[发明专利]一种风险预测模型的训练方法和系统

权利要求书

1.一种风险预测模型的训练方法，其特征在于，包括：

S100，通过抓取历史风险发生大数据，获得历史风险大数据信息；

S200，根据历史风险大数据信息，统计任意一种风险发生前的风险前期数据信息特征；

S300，分析风险前期数据信息特征，获取风险发生的信息特征风险影响权重；

S400，根据信息特征风险影响权重，将风险前期数据分成风险预测训练样本数据和风险发生检测数据，进行风险预测模型智能训练。

2.根据权利要求1所述的一种风险预测模型的训练方法，其特征在于，所述S100包括：

S101，设定风险预测模型的风险类型，获得预设风险类型范围；

S102，根据预设风险类型范围，进行预设风险类型范围内的大数据抓取；

S103，通过历史风险发生大数据抓取，获得历史风险大数据信息。

3.根据权利要求1所述的一种风险预测模型的训练方法，其特征在于，所述S200包括：

S201，根据历史风险大数据信息，选择任意一种风险类型，获得第一风险类型；

S202，通过数据信息关键词识别，识别第一风险类型的关键词，获得关键词识别结果；

S203，根据关键词识别结果，统计关键词概率分布，统计任意一种风险发生前的风险前期数据信息特征。

4.根据权利要求1所述的一种风险预测模型的训练方法，其特征在于，所述S300包括：

S301，提取风险前期数据信息特征中的前期数据信息特征标识；

S302，分析前期数据信息特征标识与风险发生频率的标识频率关联关系；

S303，根据标识频率关联关系，计算风险影响权重，获取风险发生的信息特征风险影响权重。

5.根据权利要求1所述的一种风险预测模型的训练方法，其特征在于，所述S400包括：

S401，根据信息特征风险影响权重，对风险发生进行风险预评估，获得风险预评估数据；

S402，将风险前期数据分成风险预测训练样本数据和风险发生检测数据；

S403，将风险预评估数据与风险预测训练样本数据同时输入风险预测模型，并通过风险发生检测数据进行验证，进行风险预测模型智能训练。

6.一种风险预测模型的训练系统，其特征在于，包括：

历史风险数据抓取模块，通过抓取历史风险发生大数据，获得历史风险大数据信息；

风险前期特征统计模块，根据历史风险大数据信息，统计任意一种风险发生前的风险前期数据信息特征；

信息特征风险权重模块，分析风险前期数据信息特征，获取风险发生的信息特征风险影响权重；

权重划分模型训练模块，根据信息特征风险影响权重，将风险前期数据分成风险预测训练样本数据和风险发生检测数据，进行风险预测模型智能训练。

7.根据权利要求6所述的一种风险预测模型的训练系统，其特征在于，所述历史风险数据抓取模块包括：

风险类型范围设定子模块，设定风险预测模型的风险类型，获得预设风险类型范围；

风险范围数据抓取子模块，根据预设风险类型范围，进行预设风险类型范围内的大数据抓取；

数据存储信息建立子模块，通过历史风险发生大数据抓取，并进行大数据存储，获得历史风险大数据信息。