[发明专利]财务风险验证处理方法、装置、计算机设备及存储介质

权利要求书

1.一种财务风险验证处理方法，其特征在于，包括：

获取财务审批请求，所述财务审批请求包括财务单据数据；

对所述财务单据数据进行特征提取，获取特征项数据；

将所述特征项数据输入到基于决策树算法的目标风险识别模型进行风险识别，获取目标风险等级；

根据所述目标风险等级对所述财务单据数据进行分类处理，将所述财务单据数据分配到与所述目标风险等级相对应的下级处理流程，以对所述财务单据数据进行相应的风险验证。

2.如权利要求1所述的财务风险验证处理方法，其特征在于，在所述获取财务审批请求的步骤之前，所述财务风险验证处理方法还包括：

获取训练数据集，所述训练数据集包括至少两个训练单据数据，每一训练单据数据包括类别标签特征和至少两个训练属性特征；

对所述训练数据集中的类别标签特征和训练属性特征进行信息增益率计算，获取每一所述训练属性特征对应的信息增益率；

选取信息增益率最大的训练属性特征作为所述训练数据集的目标分类特征，采用所述目标分类特征将所述训练数据集划分为至少两个训练子集；

判断每一所述训练子集是否为单元素数据集；

若所有训练子集均为单元素数据集，则获取基于决策树算法的目标风险识别模型；

若任一所述训练子集不为单元素数据集，则将所述训练子集更新为所述训练数据集，重复执行所述对所述训练数据集中的类别标签特征和训练属性特征进行信息增益率计算，获取每一所述训练属性特征对应的信息增益率的步骤。

3.如权利要求2所述的财务风险验证处理方法，其特征在于，所述对所述训练数据集中的类别标签特征和训练属性特征进行信息增益率计算，获取每一所述训练属性特征对应的信息增益率，包括：

采用类别信息熵公式对所述训练数据集中的类别标签特征进行计算，获取所述训练数据集的类别信息熵，所述类别信息熵公式为其中，S为训练数据集，Entropy(S)为训练数据集S的类别信息熵，c为类别标签特征的值的数量，p_i为第i个类别标签特征的概率；

采用属性信息熵公式对每一所述训练属性特征进行计算，获取每一所述训练属性特征的属性信息熵，所述属性信息熵公式为其中，

Entropy(S,A)为训练属性特征A在训练数据集S中的属性信息熵，v为训练属性特征A的分支，Entropy(S_v)为分支v的分支信息熵，|S_v|为分支v的数量，|S|为训练数据集S的数量；

采用信息增益公式对所述训练数据集的类别信息熵和每一所述训练属性特征的属性信息熵进行计算，获取每一所述训练属性特征的信息增益，所述信息增益公式为Gain(S,A)＝Entropy(S)-Entropy(S,A)，其中，Gain(S,A)为训练属性特征A在训练数据集S中的信息增益；

采用分裂信息度公式对每一所述训练属性特征进行计算，获取每一所述训练属性特征的分裂信息度，所述分裂信息度公式为其中，m为训练属性特征A的值的数量，S_j为m个值的训练属性特征A分割训练数据集S形成的第j个训练子集，|S_j|为训练子集S_j的数量，|S|为训练数据集S的数量；

采用信息增益率公式对每一所述训练属性特征的信息增益和分裂信息度进行计算，获取每一所述训练属性特征的信息增益率，所述信息增益率公式为

4.如权利要求1所述的财务风险验证处理方法，其特征在于，所述财务单据数据包括财务单据图像和与所述财务单据图像相对应的单据类型；

所述特征项数据包括票据真伪特征；

所述对所述财务单据数据进行特征提取，获取特征项数据，包括：

若所述单据类型为发票类型，则采用发票OCR识别工具对所述财务单据图像进行发票真伪识别，确定所述财务单据图像的票据真伪特征为真票据或假票据；

若所述单据类型为非发票类型，则确定所述财务单据图像的票据真伪特征为真伪未定票据。