[发明专利]基于AI的报送数据校验方法、系统及存储介质

权利要求书

1.基于AI的报送数据校验方法，其特征在于，包括如下内容：

S1、获取不同数据源的数据，对数据进行关联，建立数据之间的关联关系，并整合为数据集；

S2、根据数据集中数据的关联关系，自动构造特征；

S3、在若干业务风险识别模型中，将每个风险场景下的特征输入备选模型，筛选出表现最优的备选模型作为该风险场景下最优的预测模型，并在若干风险场景下采用其对应的预测模型进行异常分析，生成异常分析结果；

S4、根据异常分析结果，进行异常提醒。

2.根据权利要求1所述的基于AI的报送数据校验方法，其特征在于，所述数据源中的数据为各类表；数据，包括：对公信贷业务借据表、对私信贷业务借据表、信贷合同表、对公信贷分户账、对私信贷分户账、对公活期存款分户账、对私活期存款分户账、对公定期存款分户账、对私定期存款分户账、票据票面信息表、对公客户信息表、个人基础信息表、存款信息相关表、贷款信息相关表和客户基础信息相关表。

3.根据权利要求2所述的基于AI的报送数据校验方法，其特征在于，所述特征，包括：基本特征和深度特征；

所述S2，包括：

各业务风险识别模型中对应的风险场景下设置对应的数据为主表；

根据数据集中数据的关联关系，通过定义的基础特征算子，自动构造基本特征；其中基本特征，包括：聚合特征和转换特征；

根据基础特征算子，通过定义的深度特征算子，构造深度特征；其中深度特征，包括：深度聚合特征和深度转换特征。

4.根据权利要求3所述的基于AI的报送数据校验方法，其特征在于，所述根据基础特征算子，构造深度特征，包括：

设置指定深度；指定深度为主表与具有关联关系的表之间的关联度；

根据指定深度，将与主表之间的关联度符合指定深度的表纳入到深度特征的构建中，构造深度特征。

5.根据权利要求4所述的基于AI的报送数据校验方法，其特征在于，还包括：设置时间窗口，在时间窗口内执行S2。

6.根据权利要求1所述的基于AI的报送数据校验方法，其特征在于，所述S3包括模型训练步骤和模型部署步骤；

模型训练步骤，包括：在若干业务风险识别模型中，对每个风险场景下采用对应的设有标签的特征，输入备选模型，筛选出表现最优的备选模型作为该风险场景下最优的预测模型；其中特征的标签，包括：正常标签和异常标签；

模型部署步骤：将筛选出的预测模型，应用于各风险场景下新数据的异常分析，生成异常分析结果。

7.根据权利要求6所述的基于AI的报送数据校验方法，其特征在于，

所述模型训练步骤，具体包括：预先定义标签，确定数据的回溯时间；

根据回溯时间从构造的特征中获取对应时间切片的特征，形成特征集；

自动进行特征筛选及降维，获取特征子集；

筛选后的特征子集输入作为备选模型的异常检测模型集合中，筛选最优表现的异常检测模型作为预测模型；其中异常检测模型集合中包括若干异常检测模型；

所述模型部署步骤，具体包括：在若干风险场景下采用其对应的预测模型，计算各风险场景下的异常分；

对若干风险场景下的异常分进行加权汇总处理，获取总异常分；

将各风险场景下异常分和总异常分，打标到数据对应的用户ID上。

8.根据权利要求6所述的基于AI的报送数据校验方法，其特征在于，所述S4，包括：

对总异常分进行排序，生成异常分排序结果；

根据异常分排序结果，分析存在异常的数据及其明细信息，并分析数据异常的原因，进行异常提醒。