[发明专利]基于AI的报送数据校验方法、系统及存储介质

说明书

本发明涉及数据分析技术领域，具体为一种基于AI的报送数据校验方法、系统及存储介质，包括：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。本方案可以从数据中学习，自动发现数据异常，多维度探查隐藏风险模式，提高异常分析结果的准确性，降低对人工及其业务知识经验的依赖，降低合规成本。

技术领域

本发明涉及数据分析技术领域，具体为一种基于AI的报送数据校验方法、系统及存储介质。

背景技术

随着各监管机构对金融、保险等相关行业监督管理力度越来越大，相关行业需要通过银行、互联网金融及其他支付机构向各监管机构数据采集平台报送数据；报送的数据要保障其为合规数据，避免存在合规风险，因此报送数据的数据质量非常重要，需要进行报送数据校验，以及时发现数据异常和合规问题。

目前，数据报送的数据质量校验主要基于简单的规则模型，如根据监管政策构建相应的合规指标，再通过人工经验选择合适的规则模型，进行数据校验，这种方法能够发现基础的合规问题，但是对于一些隐藏的业务风险却难以识别，且依赖人工及其业务知识经验，合规成本高，并且规则模型具有滞后性，无法提前探查一些新的业务风险点，从而给金融机构带来潜在损失。

因此现在急需一种基于AI的报送数据校验方法、系统及存储介质，能自动发现数据异常，提高异常分析结果的准确性，降低对人工及其业务知识经验的依赖，以降低合规成本。

发明内容

本发明的目的之一在于提供一种基于AI的报送数据校验方法，能自动发现数据异常，提高异常分析结果的准确性，降低对人工及其业务知识经验的依赖，以降低合规成本。

本发明提供的基础方案一：基于AI的报送数据校验方法，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。

进一步，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。

进一步，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。

进一步，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。