於是用來綜合評估N個指標綜合優劣程度的函數，因此其基本要求是：與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；這裡的“正向指標”是指“越大越好”的指標，例如預測命中率、預測覆蓋率等；而“負向指標(也稱逆向指標、反向指標等)”是指“越小越好”的指標，例如使用者打擾率等。
舉例說明，可以採用差值的形式計算分值z，例如：z=ΣN個指標值中的正向指標值-ΣN個指標值中的負向指標值；其中“Σ”為求和運算子，即對於任一組N個指標值，用“所有的正向指標值減去所有的負向指標值”來評價這N個指標的綜合優劣，z值越大則說明這組指標越好。
此外，還可以採用比值的形式計算分值z，例如：
Figure 107131821-A0305-02-0011-1
其中“π”為求積運算子，即對於任一組N個指標值， 用“所有的正向指標值與所有的負向指標值的比值”來評價這N個指標的綜合優劣，z值越大則說明這組指標越好。
可以理解的是，上述僅是對函數g形式的兩種簡單舉例，根據實際需求，還可以對函數做其他變形，例如在差值形式的函數中，可以採用加權的方式，即為每個指標值分別指定修正係數作為權值。
如果預先明確各個指標值的優先順序關係，則可以為每個指標值指定固定的修正係數，這些修正係數可以利用歷史資料，透過機器學習的方法得到，也可用採用人工分配的方式，例如，對於重要的指標值，可以為其指定絕對值較大的修正係數。
如果預先無法明確各個指標值的優先順序關係，也可以分別為N個指標值產生隨機的修正係數作為權值，然後對修正後的N個指標值進行加權。在迴圈處理的過程中，每一輪迴圈都會隨機產生不同的修正係數，透過多次迴圈選擇，自我調整地篩選出最優(或近似最優)的修正係數組合。
此外，還可以根據K個組合的整體分佈情況，對每個組合的分值進行修正，原則是分佈越密集的點，對於其分值給予越大的懲罰修正。例如，將M種特徵映射為M維空間，則K個組合可以映射為該空間中的K個點。對於第k(k=1,2,...K)個點，如果其周圍分佈的其他點越多，則對其分值zk做一定的懲罰修正，懲罰的幅度與其周圍分佈的其他點數量正相關。例如可以設置懲罰修正公式為：
Figure 107131821-A0305-02-0013-2
，其中R為預設值，可以是M維空間中 的歐式距離。當然，該修正公式僅用於示意性說明，不應理解為對本說明書方案的限定。
此外，可以理解的是，S101和S102的執行先後順序並不要進行限定，只要均在S103之前完成即可。
S104，對集合P的組合進行兩兩交叉重組；“兩兩交叉重組”意為：從集合P中的K個組合中，選擇2個組合，互相交換任意臨界值後產生2個新組合。例如，對於以下2個組合：
組合1：x11，x21，...xM1
組合2：x12，x22，...xM2
如果互相交換第1個臨界值(x11和x12)，則可以得到2個新的組合：
新組合1：x 12 ，x21，...xM1
新組合2：x 11 ，x22，...xM2
多次重複上述過程，每次都從每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合。若干次迴圈後，就可以產生一個新組合構成的集合，在本說明書將這個新的集合以P’表示。
對於上述迴圈過程，有以下幾點需要說明：首先，對於原集合P中的某個組合，在多次迴圈的過程中，既有可能被多次選擇到，也有可能一直不會被選擇到。在本說明書所提供的方案中，任一組合k(k=1,2,...K)被選擇到的概率是與其分值zk正相關的。
其中“任一組合k被選擇到的概率是與其分值zk正相關”可以按照如下方案實現：計算集合P中K個組合的分值和Σzk；對於任一組合k，將zk與Σzk的比值確定為其每次被選中的概率。
例如，組合1~組合4的分值分別為10、20、20、40，則組合1~組合4每次被選中的概率分別為：10/90、20/90、20/90、40/90。
當然，上述演算法僅用於示意性說明，實際應用中還可以採用上述演算法的改進演算法或其他演算法實現“任一組合k被選擇到的概率是與其分值zk正相關”，例如使用softmax函數來計算組合k被選擇到的概率，等等。只要演算法能夠滿足“zk越高，組合k被選中的概率越大”的原則即可。該原則對應的現實意義是：zk越高，說明組合k所包含的M個臨界值越“優質”，則這樣的臨界值應該有越大的機會被選擇到參與交叉重組，從而更有利於產生更優選的組合。
