[发明专利]神经网络的建立方法及系统和神经网络的应用方法及系统

说明书

本申请涉及一种神经网络的建立方法及系统和神经网络的应用方法及系统，该方法包括：将账户的历史操作事件按照时间顺序分为第一训练事件和第一测试事件；获取第一训练事件的参数；根据参数将第一训练事件初始化为第一向量；利用第一向量建立神经网络，神经网络包括参数和结构；将第一测试事件的第二向量，输入至神经网络中，计算第一测试事件的第二离散值、衍生变量和第一指标，第二离散值为风险度评估值；当第一指标达到阈值时，存储神经网络。本申请提供的神经网络的建立方法及系统和神经网络的应用方法及系统，提高了预测灰色区域的风险度的效率，并使得对灰色区域事件的处理变得灵活、可控。

技术领域

本申请涉及风险防控领域，尤其涉及一种神经网络的建立方法及系统和神经网络的应用方法及系统。

背景技术

目前，针对风险防控、案件预测问题，常常使用模型进行风险防控和案件预测。现有模型产出的处于中等区间离散值的那部分事件的准确性会加剧下降，将处于中等区间离散值的那部分事件称为灰色区域事件，灰色区域指的是模型预测有风险，但风险度不是最高的那一部分事件。由于处于中等区间离散值的灰色区域事件的准确性加剧下降，所以需要提高这部分灰色区域事件的预测准确性。

现有技术中对于灰色区域事件，不进行处理，或者进行人工审理。人工将灰色区域事件分流至高风险区域或者低风险区域。但是人工审理灰色区域事件风险度需要大量的人力物力，且审理灰色区域事件风险度的准确率也受限于审理人员的审理能力，不准确。

发明内容

本申请的目的是提出了一种神经网络的建立方法及系统和神经网络的应用方法及系统，解决审理灰色区域事件风险度不准确，且需要大量的人力物力的问题。

为实现上述目的，本申请第一方面提供了一种神经网络的建立方法，所述方法包括：将账户的历史操作事件按照时间顺序分为第一训练事件和第一测试事件；获取所述第一训练事件的参数；根据所述参数将所述第一训练事件初始化为第一向量；利用所述第一向量建立神经网络，所述神经网络包括所述参数和结构；将所述第一测试事件的第二向量，输入至所述神经网络中，计算所述第一测试事件的第二离散值、衍生变量和第一指标，所述第二离散值为风险度评估值；当所述第一指标达到阈值时，存储所述神经网络。

本申请第二方面提供了一种利用神经网络预测风险度的方法，所述方法包括：获取处于灰色区域的事件在原始模块输出的第一离散值，所述第一离散值为风险度评估值；调用系统中与所述处于灰色区域事件对应账户的神经网络，所述神经网络是利用历史操作事件训练得到的，通过所述神经网络中的参数计算第二离散值和衍生变量；根据第二离散值、衍生变量和第一离散值，通过第一模型将灰色区域事件分流至高风险区域或低风险区域。

本申请第三方面提供了一种神经网络的建立系统，所述系统包括：划分模块，用于将账户的历史操作事件按照时间顺序分为第一训练事件和第一测试事件；获取模块，用于获取所述第一训练事件的参数；处理模块，用于根据所述参数将所述第一训练事件初始化为第一向量；建立模块，用于利用所述第一向量建立神经网络，所述神经网络包括所述参数和结构；计算模块，用于将所述第一测试事件的第二向量，输入至所述神经网络中，计算所述第一测试事件的第二离散值、衍生变量和第一指标，所述第二离散值为风险度评估值；存储模块，用于当所述第一指标达到阈值时，存储所述神经网络。

本申请第四方面提供了一种利用神经网络预测风险度的系统，所述系统包括：获取模块，用于获取处于灰色区域的事件在原始模块输出的第一离散值，所述第一离散值为风险度评估值；调用模块，用于调用系统中与所述处于灰色区域事件对应账户的神经网络，所述神经网络是利用历史操作事件训练得到的，通过所述神经网络中的参数计算第二离散值和衍生变量；分流模块，用于根据第二离散值、衍生变量和第一离散值，通过第一模型将灰色区域事件分流至高风险区域或低风险区域。