[发明专利]基于迁移学习的风控方法、装置及系统

权利要求书

1.一种基于迁移学习的风控方法，包括：

获取风险交易样本的源域数据及目标域数据；

合并所述源域数据及目标域数据为具有相同数据结构的初始合并数据集；

基于迁移学习算法，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据，并从所述目标域数据选取出训练目标域数据；合并所述训练源域数据与所述训练目标域数据为训练数据集；其中，所述训练数据集是从所述初始合并数据集中选定的；

利用所述训练数据集进行风险模型训练。

2.根据权利要求1所述的方法，所述从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据包括：

基于数据特征提取及特征聚类，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据；或者，

基于深度学习对数据建模的模型参数分布相似度，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据；或者，

基于数据迭代分类过程中权重动态更新，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据。

3.根据权利要求1所述的方法，所述从所述目标域数据选取出训练目标域数据包括：

根据所述目标域数据中各数据的完整性，选取出训练目标域数据。

4.根据权利要求2所述的方法，所述基于数据迭代分类过程中权重动态更新，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据，包括：

为所述源域数据中每一个样本数据赋予权重；

在迭代分类过程中，判断样本数据是否被错误分类，若被错误分类，则降低所述样本数据的权重；

根据权重高低优先选取权重高的样本数据进行下一次迭代分类，从而从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据。

5.根据权利要求4所述的方法，所述从所述目标域数据选取出训练目标域数据包括：

为所述目标域数据中每一个样本数据赋予权重；

在迭代分类过程中，判断样本数据是否被错误分类，若被错误分类，则提高所述样本数据的权重；

根据权重高低优先选取权重高的样本数据进行下一次迭代分类，从而从所述目标域数据选取出训练目标域数据。

6.根据权利要求1-5任一项所述的方法，所述利用所述训练数据集进行风险分类模型训练包括：

针对所述训练数据集，通过二分类算法进行训练，得到风险识别模型。

7.根据权利要求6所述的方法，在得到风险识别模型之后，还包括：

根据所述风险识别模型，对业务数据进行识别，确定出业务风险分值；

对于风险分值高于风险阈值的业务进行控制。

8.一种基于迁移学习的风控装置，包括：

数据获取单元，用于获取风险交易样本的源域数据及目标域数据；

初始合并单元，用于合并所述源域数据及目标域数据为具有相同数据结构的初始合并数据集；

训练数据集确定单元，用于基于迁移学习算法，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据，并从所述目标域数据选取出训练目标域数据；合并所述训练源域数据与所述训练目标域数据为训练数据集；其中，所述训练数据集是从所述初始合并数据集中选定的；

训练单元，用于利用所述训练数据集进行风险模型训练。

9.根据权利要求8所述的装置，所述训练数据集确定单元具体用于：

基于数据特征提取及特征聚类，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据；或者，

基于数据深度学习建模及模型参数分布相似度，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据；或者，

基于数据迭代分类过程中权重动态更新，从所述源域数据中选取出与所述目标域数据具有类似或相同数据分布的训练源域数据。