[发明专利]一种基于机器学习的业务审核方法及装置

权利要求书

1.一种基于机器学习的业务审核方法，其特征在于，包括：

获取业务申请者的业务请求；

根据所述业务请求提取所述业务申请者的特征向量；

将所述业务申请者的特征向量输入随机森林模型中的每棵决策树，获得所述随机森林模型中每棵决策树输出的分类结果，所述随机森林模型是以历史业务审核数据为训练样本训练获得的；

根据所述随机森林模型中每棵决策树输出的分类结果，确定所述业务请求的审核结果。

2.如权利要求1所述的方法，其特征在于，所述根据所述随机森林模型中每棵决策树输出的分类结果，确定所述业务请求的审核结果，包括：

根据所述随机森林模型中每棵决策树输出的分类结果和所述随机森林模型中每棵决策树对应的权重，确定所述业务请求的审核结果。

3.如权利要求2所述的方法，其特征在于，所述根据所述随机森林模型中每棵决策树输出的分类结果和所述随机森林模型中每棵决策树对应的权重，确定所述业务请求的审核结果，包括：

将所述随机森林模型中分类结果相同的决策树的权重相加，确定每个分类结果的分类权重；

将分类权重最大的分类结果作为审核结果。

4.如权利要求1至3任一所述的方法，其特征在于，所述业务请求为供应链业务请求，所述历史业务审核数据包括链属企业特征数据、核心企业特征数据、审核员的历史审核记录。

5.如权利要求4所述的方法，其特征在于，所述随机森林模型是以历史业务审核数据为训练样本训练获得的，包括：

获取历史业务审核数据；

根据所述历史业务审核数据确定特征向量集合；

从所述特征向量集合中抽取N个子特征向量集合，所述N为预设正整数；

采用所述N个子特征向量集合训练获得N棵决策树；

将N棵决策树组成随机森林模型。

6.一种基于机器学习的业务审核装置，其特征在于，包括：

获取模块，用于获取业务申请者的业务请求；

提取模块，用于根据所述业务请求提取所述业务申请者的特征向量；

分类模块，用于将所述业务申请者的特征向量输入随机森林模型中的每棵决策树，获得所述随机森林模型中每棵决策树输出的分类结果，所述随机森林模型是以历史业务审核数据为训练样本训练获得的；

处理模块，用于根据所述随机森林模型中每棵决策树输出的分类结果，确定所述业务请求的审核结果。

7.如权利要求6所述的装置，其特征在于，所述处理模块具体用于：

根据所述随机森林模型中每棵决策树输出的分类结果和所述随机森林模型中每棵决策树对应的权重，确定所述业务请求的审核结果。

8.如权利要求7所述的装置，其特征在于，所述处理模块具体用于：

将所述随机森林模型中分类结果相同的决策树的权重相加，确定每个分类结果的分类权重；

将分类权重最大的分类结果作为审核结果。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～5任一权利要求所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行权利要求1～5任一所述方法的步骤。