其次，每次重組的交換物件可以是M個臨界值中的第任意個(上例中是以交換第1個臨界值為例)。該交換物件可以在每次交換時隨機選擇，也可以按照一定的輪詢演算法確定。總的原則是在多次迴圈中，能讓各個位置的臨界值都有機會被選擇到參加交叉重組，以覆蓋更為全面的組合情形。
再次，在每次完成交換後，可以對交換結果進行隨機 修正，例如，在上例中，可以對交換結果中的交換物件值進行隨機修正，從而將新組合修正為：
新組合1：0.9*x 12 ，x21，...xM1
新組合2：1.1*x 11 ，x22，...xM2
其中0.9、1.1是隨機產生的修正係數。這樣的處理的目的是避免受到初始產生的集合P的限制，嘗試產生新的“優質臨界值”。當然，隨機修正的實現方式可以是對交換物件進行隨機修正，也可以是對交換物件之外的其他臨界值進行隨機修正，隨機修正的演算法也不限於乘以修正係數的方式，本領域技術人員可以根據實際需求靈活選擇具體的隨機修正方案。此外，還可以設置每次交換完成後以一定的概率進行隨機修正，例如，如果初始產生的集合P中組合較少，則可以設置較高的隨機修正概率。
最後，上述迴圈過程的停止條件可以是：新組合(即P’包含的組合數)達到預設的數量，為便於處理，這個“預設數量”一般可以設置為K，當然也可以設置為其他數值，例如K-2、2K、3K等等。
S105，根據所產生的新組合，對集合P進行更新；由於集合P需要在每次迴圈過程中參與處理，因此更新前後集合P中的組合數量應保持不變；在保證該原則的前提下，可以採用的更新方式舉例如下：如果在S104中，產生的新組合數量為K，則可以直接將新產生的K個組合(即集合P’)確定為更新後的集合P。這是由於P’本身就是利用P中的優質臨界值重組而成，因 此P’整體上應優於P，也就是說每次更新都是趨於優化的，經過多次迴圈後，也有利於找到最優(或近似最優)的臨界值組合。
可以理解的是，如果在S104中，產生的新組合數量大於K，則可以對新組合計算分支按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。組合分值的計算方法可參見S103，這裡不再重複說明。
另外，也可以將原集合P中的K個組合和新產生的組合合併(即將P和P’合併)後，按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。由於每次選擇交叉重組物件時具有隨機性，因此在選擇的過程中可能會導致丟掉原集合P中較優的組合，這種合併更新的方式，可以有效避免這種情況的出現。
S106，判斷是否滿足迴圈停止條件，如果是則繼續執行S107，否則返回S103；從圖1提供的流程圖可以看出，S103~S105為迴圈處理步驟，迴圈的停止條件可以有多種設置方式，以下僅作示意性說明：可以是在達到某個預設的迴圈次數(例如5次、10次、50次等)後控制迴圈停止；可以在集合P中的最高組合分值已滿足預設的收斂條件後控制迴圈停止；例如最近兩次迴圈所得到的集合P中，最高組合分值的變化量已經小於某個閾值，則可以認為已接近找到最優解； 可以在集合P中的任意組合所對應的N個指標值已滿足需求後控制迴圈停止；例如，對系統的設計需求是：使用者打擾率在1%以下，預測覆蓋率在90%以上，那麼，如果在某次迴圈結束以後，已經得到了滿足該指標的臨界值組合(可能是1組或多組)，那麼儘管此時的組合仍有僅進一步重組優化的餘地，也可以不再繼續迴圈下去。
如果判斷不滿足迴圈停止條件，則返回S104，以本輪更新後的得到集合P作為下一輪迴圈初始的集合P，重新執行S103~S105；如果滿足迴圈停止條件，則執行S107。
S107，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
本說明書提供的方案，是利用S103~S105進行迴圈處理，透過多次對臨界值組合的交叉重組、不斷產生新的臨界值組合。由於在重組的過程遵循“分值越高，被選中概率越大”的原則，因此能夠以“優勝劣汰”的方式，使得臨界值的組合方式不斷趨於優化，從而以較高的效率找到最優(或近似最優)的臨界值組合。
