[发明专利]一种风险审批方法、装置、存储介质和服务器

权利要求书

1.一种风险审批方法，其特征在于，包括：

若检测到用户的业务申请请求，获取所述用户的申请信息；

按所述业务申请请求对应的指定特征模板从所述申请信息中提取指定特征模板中申请特征对应的申请特征参数，所述指定特征模板是指所述业务申请请求进行风险审批所必需的申请特征，所述申请特征参数包括用户标识；

判断所述申请特征参数是否满足预设条件；

若所述申请特征参数满足预设条件，则根据所述用户标识，获取所述用户的历史行为信息；

基于所述历史行为信息，获取所述用户的信用特征参数；

根据所述申请特征参数与所述信用特征参数对所述业务申请请求进行风险审批，并向所述用户关联的智能终端输出所述风险审批的结果。

2.根据权利要求1所述的风险审批方法，其特征在于，所述根据所述申请特征参数与所述信用特征参数对所述业务申请请求进行风险审批，包括：

基于所述申请特征参数与所述信用特征参数，确定所述业务申请请求对应的风险等级；

调用所述风险等级对应的审批接口对所述业务申请请求进行风险审批。

3.根据权利要求2所述的风险审批方法，其特征在于，所述申请特征参数包括申请数值，所述基于所述申请特征参数与所述信用特征参数，确定所述业务申请请求对应的风险等级，包括：

将所述信用特征参数输入至信用评分模型中，得到所述用户的信用评分；

根据如下公式确定所述业务申请请求对应的审批数值：

Credit_quota＝μ*Func(Credit_score)*Appli_quota；

其中，所述Credit_quota表示所述审批数值，u为自然数，表示所述信用评分Credit_score对应的调节系数，所述Appli_quota表示所述申请数值，Func为任意一个实现从[0,+∞)到[0,1)映射的单调递增函数；

根据预设的数值风险等级表与所述审批数值，确定所述业务申请请求对应的风险等级。

4.根据权利要求3所述的风险审批方法，其特征在于，所述信用评分模型预先根据如下步骤进行训练：

获取设定数量的样本信用特征参数集，所述样本信用特征参数集中的样本信用特征参数标有信用评分；

建立包括输入层、卷积层、全连接层和输出层的神经网络模型；

在首次训练时，将所述神经网络模型各层节点之间的网络连接权值与阈值预先设置成满足预设条件的随机值，并设定所述样本信用特征参数的理想输出信用评分，从所述设定数量的样本信用特征参数集中随机选取设定数量的样本信用特征参数，输入至输入层，经过卷积层和全连接层，传送到输出层，获取所述样本信用指标的实际输出信用评分，完成一轮训练，并计算实际输出信用评分与理想输出信用评分的差值；

根据计算的差值，按照指定的学习规则对各层节点之间的网络连接权值和阈值进行调整，再次对所述神经网络模型进行训练，直至计算的差值不大于预设的阈值时，完成训练，训练好的神经网络模型即为所述信用评分模型。

5.根据权利要求1至4任一项所述的风险审批方法，其特征在于，所述申请特征参数包括申请数值，所述判断所述申请特征参数是否满足预设条件，包括：

查找所述申请数值对应的预设条件；

根据所述预设条件判断所述申请特征参数中除所述申请数值以外的其他申请特征参数是否满足所述预设条件；

若不满足，则若所述申请特征参数不满足所述预设申请特征，提示所述用户补录申请信息。