[发明专利]召回模型的生成方法及装置

权利要求书

1.一种召回模型的生成方法，其特征在于，所述方法包括：

通过风控系统获得样本信息，所述风控系统表征对初始样本信息进行审核的系统，所述样本信息包括通过所述风控系统审核的样本和未通过所述风控系统审核且没有被交易系统利用的样本；

在所述样本信息中进行筛选，得到训练样本；

将所述训练样本信息输入机器学习模型，训练得到召回模型；

对所述召回模型进行优化处理，得到目标召回模型；

所述通过风控系统获得样本信息，包括：获得第一信息、第二信息和第三信息，其中，所述第一信息表征通过所述风控系统第一审核方式审核通过的信息，所述第二信息表征未通过所述风控系统第一审核方式审核的且通过第二审核方式审核的信息，所述第三信息表征均未通过所述风控系统第一审核方式和第二审核方式审核的信息，所述第一审核方式与所述第二审核方式不同；通过所述第一信息和所述第二信息作为机器学习模型的训练输入，得到第一模型；利用第一模型对所述第三信息进行评判，得到所述第三信息的第一评分结果；依据所述第一评分结果，在所述第三信息中筛选得到第一目标样本信息；根据所述第一信息、所述第二信息和所述第一目标样本信息，生成训练样本信息。

2.根据权利要求1所述的方法，其特征在于，所述依据所述第一评分结果，在所述第三信息中筛选得到第一目标样本信息，包括：

依据所述第一评分结果，获取所述第三信息在各个分数段的样本个数；

利用所述第一模型对所述第一信息和所述第二信息进行评分，得到所述第一信息和所述第二信息在各个分数段的样本个数以及在各个分数段的满足预设第一条件的样本比例，所述预设第一条件表征样本不合格的条件；

依据所述样本比例，确定所述第三信息在各个分数段的目标样本数量，使得能够获得满足风险条件的目标样本信息。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

利用所述召回模型对所述第二信息进行评分，得到所述第二信息在各个分数段的样本信息，所述样本信息包括样本个数以及满足预设第一条件的样本个数和对应的样本率；

基于所述样本信息，计算所述第二信息的可召回样本个数，所述可召回样本个数表征满足风险条件评分的分数段内的样本个数。

4.根据权利要求1所述的方法，其特征在于，所述对所述召回模型进行优化处理，得到目标召回模型，包括：

利用所述召回模型对所述第三信息进行评判，得到所述第三信息的第二评分结果；

依据所述第二评分结果，在所述第三信息中筛选得到第二目标样本信息；

依据所述第一信息、所述第二信息和所述第二目标样本信息，生成第一训练样本信息；

对所述第一训练样本信息进行模型训练，得到第一召回模型；

利用所述第一召回模型对所述第二信息进行评分，得到所述第二信息在各个分数段的样本信息；

若所述第二信息在各个分数段的样本信息满足预设召回条件，将所述第一召回模型确定为目标召回模型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若所述第二信息在各个分数段的样本信息不满足预设召回条件，利用所述第一召回模型对所述第三信息进行评判，得到所述第三信息的第三评分结果；

依据所述第三评分结果，在所述第三信息中筛选得到第三目标样本信息；

依据所述第一信息、所述第二信息和所述第三目标样本信息，生成第二训练样本信息；

对所述第二训练样本信息进行模型训练，得到第二召回模型；

利用所述第二召回模型对所述第二信息进行评分，得到所述第二信息在各个分数段的样本信息；

若所述第二信息在各个分数段的样本信息满足预设召回条件，将所述第二召回模型确定为目标召回模型。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用所述目标召回模型对待处理信息进行召回，得到召回信息。