相應於上述方法實施例，本說明書實施例還提供一種風控決策臨界值的確定裝置，參見圖3所示，該裝置可以包括：關係函數獲得模組110，用於獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出； 集合初始化模組120，用於初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；集合更新模組130，利用以下子模組(圖中未示出)進行迴圈處理，直到滿足預設的停止條件：分值計算子模組，用於根據所獲得的N個關係函數，計算集合P中每個組合的分值，所述分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；重組子模組，用於每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；更新子模組，用於根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變；臨界值確定模組140，用於在停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
在本說明書提供的一種具體實施方式中，關係函數獲得模組110可以具體用於：從歷史資料中，獲得多組包含M個臨界值與N個指標值的對應關係；利用所獲得的多組對應關係作為樣本，透過訓練得到M個臨界值與N個指標值的關係函數。
在本說明書提供的一種具體實施方式中，分值計算子 模組，可以具體用於：利用以下公式計算得到組合的分值：ΣN個指標值中的正向指標值-ΣN個指標值中的負向指標值。
在本說明書提供的一種具體實施方式中，分值計算子模組，可以具體用於：分別為N個指標值產生隨機的修正係數；利用修正後的N個指標值，計算該組合的分值。
在本說明書提供的一種具體實施方式中，重組子模組130可以透過以下方式確定每個組合從集合P中被選中的概率：計算集合P中K個組合的分值和；將每個組合的分值與分值和的比值，確定為該組合的被選中概率。
在本說明書提供的一種具體實施方式中，重組子模組130可以具體用於：每次從集合P中選擇2個組合，互相交換任意臨界值後，對交換結果進行隨機修正，產生2個新組合。
在本說明書提供的一種具體實施方式中，更新子模組可以具體用於：對新組合按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。或者將原集合P中的K個組合和新產生的組合合併後，按照分值進行排序，將分值最高的K個組合確定為更新後的 集合P。
本說明書實施例還提供一種電腦設備，其至少包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其中，處理器執行所述程式時實現前述的風控決策臨界值確定方法。該方法至少包括：獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出；初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；利用以下步驟進行迴圈處理，直到滿足預設的停止條件：根據所獲得的N個關係函數，計算集合P中每個組合的分值，所述分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變；停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
圖4示出了本說明書實施例所提供的一種更為具體的計算設備硬體結構示意圖，該設備可以包括：處理器 1010、記憶體1020、輸入/輸出介面1030、通信介面1040和匯流排1050。其中處理器1010、記憶體1020、輸入/輸出介面1030和通信介面1040透過匯流排1050實現彼此之間在設備內部的通信連接。
處理器1010可以採用通用的CPU(Central Processing Unit，中央處理器)、微處理器、特殊應用積體電路(Application Specific Integrated Circuit，ASIC)、或者一個或多個積體電路等方式實現，用於執行相關程式，以實現本說明書實施例所提供的技術方案。
記憶體1020可以採用ROM(Read Only Memory，唯讀記憶體)、RAM(Random Access Memory，隨機存取記憶體)、靜態存放裝置，動態儲存裝置設備等形式實現。記憶體1020可以儲存作業系統和其他應用程式，在透過軟體或者韌體來實現本說明書實施例所提供的技術方案時，相關的程式碼保存在記憶體1020中，並由處理器1010來調用執行。
