[发明专利]用于风险识别模型的衍生变量选择方法和装置

权利要求书

1.一种用于风险识别模型的衍生变量选择方法，包括：

根据目标遗传算法模型及其种子池生成的衍生变量的质量，确定目标遗传算法模型更新后的种子池，其中，所述衍生变量的质量用于评估所述衍生变量作为目标业务的风险识别模型的样本特征的贡献，所述更新后的种子池包括更新前种子池生成的N个质量最优的衍生变量的父本集合；

根据第一父本累积变量集合和第二父本累积变量集合，以衍生变量质量最优的变异方向确定目标衍生变量集合，其中，所述第一父本累积变量集合和第二父本累积变量集合是基于所述目标遗传算法模型更新后的种子池选择的衍生变量父本；

如果目标衍生变量集合满足衍生变量的质量收敛条件，输出目标衍生变量集合中的衍生变量，以作为风险识别模型的样本特征；其中，

根据第一父本累积变量集合和第二父本累积变量集合，以衍生变量质量最优的变异方向确定目标衍生变量集合，包括：

根据第一父本累积变量集合，通过衍生变量父本匹配模型在第二父本累积变量集合中选择第一父本累积变量集合中的第一父本所匹配的M个第二父本，以生成候选衍生变量集合；

在所述候选衍生变量集合中选择N个质量最优的衍生变量作为目标衍生变量集合；

其中，所述衍生变量父本匹配模型为强化学习模型，所述根据第一父本累积变量集合，通过衍生变量父本匹配模型在第二父本累积变量集合中选择第一父本累积变量集合中的第一父本所匹配的M个第二父本，以生成候选衍生变量集合，包括：

以第一父本累积变量集合中的第一父本作为所述强化学习模型的状态，以第一父本匹配的第二父本的选择的概率分布作为所述强化学习模型的最优策略，以第二父本的选择作为所述强化学习模型的动作，以由第一父本和第二父本确定的衍生变量的质量作为所述强化学习模型的反馈收益，对所述强化学习模型进行训练，以得到第三累积变量集合中的各第一父本对应的第二父本；

基于第一累积变量集合中的各第一父本及对应的第二父本，确定所述候选衍生变量集合。

2.根据权利要求1所述的方法，所述如果目标衍生变量集合满足衍生变量的质量收敛条件，输出目标衍生变量集合中的衍生变量，以作为风险识别模型的样本特征，包括：

如果基于更新后的种子池得到的目标衍生变量集合相对于基于更新前种子池得到的目标衍生变量集合满足衍生变量的质量收敛条件，则输出目标衍生变量集合中的衍生变量，以作为风险识别模型的样本特征。

3.根据权利要求1所述的方法，所述目标遗传算法模型以从目标业务的累积变量集合中随机选择的累积变量集合为初始种子池。

4.根据权利要求1所述的方法，所述更新后的种子池不包括更新前种子池中所述父本集合以外的累积变量。

5.根据权利要求1所述的方法，所述第一父本、所述第二父本均包括多个维度，所述第一父本与所述第二父本之间有一个维度的维度值不同。

6.如权利要求1所述的方法，如果目标衍生变量集合不满足收敛条件，则返回根据目标遗传算法模型及其种子池生成的衍生变量的质量，确定目标遗传算法模型更新后的种子池的步骤。

7.如权利要求1所述的方法，

目标遗传算法模型更新后的种子池的累积变量的数量等于目标遗传算法模型更新前的种子池的累积变量的数量；或者

目标遗传算法模型更新后的种子池的累积变量的数量小于目标遗传算法模型更新前的种子池的累积变量的数量。