[发明专利]企业风险预警方法、装置、设备及存储介质

权利要求书

1.一种企业风险预警方法，其特征在于，所述企业风险预警方法包括：

获取目标企业对应的交易流水信息，并构建所述交易流水信息对应的交易特征数据；

基于所述交易特征数据与预设异常还款还息来源识别模型，对所述目标企业进行风险检测，得到第一风险检测结果；

基于所述第一风险检测结果，得到所述目标企业的目标风险结果。

2.如权利要求1所述的企业风险预警方法，其特征在于，所述基于所述第一风险检测结果，得到所述目标企业的目标风险结果的步骤，包括：

将所述交易特征数据输入至所述异常交易识别模型模型中，以基于所述交易特征数据，对所述目标企业进行异常交易检测，获得第二风险检测结果；

获取所述第一风险检测结果以及所述第二风险检测结果对应的权重信息，并基于所述权重信息、所述第一风险检测结果以及所述第二风险检测结果，生成所述目标企业的目标风险结果。

3.如权利要求1所述的企业风险预警方法，其特征在于，在基于所述交易特征数据与预设异常还款还息来源识别模型，对所述目标企业进行风险检测，得到第一风险检测结果的步骤之前，所述企业风险预警方法还包括：

获取训练数据集，并构建所述训练数据集对应的训练特征数据集；

基于所述训练特征数据集，构建决策树模型；

基于所述决策树模型，对所述训练特征数据集进行特征筛选，获得目标特征数据集；

基于所述目标特征数据集，构建所述预设异常还款还息来源识别模型。

4.如权利要求3所述的企业风险预警方法，其特征在于，所述决策树模型至少包括一决策树，

所述基于所述决策树模型，对所述训练特征数据集进行特征筛选，获得目标特征数据集的步骤，包括：

确定所述训练特征数据集对应的各初始交易流水特征，并获取每一所述初始交易流水特征在各所述决策树中对应的非叶子节点数量；

基于各所述非叶子节点数量，对各所述初始交易流水特征进行特征重要性排序，获得特征重要性排序结果；

基于所述特征重要性排序结果，在各所述初始交易流水特征选取预设数量的目标交易流水特征；

在所述训练特征数据集选取各所述目标交易流水特征对应的特征数据共同作为所述目标特征数据集。

5.如权利要求1所述企业风险预警方法，其特征在于，所述交易流水信息包括交易流水文本，所述交易特征数据包括交易流水特征表示向量，

所述构建所述交易流水信息对应的交易特征数据的步骤，包括：

从所述交易流水文本中提取预设数量构造特征对应的目标特征值，并将各所述目标特征值组合为构造特征向量；

将所述交易流水文本映射至预设数据维度空间，获得文本低维空间表示向量；

将所述构造特征向量、与所述文本低维空间表示向量进行拼接，获得所述交易流水特征表示向量。

6.如权利要求1所述的企业风险预警方法，其特征在于，所述基于所述交易特征数据与预设异常还款还息来源识别模型，对所述目标企业进行风险检测，得到第一风险检测结果的步骤，包括：

基于所述交易特征数据与预设异常还款还息来源识别模型中的第一子识别模型，对所述目标企业进行风险检测，得到第一风险检测子结果；

基于所述交易特征数据与预设异常还款还息来源识别模型中的第二子识别模型，对所述目标企业进行风险检测，得到第二风险检测子结果；

基于所述交易特征数据与预设异常还款还息来源识别模型中的第三子识别模型，对所述目标企业进行风险检测，得到第三风险检测子结果；

其中，所述第一子识别模型，第二子识别模型和第三子识别模型进行训练的基础模型不同；

对所述第一风险检测子结果，所述第二风险检测子结果和所述第三风险检测子结果进行融合，得到第一风险检测结果。

7.如权利要求1-6任一项所述的企业风险预警方法，其特征在于，所述获取目标企业对应的交易流水信息的步骤，包括：

获取目标企业对应的原始交易数据；

对所述原始交易数据进行去重以及缺失数据的清洗处理，得到预处理数据；

将所述预处理数据设置为所述目标企业对应的交易流水信息。