輸入/輸出介面1030用於連接輸入/輸出模組，以實現資訊輸入及輸出。輸入輸出/模組可以作為元件配置在設備中(圖中未示出)，也可以外接於設備以提供相應功能。其中輸入裝置可以包括鍵盤、滑鼠、觸控式螢幕、麥克風、各類感測器等，輸出設備可以包括顯示器、揚聲器、振動器、指示燈等。
通信介面1040用於連接通信模組(圖中未示出)，以實現本設備與其他設備的通信互動。其中通信模組可以透 過有線方式(例如USB、網線等)實現通信，也可以透過無線方式(例如移動網路、WIFI、藍牙等)實現通信。
匯流排1050包括一通路，在設備的各個元件(例如處理器1010、記憶體1020、輸入/輸出介面1030和通信介面1040)之間傳輸資訊。
需要說明的是，儘管上述設備僅示出了處理器1010、記憶體1020、輸入/輸出介面1030、通信介面1040以及匯流排1050，但是在具體實施過程中，該設備還可以包括實現正常運行所必需的其他元件。此外，本領域的技術人員可以理解的是，上述設備中也可以僅包含實現本說明書實施例方案所必需的組件，而不必包含圖中所示的全部元件。
本說明書實施例還提供一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現前述的風控決策臨界值確定方法。該方法至少包括：獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出；初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；利用以下步驟進行迴圈處理，直到滿足預設的停止條件：根據所獲得的N個關係函數，計算集合P中每個組合的分值，所述分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個 指標值中的負向指標值負相關；每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變；停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可擦除可程式設計唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體，可用於儲存可以被計算設備存取的資訊。按照本文中的界定，電腦可讀媒體不包括暫存電腦可讀媒體(transitory media)，如調變的資料信號和載波。
透過以上的實施方式的描述可知，本領域的技術人員可以清楚地瞭解到本說明書實施例可借助軟體加必需的通 用硬體平臺的方式來實現。基於這樣的理解，本說明書實施例的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品可以儲存在儲存媒體中，如ROM/RAM、磁碟、光碟等，包括若干指令用以使得一台電腦設備(可以是個人電腦，伺服器，或者網路設備等)執行本說明書實施例各個實施例或者實施例的某些部分所述的方法。
上述實施例闡明的系統、裝置、模組或單元，具體可以由電腦晶片或實體實現，或者由具有某種功能的產品來實現。一種典型的實現設備為電腦，電腦的具體形式可以是個人電腦、膝上型電腦、蜂窩電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件收發設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任意幾種設備的組合。
本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於裝置實施例而言，由於其基本相似於方法實施例，所以描述得比較簡單，相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，在實施本說明書實施例方案時可以把各模組的功能在同一個或多個軟體和/或硬體中實現。也可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的 目的。本領域普通技術人員在不付出創造性勞動的情況下，即可以理解並實施。
以上所述僅是本說明書實施例的具體實施方式，應當指出，對於本技術領域的普通技術人員來說，在不脫離本說明書實施例原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本說明書實施例的保護範圍。

