[发明专利]业务处理方法、装置以及电子设备

说明书

本申请公开了一种业务处理方法、装置以及电子设备。涉及人工智能领域。该方法包括：获取目标用户的初始用户信息和待办理业务，并将用户信息进行预处理，得到目标用户信息；将目标用户信息输入预测模型中，得到预测结果，其中，预测结果表征目标用户的风险概率，预测模型根据样本用户信息和样本用户风险概率训练得到；根据风险概率确定目标用户的风险等级，确定待办理业务的目标业务等级，并根据风险等级和目标业务等级对待办理业务进行处理。通过本申请，解决了相关技术中依赖人工经验和规则确定用户风险的准确率和效率低的问题。

技术领域

本申请涉及人工智能领域，具体而言，涉及一种业务处理方法、装置以及电子设备。

背景技术

企业信用风险评估是金融业务中非常重要的一环。随着经济的发展，金融机构面向企业提供的业务的种类越来越繁多，如何做好企业用户和个人用户的信用评分是金融行业要面临的首要问题。传统的信用风险评估方法主要依赖于人工经验和规则，缺乏数据支撑和客观性，难以适应复杂多变的市场环境和客户需求。

针对相关技术中依赖人工经验和规则确定用户风险的准确率和效率低的问题，目前尚未提出有效的解决方案。

发明内容

本申请提供一种业务处理方法、装置以及电子设备，以解决相关技术中依赖人工经验和规则确定用户风险的准确率和效率低的问题。

根据本申请的一个方面，提供了一种业务处理方法。该方法包括：获取目标用户的初始用户信息和待办理业务，并将用户信息进行预处理，得到目标用户信息；将目标用户信息输入预测模型中，得到预测结果，其中，预测结果表征目标用户的风险概率，预测模型根据样本用户信息和样本用户风险概率训练得到；根据风险概率确定目标用户的风险等级，确定待办理业务的目标业务等级，并根据风险等级和目标业务等级对待办理业务进行处理。

可选地，将用户信息进行预处理包括：判断用户信息中是否存在缺失值；在用户信息中存在缺失值的情况下，获取缺失值所属的缺失特征信息，并确定目标用户所属的目标用户类型；获取用户类型为目标用户类型的历史用户的用户信息，得到多个历史用户信息，并从每个历史用户信息中获取缺失特征信息的特征值，得到多个特征值；计算多个特征值的平均值，并将平均值作为用户信息中缺失特征信息的特征值。

可选地，用户信息中包括多个初始特征信息，以及每个初始特征信息的特征值集合，将用户信息进行预处理包括：对于每个初始特征信息，获取初始特征信息的特征值集合中的多个特征值，以及特征值的预设取值范围；获取多个特征值中在预设取值范围之外的特征值的数量，得到第一数量；判断第一数量是否大于预设数量；在第一数量大于预设数量的情况下，确定特征值集合的初始特征选取时间，重新获取初始特征信息的特征值集合，得到更新后的特征值集合，其中，更新后的特征值集合的特征选取时间与初始特征选取时间不同，更新后的特征值集合的第一数量小于等于预设数量；在第一数量小于等于预设数量的情况下，删除特征值集合中在取值范围之外的特征值，得到更新后的特征值集合。

可选地，在将目标用户信息输入预测模型中，得到预测结果之前，该方法还包括：从历史用户数据中获取样本用户数据，得到多个样本用户数据，以及每个样本用户数据所属的样本用户的风险概率，其中，有风险的样本用户与无风险的样本用户之间的数量的比值大于预设比值；将多个样本用户数据以及每个样本用户数据所属的样本用户的风险概率输入初始模型中，对初始模型进行训练，得到预测模型。

可选地，对初始模型进行训练，得到预测模型包括：获取初始模型输出的初始预测结果，得到多个初始预测结果，其中，每个初始预测结果对应一个样本用户数据；获取样本用户的风险概率为无风险的样本用户数据对应的初始预测结果，得到多个第一预测结果；获取样本用户的风险概率为有风险的样本用户数据对应的初始预测结果，得到多个第二预测结果；获取多个第一预测结果中的正确预测结果的比例，得到第一比例值；获取多个第二预测结果中的正确预测结果的比例，得到第二比例值；将第一比例值与第二比例值相除，得到第三比例值，并在第三比例值大于预设比例值的情况下，确定初始模型完成训练，得到预测模型。