[发明专利]风险评估方法和装置

权利要求书

1.风险评估方法，包括：

获取待识别产品的N个特征的值；所述N为正整数；

利用所述N个特征的权重和所述N个特征的值，确定所述待识别产品的动态风险评分，所述N个特征的权重是通过预先训练的机器学习模型得到的；

利用所述动态风险评分，确定所述待识别产品的风险状态；

其中，

通过预先训练的机器学习模型得到所述N个特征的权重，包括：

对所述待识别产品进行粗粒度的判别，将粗粒度的判别结果作为参考风险类别；其中，所述粗粒度的判别为：判别是否有风险；粗粒度的判别结果为有风险或无风险；

确定属于所述参考风险类别的至少两个产品；

确定属于所述参考风险类别的至少两个产品的所述N个特征的值；

将属于所述参考风险类别的至少两个产品的所述N个特征的值作为所述机器学习模型的输入，将所述参考风险类别作为所述机器学习模型的目标输出，训练所述机器学习模型以得到所述N个特征的权重。

2.根据权利要求1所述的方法，在所述获取待识别产品的N个特征之前，还包括：

依据特征之间的相关性系数，从所述待识别产品对应的特征库中筛选所述N个特征。

3.根据权利要求2所述的方法，其中，所述依据特征之间的相关性系数，从所述待识别产品对应的特征库中筛选所述N个特征包括：

对所述特征库中的特征两两计算相关系数；

确定相关系数最高的一对特征；

分别针对所述一对特征中的每一个特征，计算该特征与其他特征相关系数的平均值；

删除所述一对特征中所述平均值较大的一个特征，转至执行所述确定相关系数最高的一对特征的步骤至所述删除所述一对特征中所述平均值较大的一个特征的步骤，直至剩余的N个特征中两两之间的相关系数均低于预设的相关系数阈值。

4.根据权利要求2所述的方法，其中，在所述依据特征之间的相关性系数，从所述待识别产品对应的特征库中筛选所述N个特征之前，还包括：对所述特征库中各产品的特征值进行归一化，以消除量纲差异；

所述N个特征的值为进行所述归一化后的值。

5.根据权利要求1所述的方法，其中，所述机器学习模型包括逻辑回归模型。

6.根据权利要求4所述的方法，其中，利用所述N个特征的权重和所述N个特征的值，确定所述待识别产品的动态风险评分包括：

分别利用归一化后所述N个特征的值，确定所述N个特征的初始评分；

利用所述N个特征的权重对所述N个特征的初始评分进行加权求和，得到所述待识别产品的动态风险评分。

7.根据权利要求1所述的方法，其中，利用所述动态风险评分，确定所述待识别产品的风险状态包括：

依据所述待识别产品的属性信息与预设静态规则的匹配状况，确定所述待识别产品的静态风险评分；

综合所述动态风险评分和所述静态风险评分，得到所述待识别产品的风险状况。

8.风险评估装置，包括：

特征值获取单元，被配置为获取待识别产品的N个特征的值；所述N为正整数；

动态评分单元，被配置为利用所述N个特征的权重和所述N个特征的值，确定所述待识别产品的动态风险评分，所述N个特征的权重是通过预先训练的机器学习模型得到的；

风险确定单元，被配置为利用所述动态风险评分，确定所述待识别产品的风险状态；

其中，通过预先训练的机器学习模型得到所述N个特征的权重，包括：对所述待识别产品进行粗粒度的判别，将粗粒度的判别结果作为参考风险类别；其中，所述粗粒度的判别为：判别是否有风险；粗粒度的判别结果为有风险或无风险；确定属于所述参考风险类别的至少两个产品；确定属于所述参考风险类别的至少两个产品的所述N个特征的值；将属于所述参考风险类别的至少两个产品的所述N个特征的值作为所述机器学习模型的输入，将所述参考风险类别作为所述机器学习模型的目标输出，训练所述机器学习模型以得到所述N个特征的权重。