Claims (18)

  1. 一種電腦設備，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其中，該處理器執行該程式時實現風控決策臨界值的確定方法，該方法包括：獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出；初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；利用以下步驟進行迴圈處理，直到滿足預設的停止條件：根據所獲得的N個關係函數，計算集合P中每個組合的分值，該分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變；停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
  2. 根據申請專利範圍第1項所述的電腦設備，該獲得M 個臨界值與N個指標值的關係函數，包括：從歷史資料中，獲得多組包含M個臨界值與N個指標值的對應關係；利用所獲得的多組對應關係作為樣本，透過訓練得到M個臨界值與N個指標值的關係函數。
  3. 根據申請專利範圍第1項所述的電腦設備，該根據所獲得的N個關係函數，計算集合P中每個組合的分值，包括：利用以下公式計算得到組合的分值：ΣN個指標值中的正向指標值-ΣN個指標值中的負向指標值。
  4. 根據申請專利範圍第1項所述的電腦設備，該根據所獲得的N個關係函數，計算集合P中每個組合的分值，包括：分別為N個指標值產生隨機的修正係數；利用修正後的N個指標值，計算該組合的分值。
  5. 根據申請專利範圍第1項所述的電腦設備，該每個組合從集合P中被選中的概率透過以下方式確定：計算集合P中K個組合的分值和；將每個組合的分值與該分值和的比值，確定為該組合的被選中概率。
  6. 根據申請專利範圍第1項所述的電腦設備，該每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，包括：每次從集合P中選擇2個組合，互相交換任意臨界值後，對交換結果進行隨機修正，產生2個新組合。
  7. 根據申請專利範圍第1項所述的電腦設備，該根據所產生的新組合，對集合P進行更新，包括：對新組合按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。
  8. 根據申請專利範圍第1項所述的電腦設備，該根據所產生的新組合，對集合P進行更新，包括：將原集合P中的K個組合和新產生的組合合併後，按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。
  9. 根據申請專利範圍第1項所述的電腦設備，該預設的停止條件包括：達到預設的迴圈次數；或集合P中的最高組合分值已滿足預設的收斂條件；或集合P中的任意組合所對應的N個指標值已滿足需求。
  10. 一種風控決策臨界值的確定裝置，該裝置包括：關係函數獲得模組，用於獲得M種特徵的臨界值與N個指標值的關係函數；其中，每個指標值對應1個關係函數，每個關係函數以M個臨界值中的全部或部分為輸入、以1個指標值為輸出；集合初始化模組，用於初始化產生包含K個組合的集合P，每個組合均由M個臨界值組成，K為預設的數值；集合更新模組，利用以下子模組進行迴圈處理，直到滿足預設的停止條件：分值計算子模組，用於根據所獲得的N個關係函數，計算集合P中每個組合的分值，該分值用於表徵組合對應的N個指標值的綜合優劣程度，與N個指標值中的正向指標值正相關、與N個指標值中的負向指標值負相關；重組子模組，用於每次從集合P中選擇2個組合，互相交換任意臨界值後產生2個新組合，直到新組合達到預設的數量；其中，每個組合從集合P中被選中的概率與該組合的分值正相關；更新子模組，用於根據所產生的新組合，對集合P進行更新，更新後集合P中的組合數量保持不變；臨界值確定模組，用於在停止迴圈處理後，將集合P中具有最高分值的組合所對應的M個臨界值確定為可用臨界值。
  11. 根據申請專利範圍第10項所述的裝置，該關係函數獲得模組，具體用於：從歷史資料中，獲得多組包含M個臨界值與N個指標值的對應關係；利用所獲得的多組對應關係作為樣本，透過訓練得到M個臨界值與N個指標值的關係函數。
  12. 根據申請專利範圍第10項所述的裝置，該分值計算子模組，具體用於：利用以下公式計算得到組合的分值：ΣN個指標值中的正向指標值-ΣN個指標值中的負向指標值。
  13. 根據申請專利範圍第10項所述的裝置，該分值計算子模組，具體用於：分別為N個指標值產生隨機的修正係數；利用修正後的N個指標值，計算該組合的分值。
  14. 根據申請專利範圍第10項所述的裝置，該重組子模組透過以下方式確定每個組合從集合P中被選中的概率：計算集合P中K個組合的分值和；將每個組合的分值與該分值和的比值，確定為該組合的被選中概率。
  15. 根據申請專利範圍第10項所述的裝置，該重組子模組，具體用於：每次從集合P中選擇2個組合，互相交換任意臨界值後，對交換結果進行隨機修正，產生2個新組合。
  16. 根據申請專利範圍第10項所述的裝置，該更新子模組，具體用於：對新組合按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。
  17. 根據申請專利範圍第10項所述的裝置，該更新子模組，具體用於：將原集合P中的K個組合和新產生的組合合併後，按照分值進行排序，將分值最高的K個組合確定為更新後的集合P。
  18. 根據申請專利範圍第10項所述的裝置，該預設的停止條件包括：達到預設的迴圈次數；或集合P中的最高組合分值已滿足預設的收斂條件；或集合P中的任意組合所對應的N個指標值已滿足需求。
TW107131821A 2017-11-13 2018-09-11 電腦設備及風控決策臨界值的確定裝置 TWI759539B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
??201711115883.0 2017-11-13
CN201711115883.0A CN107886198B (zh) 2017-11-13 2017-11-13 一种风控决策临界值的确定方法及装置
CN201711115883.0 2017-11-13

