[发明专利]风险预测方法、装置和电子设备

说明书

本公开提供了一种风险预测方法、装置和电子设备，可用于人工智能领域、金融领域等。该风险预测方法包括：获取待预测数据；获取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风险特征，得到风险预测结果，风险预测结果包括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，风险预测模型的目标函数包括边界样本判别约束项，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。

技术领域

本公开涉及人工智能技术领域和金融领域，更具体地，涉及一种风险预测方法、装置和电子设备。

背景技术

对于多类机构而言，风险预测是热点问题。例如，随着金融行业的发展，法人贷款业务在金融机构中所占的比重越来越大，对法人贷款业务的风险预测就成为越来越重要的事宜。

在实现本公开构思的过程中，申请人发现相关技术中至少存在如下问题，某些业务场景(如贷款业务场景)具有复杂性高特点，使得很难在处理该业务前发现高风险客户，导致业务处理异常，如不良贷款愈发严重，会对机构造成不利影响。

发明内容

有鉴于此，本公开提供了一种风险预测方法、装置和电子设备，以至少部分解决高风险预测的问题。

本公开的一个方面提供了风险预测方法，包括：获取待预测数据；获取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风险特征，得到风险预测结果，风险预测结果包括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，风险预测模型的目标函数包括边界样本判别约束项，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。

根据本公开实施例，类别包括正样本类别和负样本类别；以及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，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，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，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。

根据本公开实施例，获取待预测数据的风险特征包括：获取待预测数据的针对基础信息视角的子特征、获取待预测数据的针对经营信息视角的子特征和获取待预测数据的针对行为信息视角的子特征中至少一种。

根据本公开实施例，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。

根据本公开实施例，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，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。

根据本公开实施例，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和负样本子约束项；或者针对不同视角的正样本子约束项和负样本子约束项。

根据本公开实施例，训练风险预测模型包括：获取训练样本数据集合，训练样本数据集合包括正训练样本数据子集合和负训练样本数据子集合；基于样本的异类近邻信息确定正训练样本数据子集合中边界正样本子集合，并且基于样本的异类近邻信息确定负训练样本数据子集合中边界负样本子集合；以及将正训练样本数据子集合和/或负训练样本数据子集合输入风险预测模型，调节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目标函数的损失函数差值小于预设阈值。