[发明专利]计算模型的特征生成方法、装置、电子设备和存储介质

权利要求书

1.一种风险评估方法，其特征在于，所述方法应用于金融风控场景下的用户信用风险评估，该方法包括在计算机处执行如下步骤：

获取样本数据集和基础特征集，其中所述样本数据集包括征信数据以及用户标签，所述基础特征集包括交易特征信息；

根据所述样本数据集和所述基础特征集构建序贯森林模型；其中，为各森林模型分配不同的基础特征，同一森林模型中的各树模型的根节点均使用为该森林模型分配的同一基础特征作为划分特征；

所述为各森林模型分配不同的基础特征包括：根据所述样本数据集对所述基础特征集中的各基础特征进行预设数量轮信息增益计算，在每轮计算结束后，将该轮得到的信息增益最大的基础特征从所述基础特征集提取出来，并将其分配给一个未被分配基础特征的森林模型；

根据构建完成的序贯森林模型得到信用评分卡计算模型的组合特征和/或复合特征；

根据所述信用评分卡计算模型的组合特征和/或复合特征，进行用户信用风险评估，其中，

所述根据构建完成的序贯森林模型得到信用评分卡计算模型的组合特征和/或复合特征包括：

将根据各树模型所确定的各条特征组合路径分别确定为相应的一维组合特征，将各树模型分别输出为一个相应的复合特征。

2.如权利要求1所述的方法，其特征在于，所述根据所述样本数据集和所述基础特征集构建序贯森林模型包括：

对一个森林模型中的各树模型，分别确定各层所使用的划分特征；

其中，在确定一目标层所使用的划分特征时，根据各树模型中各层已使用的划分特征和所述基础特征集，确定目标基础特征列表，根据所述样本数据集和所述目标基础特征列表进行信息增益计算，得到信息增益最大的基础特征作为该目标层所使用的划分特征。

3.如权利要求2所述的方法，其特征在于，所述根据各树模型中各层已使用的基础特征和所述基础特征集，确定目标基础特征列表包括：

若目标层为第二层，则选取属于所述基础特征集、但未被根节点使用、且未被同一森林模型中其他树模型的第二层使用的基础特征，放入所述目标基础特征列表；

若目标层为第二层以下的其他层，则选取属于所述基础特征集、且未被本树模型的使用过的基础特征，放入所述目标基础特征列表。

4.如权利要求1所述的方法，其特征在于，所述森林模型中树模型的数量和/或树模型的深度是预先确定的。

5.一种风险评估装置，其特征在于，所述装置应用于金融风控场景下的用户信用风险评估，所述装置包括由计算机实现的如下单元：

获取单元，用于获取样本数据集和基础特征集，其中所述样本数据集包括征信数据以及用户标签，所述基础特征集包括交易特征信息；

模型构建单元，用于根据所述样本数据集和所述基础特征集构建序贯森林模型；其中，为各森林模型分配不同的基础特征，同一森林模型中的各树模型的根节点均使用为该森林模型分配的同一基础特征作为划分特征；

所述为各森林模型分配不同的基础特征包括：根据所述样本数据集对所述基础特征集中的各基础特征进行预设数量轮信息增益计算，在每轮计算结束后，将该轮得到的信息增益最大的基础特征从所述基础特征集提取出来，并将其分配给一个未被分配基础特征的森林模型；

特征生成单元，用于根据构建完成的序贯森林模型得到信用评分卡计算模型的组合特征和/或复合特征；

用于根据所述信用评分卡计算模型的组合特征和/或复合特征，进行用户信用风险评估，其中，

所述根据构建完成的序贯森林模型得到信用评分卡计算模型的组合特征和/或复合特征包括：

将根据各树模型所确定的各条特征组合路径分别确定为相应的一维组合特征，将各树模型分别输出为一个相应的复合特征。

6.一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-4中任一项所述的方法。

7.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-4中任一项所述的方法。