Publications (2)

Publication Number Publication Date
TW201923665A TW201923665A (zh) 2019-06-16
TWI759539B true TWI759539B (zh) 2022-04-01

Family

ID=61780402

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107131821A TWI759539B (zh) 2017-11-13 2018-09-11 電腦設備及風控決策臨界值的確定裝置

Country Status (6)

Country Link
US (1) US11004026B2 (zh)
EP (1) EP3690767A4 (zh)
CN (1) CN107886198B (zh)
SG (1) SG11202002362XA (zh)
TW (1) TWI759539B (zh)
WO (1) WO2019091189A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886198B (zh) 2017-11-13 2023-04-07 创新先进技术有限公司 一种风控决策临界值的确定方法及装置
CN108830454B (zh) * 2018-05-08 2021-12-28 创新先进技术有限公司 业务的决策方法、装置及电子设备
CN109255517B (zh) * 2018-07-27 2022-04-26 创新先进技术有限公司 风控策略的生成方法、装置、服务器及可读存储介质
CN109255486B (zh) * 2018-09-14 2021-07-20 创新先进技术有限公司 一种策略配置的优化方法及装置
CN110570292B (zh) * 2019-08-02 2023-08-08 创新先进技术有限公司 新站点冷启动条件阈值校准方法及装置
CN110807643A (zh) * 2019-10-11 2020-02-18 支付宝(杭州)信息技术有限公司 一种用户信任评估方法、装置及设备
CN111779541A (zh) * 2020-06-08 2020-10-16 云南昆钢电子信息科技有限公司 一种井下环境监测预警的方法和装置
CN116562508B (zh) * 2023-07-05 2023-10-03 北京城建设计发展集团股份有限公司 基于轨道交通车站预留工程的最佳临界值采集分析系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140324519A1 (en) * 2013-04-25 2014-10-30 Bank Of America Corporation Operational Risk Decision-Making Framework
TWM538200U (zh) * 2016-12-09 2017-03-11 Kgi Commercial Bank Co Ltd 信託金流處理系統
TWM548854U (zh) * 2017-04-07 2017-09-11 宏碁股份有限公司 分析金融商品資訊的系統
CN107240019A (zh) * 2016-03-28 2017-10-10 阿里巴巴集团控股有限公司 评估用户业务偏好方法、用户投资风险偏好方法及装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021402A (en) 1997-06-05 2000-02-01 International Business Machines Corporaiton Risk management system for electric utilities
US6876992B1 (en) 2000-11-28 2005-04-05 Willis North America Inc. Method and system for risk control optimization
US7421406B2 (en) 2001-01-05 2008-09-02 Delores A. Dixon, legal representative System and method for asset accumulation and risk management
US20040215551A1 (en) 2001-11-28 2004-10-28 Eder Jeff S. Value and risk management system for multi-enterprise organization
US7512543B2 (en) 2002-05-29 2009-03-31 Schlumberger Technology Corporation Tools for decision-making in reservoir risk management
US7747339B2 (en) 2002-10-03 2010-06-29 Hewlett-Packard Development Company, L.P. Managing procurement risk
US7590937B2 (en) 2002-10-03 2009-09-15 Hewlett-Packard Development Company, L.P. Graphical user interface for procurement risk management system
WO2004066102A2 (en) 2003-01-17 2004-08-05 Barra, Inc. Method and apparatus for an incomplete information model of credit risk
WO2005117531A2 (en) 2004-06-04 2005-12-15 Mats Danielson A support system for decision analysis
US7970682B2 (en) 2004-08-26 2011-06-28 Barclays Capital Inc. Methods and systems for variable annuity risk management
US8515862B2 (en) 2008-05-29 2013-08-20 Sas Institute Inc. Computer-implemented systems and methods for integrated model validation for compliance and credit risk
TW201017571A (en) 2008-10-31 2010-05-01 G5 Capital Man Ltd Systematic risk managing method, system and computer program product thereof
US20100205108A1 (en) 2009-02-11 2010-08-12 Mun Johnathan C Credit and market risk evaluation method
US9811794B2 (en) 2009-02-11 2017-11-07 Johnathan Mun Qualitative and quantitative modeling of enterprise risk management and risk registers
US9665844B2 (en) * 2014-05-06 2017-05-30 International Business Machines Corporation Complex decision making and analysis
US10217528B2 (en) 2014-08-29 2019-02-26 General Electric Company Optimizing state transition set points for schedule risk management
CN105989441A (zh) * 2015-02-11 2016-10-05 阿里巴巴集团控股有限公司 模型参数调整方法和装置
CN107153836A (zh) * 2016-03-03 2017-09-12 腾讯科技（深圳）有限公司 一种业务参数选取方法及相关设备
CN106373009A (zh) * 2016-08-31 2017-02-01 苗青 一种基于风控量化模型的交易决策系统及方法
CN107067157A (zh) * 2017-03-01 2017-08-18 北京奇艺世纪科技有限公司 业务风险评估方法、装置及风控系统
CN107316134A (zh) * 2017-06-16 2017-11-03 深圳乐信软件技术有限公司 一种风险控制方法、装置、服务器及存储介质
CN107886198B (zh) * 2017-11-13 2023-04-07 创新先进技术有限公司 一种风控决策临界值的确定方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140324519A1 (en) * 2013-04-25 2014-10-30 Bank Of America Corporation Operational Risk Decision-Making Framework
CN107240019A (zh) * 2016-03-28 2017-10-10 阿里巴巴集团控股有限公司 评估用户业务偏好方法、用户投资风险偏好方法及装置
TWM538200U (zh) * 2016-12-09 2017-03-11 Kgi Commercial Bank Co Ltd 信託金流處理系統
TWM548854U (zh) * 2017-04-07 2017-09-11 宏碁股份有限公司 分析金融商品資訊的系統

