[发明专利]风险等级识别模型训练方法、识别方法、终端及存储介质

权利要求书

1.一种风险等级识别模型训练方法，其特征在于，所述方法包括：

从多个用户的多个一阶特征中筛选出多个目标一阶特征；

基于所述多个用户的多个目标一阶特征训练第一风险识别模型；

根据每个用户的多个目标一阶特征生成多个二阶特征，并使用所述第一风险识别模型对每个用户的多个二阶特征进行有效性验证得到多个目标二阶特征；

基于所述多个用户的多个目标二阶特征训练第二风险识别模型，并判断所述第二风险识别模型的测试通过率是否满足预设期望值；

当确定所述第二风险识别模型的测试通过率没有满足所述预设期望值时，使用所述多个用户的多个目标二阶特征生成多个三阶特征，并使用所述第二风险识别模型对每个用户的多个三阶特征进行有效性验证得到多个目标三阶特征；

迭代使用所述多个用户的多个目标三阶特征训练第三风险识别模型，直至判断所述第三风险识别模型的测试通过率满足预设期望值时，基于所述多个用户的多个目标三阶特征训练风险等级识别模型。

2.如权利要求1所述的风险等级识别模型训练方法，其特征在于，所述根据每个用户的多个目标一阶特征生成多个二阶特征包括：

使用每个用户的多个目标一阶特征训练第一GBDT模型；

获取所述第一GBDT模型的叶子节点上的特征；

将每个叶子节点上的特征作为一个二阶特征。

3.如权利要求1所述的风险等级识别模型训练方法，其特征在于，所述使用所述第一风险识别模型对每个用户的多个二阶特征进行有效性验证得到多个目标二阶特征包括：

从每个用户的多个目标一阶特征中随机选取部分目标一阶特征作为第一特征集；

将每个用户的多个二阶特征中的任意一个二阶特征加入所述第一特征集中得到第二特征集；

基于所述第二特征集训练子风险识别模型，并测试所述子风险识别模型的测试通过率；

判断所述第一风险识别模型的测试通过率是否小于所述子风险识别模型的测试通过率；

当所述第一风险识别模型的测试通过率小于所述子风险识别模型的测试通过率，确定所述任意一个二阶特征验证有效；

将所有验证有效的二阶特征确定为多个目标二阶特征。

4.如权利要求1所述的风险等级识别模型训练方法，其特征在于，所述判断所述第二风险识别模型的测试通过率是否满足预设期望值包括：

计算所述第二风险识别模型的测试通过率与所述第一风险识别模型的测试通过率之间的差值；

判断所述差值是否小于预设差值阈值；

当确定所述差值小于所述预设差值阈值时，确定所述第二风险识别模型的测试通过率满足了预设期望值；

当确定所述差值大于或者等于所述预设差值阈值时，确定所述第二风险识别模型的测试通过率没有满足预设期望值。

5.如权利要求1所述的风险等级识别模型训练方法，其特征在于，所述基于所述多个用户的多个目标三阶特征训练风险等级识别模型包括：

将每个用户的多个目标一阶特征与对应的多个目标二阶特征及多个目标三阶特征合并为用户特征向量；

对多个用户的用户特征向量进行聚类分析得到多个子集；

计算每一个子集的用户密度值；

将大于或者等于预设密度值阈值的用户密度值对应的子集确定为训练集，将小于所述预设密度值阈值的用户密度值对应的子集确定为测试集；

基于所述训练集训练深度神经网络得到风险等级识别模型；

基于所述测试集测试所述风险等级识别模型的测试通过率，并判断所述测试通过率是否大于预设通过率阈值；

当所述测试通过率大于所述预设通过率阈值时，停止风险等级识别模型的训练过程。

6.如权利要求1至5中任意一项所述的风险等级识别模型训练方法，其特征在于，从每个用户的多个一阶特征中筛选出多个目标一阶特征包括：

计算所述多个一阶特征中的任意两个一阶特征之间的相关系数；

选取大于预设系数阈值的相关系数对应的两个一阶特征；

对所选取的一阶特征进行去重处理得到多个目标一阶特征。