[发明专利]风险预测方法、装置和电子设备

权利要求书

1.一种风险预测方法，包括：

获取待预测数据；

获取所述待预测数据的风险特征；以及

利用经训练的风险预测模型处理所述风险特征，得到风险预测结果，所述风险预测结果包括所述待预测数据所属的类别；

其中，每个类别的样本数据包括边界样本数据，所述风险预测模型的目标函数包括边界样本判别约束项，所述边界样本判别约束项使得分别属于不同类别的边界样本数据在输出空间中的第一距离，大于分别属于同类别的边界样本数据在输出空间的第二距离。

2.根据权利要求1所述的方法，其中，所述类别包括正样本类别和负样本类别；以及

所述边界样本判别约束项包括：正样本子约束项、负样本子约束项和交叉项，其中，所述正样本子约束项的输出和模型处理正样本数据的子结果与模型处理边界正样本子集合的均值的子结果之间的差值相关，所述负样本子约束项的输出和模型处理负样本数据的子结果与模型处理边界负样本子集合的均值的子结果之间的差值相关，所述交叉项的输出和模型处理正样本数据的子结果与模型处理负样本数据的子结果的乘积相关。

3.根据权利要求2所述的方法，其中，所述获取所述待预测数据的风险特征包括：获取所述待预测数据的针对基础信息视角的子特征、获取所述待预测数据的针对经营信息视角的子特征和获取所述待预测数据的针对行为信息视角的子特征中至少一种。

4.根据权利要求3所述的方法，其中，所述边界样本判别约束项包括以下至少一种：

针对基础信息视角的正样本子约束项、负样本子约束项和交叉项；

针对经营信息视角的正样本子约束项、负样本子约束项和交叉项；或者

针对行为信息视角的正样本子约束项、负样本子约束项和交叉项。

5.根据权利要求3所述的方法，其中，所述风险预测模型的目标函数还包括视角间边界样本判别约束项，所述视角间边界样本判别约束项使得同类别的边界样本的均值在不同视角各自中的输出趋于一致。

6.根据权利要求5所述的方法，其中，所述视角间边界样本判别约束项包括以下至少一种：

针对不同视角的正样本子约束项；或者

针对不同视角的负样本子约束项。

7.根据权利要求1所述的方法，其中，训练所述风险预测模型包括：

获取训练样本数据集合，所述训练样本数据集合包括正训练样本数据子集合和/或负训练样本数据子集合；

基于样本的异类近邻信息确定所述正训练样本数据子集合中边界正样本子集合，和/或，基于样本的异类近邻信息确定所述负训练样本数据子集合中边界负样本子集合；以及

将所述正训练样本数据子集合和/或所述负训练样本数据子集合输入所述风险预测模型，调节所述风险预测模型的参数，直至达到预设迭代次数或者两次迭代过程中所述目标函数的损失函数差值小于预设阈值。

8.根据权利要求7所述的方法，其中：

所述基于样本的异类近邻信息确定所述正训练样本数据子集合中边界正样本子集合包括：对于任意负样本，将与该负样本近邻的第一指定个数的正类样本加入边界正样本子集合；以及

所述基于样本的异类近邻信息确定所述负训练样本数据子集合中边界负样本子集合包括：对于任意正样本，将与该正样本近邻的第二指定个数的负类样本加入边界负样本子集合。

9.根据权利要求7所述的方法，还包括：

利用测试样本集合对经训练的风险预测模型进行测试，得到风险预测结果的测试准确度。

10.根据权利要求1～9任一项所述的方法，其中，所述获取所述待预测数据的风险特征包括以下至少一种：

对所述待预测数据中类别数据进行独热编码，得到类别特征；或者

对所述待预测数据中经营信息和/或行为信息的关联数据进行计算，得到衍生特征。