[发明专利]风控方法及风控装置

说明书

本申请公开了一种风控方法及装置，该风控方法包括：分别获取源和目标地区的样本数据；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。

技术领域

本说明书涉及计算机领域。

背景技术

近年来，随着互联网技术的发展，越来越多的国家和地区开始使用线上支付业务。因此，需要为每个国家和地区提供交易风控服务。但是，由于一些国家和地区的线上支付业务上线不久，案件和样本数据量较少，无法有效地获得适用于该国家和地区的交易风控模型。另一方面，通常情况下，不同国家和地区的交易样本数据不允许直接传输。因此，目前无法快速有效地为线上支付业务新上线，且案件量较少的国家和地区提供相应的有效的交易风控服务。

发明内容

本说明书提供了一种风控方法和风控装置，能够快速有效地为线上交易上线时间较短、案件量较少的国家和地区提供交易风控服务。

本申请公开了一种风控方法，包括：

分别获取源和目标地区的样本数据；

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。

在一个优选例中，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。

在一个优选例中，所述交易为线上支付业务。

在一个优选例中，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。

在一个优选例中，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。

在一个优选例中，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。

在一个优选例中，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log loss或者交叉熵表示。