[发明专利]风控方法及风控装置

权利要求书

1.一种风控方法，包括：

分别获取源和目标地区的样本数据,所述样本数据为历史交易数据；

基于所述源地区的样本数据训练源地区交易模型；

根据所述源地区交易模型的结构和参数，生成目标地区交易模型，并根据所述目标地区的样本数据将所述目标地区交易模型包含的每个决策树的每个叶子节点扩张为子决策树，对于所述每一个决策树的每一个内部节点，如果该内部节点作为根节点的第一经验误差大于作为叶子节点的第二经验误差，则对该内部节点进行剪枝，以调整所述目标地区交易模型；

根据所述调整后的目标地区交易模型，对所述目标地区的交易进行风险控制；

所述根据所述目标地区的样本数据将所述目标地区交易模型包含的每个决策树的每个叶子节点扩张为子决策树，对于所述每一个决策树的每一个内部节点，如果该内部节点作为根节点的第一经验误差大于作为叶子节点的第二经验误差，则对该内部节点进行剪枝，以调整所述目标地区交易模型，包括：

确定所述目标地区交易模型包含的每个决策树的每个叶子节点所对应的所述目标地区的样本数据集合；

对所述每个决策树的每个叶子节点，基于所述每个叶子节点所对应的所述目标地区的样本数据集合，训练一个子决策树，将该叶子节点扩张为该子决策树；

对于所述目标地区交易模型中每一个决策树的每一个内部节点和该内部节点对应的所述目标地区的样本数据集合，计算该内部节点的作为根节点的第一经验误差和作为叶子节点的第二经验误差，如果所述第一经验误差大于第二经验误差，则将该内部节点剪枝为叶子节点。

2.如权利要求1所述的方法，其中，所述交易为线上支付业务。

3.如权利要求1所述的方法，其中，所述源地区交易模型和所述目标地区交易模型是随机森林模型。

4.如权利要求1所述的方法，其中，所述根据所述源地区交易模型的结构和参数生成目标地区交易模型，包括：将所述源地区的随机森林模型的结构和参数复制到所目标地区的随机森林模型。

5.如权利要求1所述的方法，其中，所述对于所述目标地区交易模型中每一个决策树的每一个内部节点和该内部节点对应的所述目标地区的样本数据集合，计算该内部节点的作为根节点的第一经验误差和作为叶子节点的第二经验误差，是按照自底至上的顺序计算。

6. 如权利要求1所述的方法，其中，所述计算该内部节点的作为根节点的第一经验误差和作为叶子节点的第二经验误差的步骤中，所述第一经验误差和第二经验误差使用logloss或者交叉熵表示。

7.一种风控装置，包括：

获取模块，用于分别获取源地区和目标地区的样本数据,所述样本数据为历史交易数据；

训练模块，用于基于所述源地区的样本数据训练源地区交易模型；

调整模块，用于根据所述源地区交易模型的结构和参数，生成目标地区交易模型，并根据所述目标地区的样本数据将所述目标地区交易模型包含的每个决策树的每个叶子节点扩张为子决策树，对于所述每一个决策树的每一个内部节点，如果该内部节点作为根节点的第一经验误差大于作为叶子节点的第二经验误差，则对该内部节点进行剪枝，以调整所述目标地区交易模型；

风控模块，用于根据所述调整后的目标地区交易模型，对所述目标地区的交易进行风险控制；

所述调整模块包含以下子模块：

样本数据集和子模块：用于确定所述目标地区交易模型包含的每个决策树的每个叶子节点所对应的所述目标地区的样本数据集合；

子决策树子模块：用于对所述每个决策树的每个叶子节点，基于所述每个叶子节点所对应的所述目标地区的样本数据集合，训练一个子决策树，将该叶子节点扩张为该子决策树；

计算子模块，用于对于所述目标地区交易模型中每一个决策树的每一个内部节点和该内部节点对应的所述目标地区的样本数据集合，计算该内部节点的作为根节点的第一经验误差和作为叶子节点的第二经验误差，如果所述第一经验误差大于第二经验误差，则将该内部节点剪枝为叶子节点。

8.如权利要求7所述的装置，其中，所述交易为线上支付业务。