[发明专利]风险识别方法、装置、设备及存储介质

权利要求书

1.一种风险识别方法，其特征在于，所述方法包括：

获取用户行为数据，对所述用户行为数据进行特征提取，得到用户特征参数集；

对所述用户特征参数集进行降维处理，得到降维特征集，计算所述降维特征集中每个降维特征对应的初始权重；

利用预设的风险识别模型对所述用户行为数据进行风险识别，得到所述用户行为数据的识别结果；

利用所述初始权重构造损失函数，并根据所述损失函数计算所述识别结果对应的损失值，通过所述损失值和基于所述初始权重计算的风险参考值之间的大小对所述风险识别模型进行优化，得到标准风险识别模型；

获取待识别用户的相关用户数据，将所述相关用户数据输入至所述标准风险识别模型中，得到所述相关用户数据对应的风险级别。

2.如权利要求1所述的风险识别方法，其特征在于，所述利用预设的风险识别模型对所述用户行为数据进行风险识别，包括：

将所述用户行为数据进行特征转换，得到用户特征矩阵；

利用所述风险识别模型中的卷积层、池化层和全连接层依次对所述用户特征矩阵进行数据处理，得到识别数据；

将所述识别数据输入至预设的激活函数中，得到所述识别数据对应的概率值，根据所述概率值的大小确定所述用户行为数据对应的风险等级；

将所述用户行为数据对应的风险等级作为所述用户行为数据的识别结果。

3.如权利要求1所述的风险识别方法，其特征在于，所述通过所述损失值和基于所述初始权重计算的风险参考值之间的大小对所述风险识别模型进行优化之前，所述方法还包括：

根据多个所述初始权重和预设的预测指标值公式计算得到多个预测指标值；

对所述多个预测指标值进行求和处理，得到所述用户特征参数对应的预测指标值；

将所述初始权重和所述预测指标值作为预设的风险参考值计算公式的输入，得到风险参考值。

4.如权利要求1所述的风险识别方法，其特征在于，所述计算所述降维特征集中每个降维特征对应的初始权重，包括：

对所述降维特征进行分箱处理，得到分组变量集；

利用预设的权重计算公式分别计算所述分组变量集中多个分组变量对应的初始权重。

5.如权利要求1所述的风险识别方法，其特征在于，所述对所述用户特征参数集进行降维处理，得到降维特征集，包括：

获取所述用户特征参数集中用户特征参数的个数和维数；

将所述用户特征参数按列组成以所述个数为列数，以所述维数为行数的指标矩阵；

将所述指标矩阵的每一行进行零均值化，得到第一矩阵；

基于所述第一矩阵求得协方差矩阵，并计算得到所述协方差矩阵的特征值及对应的特征向量；

将所述特征向量按照所述特征值的大小从上到下按行排列成特征矩阵，并取所述特征矩阵中的前面预设行数组成第二矩阵；

将所述第一矩阵和所述第二矩阵进行相乘处理，得到降维特征。

6.如权利要求5所述的风险识别方法，其特征在于，所述计算得到所述协方差矩阵的特征值及对应的特征向量，包括：

获取预设的单位矩阵，根据所述单位矩阵和所述协方差矩阵构建特征多项式；

对所述特征多项式进行矩阵求解，得到特征值；

将所述特征值代入至所述特征多项式中，得到所述特征值对应的特征向量。

7.如权利要求1至6中任一项所述的风险识别方法，其特征在于，所述对所述用户行为数据特征提取，得到用户特征参数集，包括：

获取预设的特征参考表，基于所述特征参考表搜索所述用户行为数据中多个用户行为数据对应的用户特征参数；

从多个所述用户行为数据对应的用户特征参数中选取预设个数的参数组成用户特征参数集。