[发明专利]系统资源分配方法、装置及设备

说明书

本说明书实施例涉及人工智能技术领域，具有公开了一种系统资源分配方法、装置及设备，所述方法包括：通过对风险事件进行数据的采集，基于采集到的关系数据构建风险关系网络图谱，再对风险关系网络图谱进行异常节点的子图切分，基于切分后的异常节点子图进行异常事件传播度影响计算。结合非图的影响性分数特征以及网络结构的图特征，进行风险预测模型的训练构建，基于训练好的风险预测模型对目标用户进行风险预测，基于风险预测结果对目标用户的资源进行分配。提高了风险预测模型的准确性，进而提高了风险预测的准确性。整个过程高度抽象，与业务场景弱关联，不同风险类型的异常事件预测均可以适用本流水线，适用性广。

技术领域

本说明书属于人工智能技术领域，尤其涉及一种系统资源分配方法、装置及设备。

背景技术

随着大数据服务平台技术的快速发展，金融资源服务类型以及可选择的服务渠道也越来越多样化、越来越便捷，用户的风险预测对于金融机构也变得越来越重要。如对于一些服务渠道较为便捷的线上贷款业务，因人工介入相对较少，如果用户风险预测不够准确，则可能会给金融机构带来较大的损失。

目前常用的用户风险预测方法主要为智能学习模型进行分类的方法，通过基于已知客户风险的数据进行建模，利用训练得到的模型对新样本进行用户风险预测，以确定用户的风险大小。但是，现有的模型建立对建模人员专业知识要求高，需要掌握不同领域的专业知识，涉及人员多如：建模人员、业务专家、开发人员、运维人员等。不同建模人员建立的模型的手段和准确性可能会有所不同，从而影响用户风险预测的准确性，进而影响分配给相应用户资源的准确性，降低用户的使用体验感。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书实施例的目的在于提供一种系统资源分配方法、装置及设备，提高了风险预测的准确性，进而能够及时对用户的系统资源进行调整，提升系统性能。

一方面，本说明书实施例提供了一种系统资源分配方法，应用于服务器，方法包括：

采集具有用于表征用户风险特征的风险预测样本集，所述风险预测样本集中包括多个预测样本事件的关系数据以及各预测样本事件对应的基本风险特征；

基于所述关系数据构建所述预测样本事件的风险关系网络图谱，所述风险关系图谱中包括节点和连接各个节点的边，所述节点为所述预测样本事件关联的事件或关系方，所述边用于表征各个节点之间的关系；

对所述风险关系网络图谱进行异常节点子图切分，获得所述风险关系网络图谱中各个异常节点对应的风险关系子图；

计算各个风险关系子图中各个事件节点的事件影响性分数和各个关系节点的关系影响性分数；

基于各个风险关系子图对应的事件节点的事件影响性分数和关系节点的关系影响性分数提取所述风险关系子图中各个节点的影响性分数特征和网络结构特征；

利用所述基本风险特征、所述影响性分数特征、所述网络结构特征中的至少一个对风险预测模型进行模型训练，获得训练好的风险预测模型，以利用训练好的风险预测模型对待目标用户进行风险预测，以基于所述风险预测结果向所述目标用户分配系统资源。

进一步地，所述利用所述基本风险特征、所述影响性分数特征、所述网络结构特征中的至少一个对风险预测模型进行模型训练，包括：

对所述基本风险特征、所述影响性分数特征、所述网络结构特征进行特征组合，获得多个组合特征；

将各个组合特征输入特征筛选模型，将所述各个预测样本事件对应的风险标签作为所述特征筛选模型的输出，利用所述特征筛选模型对各个组合特征中的特征进行评分，获得各个特征对应的重要性分值；

将重要性分值大于预设阈值的特征作为风险预测目标特征；

利用所述风险预测目标特征对风险预测模型进行模型训练。