[发明专利]一种多特征组合策略的推荐方法

说明书

本发明属于计算机技术领域，具体涉及一种多特征组合策略的推荐方法，本发明通过界面化的配置，实现在指定目标变量的情况下，自动推荐多特征组合策略，用以识别和拦截欺诈和信用风险。不仅极大的提升了策略挖掘的效率，也为金融智能风控提供了一种新的自动化方案。基于系统智能化、自动化的进行欺诈信息的挖掘，实现风控规则的快速推荐，并达到实时欺诈策略自适应快速升级的目的。同时本发明也可以扩展到其他的应用场景，例如：医学诊断、精准营销、保险欺诈以及潜在犯罪预测等。

技术领域

本发明属于计算机技术领域，具体涉及一种多特征组合策略的推荐方法。

背景技术

今年来，网络黑色产业链发展形式严峻，黑色产业链的手段及形式层出不穷、波谲云诡；导致互联网金融面临严峻的欺诈挑战。

目前，线上实时欺诈策略体系如何自适应的快速升级，以抵御变幻莫测的黑色产业链的攻击，是新形式造就的一个重要研究方向，在互联网信贷欺诈风控领域，如何实现基于大数据技术，针对各个欺诈风险场景挖掘显著规则策略，一直是各家金融机构重点研究的课题。

针对上述技术问题，当前行业内的通用做法一般是模型人员或策略人员通过调优脚本的方式选择最优的组合策略规则。组合策略规则指的是由多个特征变量组成的规则策略。但采用上述方式选择最优的组合策略规则，将会导致相关人员的工作强度大，人工成本高，并且通过人工操作的方式风险也会增加。

发明内容

本发明公开了一种多特征组合策略的推荐方法，拟解决背景技术中提到的相关人员工作强度高、人工成本高以及采用人工操作的方式风险也为增加的技术问题。

为解决上述技术问题，本发明采用的技术方案如下：

一种多特征组合策略的推荐方法，包括以下步骤：

步骤1：任务定义模块根据多特征组合策略的挖掘需要，通过界面化自定义推荐任务；

步骤2：样本选择模块根据自定义的推荐任务，选择关联的数据集，指定相互关联的数据集生成样本数据大宽表；

步骤3：特征加工模块对样本数据大宽表中的原始特征变量进行可视化配置，实现基于表达式运算的自定义二次加工能力，衍生丰富的特征；

步骤4：目标自定义模块对进行可视化配置后的数据集进行目标变量的定义；

步骤5：特征选择模块通过可视化界面选择每个目标变量的特征推荐方法；

步骤6：多特征组合策略推荐模块通过可视化界面定义每个目标变量的策略推荐方法和阈值，并基于步骤5选择的每个目标变量的特征推荐方法，生成推荐的多特征组合策略集；

步骤7：报告生成模块基于多特征组合策略推荐模块生成的多特征组合策略集生成显著多特征组合策略推荐报告。

本发明通过界面化的配置，实现在指定目标变量的情况下，自动推荐多特征组合策略，用以识别和拦截欺诈和信用风险。不仅极大的提升了策略挖掘的效率，也为金融智能风控提供了一种新的自动化方案。基于系统智能化、自动化的进行欺诈信息的挖掘，实现风控规则的快速推荐，并达到实时欺诈策略自适应快速升级的目的。同时本发明也可以扩展到其他的应用场景，例如：医学诊断、精准营销、保险欺诈以及潜在犯罪预测等。

本发明的一种多特征组合策略的推荐方法，特别适合但并不限于运用于互联网欺诈体系的场景中，还可以运用于贷前准入策略挖掘场景，当本发明运用于贷款场景中时，所述的推荐任务为用户数据，例如用户的人行信用数据、还款数据、还款能力数据和社保数据等；最后金融机构可以得到贷前准入策略报告。

优选的，所述步骤6中所述的多特征组合策略推荐模块包括四种推荐方法，所述四种推荐方法分别为：基于WOE计算的推荐方法、等距划分分组方法、分位数划分分组方法和决策树划分分支方法；所述阈值的评价指标为Lift和坏占比指标。