[发明专利]一种基于机器学习的业务审核方法及装置

说明书

本发明实施例提供了一种基于机器学习的业务审核方法及装置，涉及金融科技技术领域，该方法包括：采用历史业务审核数据训练随机森林模型，使随机森林模型学习审核员的审核行为，然后将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，获得随机森林模型中每棵决策树输出的分类结果，之后再根据随机森林模型中每棵决策树输出的分类结果和随机森林模型中每棵决策树对应的权重，确定业务请求的审核结果。相较于专家模型来说，随机森林模型是基于历史业务审核数据训练获得，并不仅仅是专业审核人员的经验，因此对人为经验依赖小，降低了主观因素的影响，提高了审核模型的泛化能力和通用性。

技术领域

本发明实施例涉及金融科技(Fintech)技术领域，尤其涉及一种基于机器学习的业务审核方法及装置。

背景技术

随着计算机技术的发展，越来越多的技术应用(例如：人工智能，云计算、区块链等)在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出的更高的要求。在金融行业中，供应链贷款解决了上下游企业融资难、担保难的问题，而且通过打通上下游融资瓶颈，还可以降低供应链条融资成本，提高核心企业及配套企业的竞争力。目前，主要采用专家模型对贷款进行审核，通过收集多年从事贷款审核的业务人员的经验，经过整理归纳，总结为一套固定的业务逻辑规则，通过规则引擎部署在审核系统中，实现自动审核，该方法过于依赖业务人员的经验，主观因素强。

发明内容

由于采用专家模型审核业务的方案过于依赖业务人员的经验，主观因素强的问题，本发明实施例提供了一种基于机器学习的业务审核方法及装置。

一方面，本发明实施例提供了一种基于机器学习的业务审核方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

一方面，本发明实施例提供了一种基于机器学习的业务审核装置，包括：

获取模块，用于获取业务申请者的业务请求；