Also Published As

Publication number Publication date
EP3690767A1 (en) 2020-08-05
US20200184393A1 (en) 2020-06-11
WO2019091189A1 (zh) 2019-05-16
EP3690767A4 (en) 2020-08-05
TW201923665A (zh) 2019-06-16
US11004026B2 (en) 2021-05-11
CN107886198A (zh) 2018-04-06
CN107886198B (zh) 2023-04-07
SG11202002362XA (en) 2020-04-29

Similar Documents

Publication Publication Date Title
TWI759539B (zh) 電腦設備及風控決策臨界值的確定裝置
US11599393B2 (en) Guaranteed quality of service in cloud computing environments
CN112566196B (zh) 一种基于智能电网的异构网络接入选择方法及相关设备
Barrat et al. Rate equation approach for correlations in growing network models
TWI761642B (zh) 確定業務對應的決策策略的方法、裝置和電子設備
CN107256465A (zh) 风险账户的识别方法及装置
WO2021143370A1 (zh) 资源数据的处理方法及装置
CN110838031A (zh) 一种基于ABtest的数据运营方法和装置
CN116934385B (zh) 用户流失预测模型的构建方法、用户流失预测方法及装置
CN114461618A (zh) 一种计量缺失数据补全方法、装置及终端设备
CN111160733B (zh) 一种基于有偏样本的风险控制方法、装置及电子设备
CN112766402A (zh) 算法选择方法、装置和电子设备
CN110516713A (zh) 一种目标群体识别方法、装置及设备
Liao et al. Multicore parallel genetic algorithm with Tabu strategy for rainfall-runoff model calibration
Huang et al. A new SSO-based algorithm for the bi-objective time-constrained task scheduling problem in cloud computing services
CN113537461B (zh) 基于sir值学习的网络关键节点发现方法及系统
CN110851655B (zh) 一种用于简化复杂网络的方法和系统
CN112989558A (zh) 基于多目标优化的电力业务质量匹配优化方法及相关设备
CN110009357A (zh) 一种判决策略配置方法及装置
US20220004822A1 (en) Integrating Data Quality Analyses for Modeling Metrics
CN112950390A (zh) 一种装备系统投资组合选择方法、电子设备及存储介质
CN109948800B (zh) 风险控制方法及其系统
CN107067036A (zh) 一种接地网腐蚀速率预测方法
CN113687812B (zh) 信息系统体系结构构建方法、电子设备及存储介质
CN117635299A (zh) 基于联邦学习的风险评估方法、装置、电子设备及存储介质