[发明专利]风险预测模型的训练方法、预测方法及装置、介质和设备

权利要求书

1.一种风险预测模型的训练方法，其特征在于，所述方法包括：

获取具有时序的训练样本，并将所述训练样本输入风险预测模型；

获取所述风险预测模型的特征衍生层输出的具有时序的衍生特征，其中，所述衍生特征为所述特征衍生层对训练样本进行特征衍生得到的；

根据所述衍生特征在不同时序的时间点上的分布差异计算所述特征衍生层的时序损失函数值；

根据所述时序损失函数值确定所述风险预测模型的目标函数值，以根据所述目标函数值对所述风险预测模型进行训练。

2.根据权利要求1所述的风险预测模型的训练方法，其特征在于，所述方法还包括：

将所述衍生特征输入至所述风险预测模型的分类层，根据所述分类层输出的分类结果确定所述风险预测模型的分类损失函数值；

所述根据所述时序损失函数值确定所述风险预测模型的目标函数值，包括：

结合所述时序损失函数值和所述分类损失函数值确定所述风险预测模型的目标函数值。

3.根据权利要求1或2所述的风险预测模型的训练方法，其特征在于，所述根据所述衍生特征在不同时序的时间点上的分布差异计算所述特征衍生层的时序损失函数值，包括：

获取第一时间点的第一衍生特征，以及获取与所述第一时间点不同时序的第二时间点的第二衍生特征；

计算所述第一衍生特征和所述第二衍生特征的最大均值差异，得到所述特征衍生层的时序损失函数值。

4.根据权利要求2所述的风险预测模型的训练方法，其特征在于，所述根据所述分类层输出的分类结果确定所述风险预测模型的分类损失函数值，包括：

计算所述分类层输出的分类结果的最大似然估计，得到所述风险预测模型的分类损失函数值。

5.根据权利要求1所述的风险预测模型的训练方法，其特征在于，所述获取具有时序的训练样本，包括：

获取预测对象的具有时序的行为数据；

确定对所述预测对象的风险等级信息，并根据所述风险等级对所述行为数据进行标注，得到包含具有时序的训练样本的训练集。

6.根据权利要求1所述的风险预测模型的训练方法，其特征在于，所述获取具有时序的训练样本，包括：

采集用户在软件中行为数据的得到具有时序的训练样本，所述软件包括即时通讯软件、理财平台和购物软件中一种或多种。

7.根据权利要求5或6所述的风险预测模型的训练方法，其特征在于，在所述根据所述风险等级对所述行为数据进行标注之后，所述方法还包括：

对所述训练集进行补齐处理和去重处理中的一种或多种。

8.根据权利要求1所述的风险预测模型的训练方法，其特征在于，所述将所述训练样本输入风险预测模型，包括：

计算所述训练样本的群体稳定性指标；

根据所述群体稳定性指标筛选所述训练样本；

将筛选之后的训练样本输入所述风险预测模型。

9.根据权利要求1所述的风险预测模型的训练方法，其特征在于，所述特征衍生层为神经网络模型的隐藏层；或，

所述特征衍生层为风险预测模型为决策树模型的分裂节点。

10.一种风险预测方法，其特征在于，所述方法包括：

将预测对象的行为数据输入至风险预测模型；

通过所述风险预测模型的特征衍生层对所述行为数据进行特征衍生得到衍生特征；

通过所述风险预测模型的分类层对所述衍生特征进行分类得到预测风险等级信息；

其中，所述风险预测模型为根据权利要求1至9中任意一项所述的风险预测模型的训练方法训练得到的。