[发明专利]基于相似性的风险识别方法、装置、设备及存储介质

说明书

本发明公开了一种基于相似性的风险识别方法、装置、设备及存储介质，该方法基于预设数据中的目标对象与待抽取关系对象的对应关系，抽取生成对应的关联相似度矩阵，然后结合已知的预设风险标签向量进行风险值的迭代计算，从而输出目标对象对应的收敛风险值，便于用户对所述目标对象进行风险识别。使用关联相似度矩阵与预设风险标签向量迭代计算方法，代替传统的评分卡模型，不仅可基于不同应用场景，定义不同相似度矩阵和风险标识，提升风险识别方法的灵活性，而且通过迭代算法计算得到收敛风险值，提高了风险识别准确度，解决了现有部分场景下用户风险识别准确度低下的技术问题。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及基于相似性的风险 识别方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业 正在逐步向金融科技(Finteh)转变，模型训练技术也不例外，但由于金融行 业的安全性、实时性要求，也对模型训练技术提出的更高的要求。现有个贷 风险识别方法主要基于评分卡模型，即首先获取部分有风险标识的用户样本， 并抽取样本所对应的风险相关的因子，然后对风险相关的因子进行相关技术 处理后，利用监督算法训练模型，使得模型输出的风险结果与已知的风险结 果一致，然后即可利用训练后的模型对用户进行风险评分。现有评分卡模型需要已知样本客户的风险标签以及风险因子，然后利用监督学习算法查找出 风险相近的客户。因此，在缺少客户直接相关的外部信息时，现有风险识别 方法难以对用户的风险进行识别，降低了风险识别准确度。

发明内容

本发明的主要目的在于提出一种基于相似性的风险识别方法、装置、设 备及计算机可读存储介质，旨在解决现有部分场景下用户风险识别准确度低 下的技术问题。

为实现上述目的，本发明提供一种基于相似性的风险识别方法，所述基 于相似性的风险识别方法包括如下步骤：

在接收到风险识别指令时，在预设数据中确定目标对象以及待抽取关系 对象，并基于所述目标对象与待抽取关系对象在所述预设数据中的对应关系， 生成所述目标对象与所述待抽取关系对象对应的关联相似度矩阵；

将所述关联相似度矩阵进行归一化处理，并基于迭代算法将预设风险标 签向量以及归一化之后的关联相似度矩阵进行迭代，以获取所述目标对象的 风险值；

在所述目标对象的风险值达到收敛条件时，输出所述目标对象对应的风 险值，以便确定所述目标对象是否具有风险。

可选地，所述在接收到风险识别指令时，在预设数据中确定目标对象以 及待抽取关系对象，并基于所述目标对象与待抽取关系对象在所述预设数据 中的对应关系，生成所述目标对象与所述待抽取关系对象对应的关联相似度 矩阵的步骤具体包括：

在接收到风险识别指令时，在所述预设数据中确定所述目标对象以及待 抽取关系对象，并在所述预设数据中确定所述目标对象与所述待抽取关系对 应的关联数据表；

基于所述关联数据表以及矩阵公式，生成所述目标对象与所述待抽取关 系对象对应的关联相似度矩阵，其中，所述矩阵公式为：

S＝D^-1/2WD^-1/2或S＝D^-1W，其中，D为对角矩阵，W为所述关联数据表 中的向量。

可选地，所述将所述关联相似度矩阵进行归一化处理，并基于迭代算法 将预设风险标签向量以及归一化之后的关联相似度矩阵进行迭代，以获取所 述目标对象的风险值的步骤具体包括：

将所述关联相似度矩阵进行归一化处理，并确定所述关联相似度矩阵对 应的矩阵类型；

在所述关联相似度矩阵对应的矩阵类型为第一类型时，确定所述第一类 型对应的第一迭代公式，作为所述迭代算法，其中，所述第一迭代公式为：