[发明专利]基于风险指标的人员风险评估方法、终端、存储装置

权利要求书

1.一种基于风险指标的人员风险评估方法，其特征在于，所述基于风险指标的人员风险评估方法包括：

S101：获取第一人员的风险信息，并对所述风险信息进行预处理以获取风险指标，所述风险指标包括静态风险指标、动态风险指标；

S102：对所述风险指标进行特征选择，根据特征选择结果获取所述风险指标中的有效风险指标；

S103：基于所述有效风险指标形成已知数据集、未知数据集，通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型，并对所述有效风险指标的每一级指标进行AHP层次分析，根据分析结果获取每个有效风险指标的权重；

S104：通过所述风险等级评估模型、有效风险指标的权重分别获取第二人员的风险等级、风险分。

2.如权利要求1所述的基于风险指标的人员风险评估方法，其特征在于，所述对所述风险指标进行特征选择的步骤具体包括：

获取所述风险指标的pearson相关系数、信息增益，并根据所述pearson相关系数、信息增益获取所述风险指标的欧式距离。

3.如权利要求2所述的基于风险指标的人员风险评估方法，其特征在于，所述根据特征选择结果获取所述风险指标中的有效风险指标的步骤具体包括：

判断所述欧式距离是否大于预设值；

若是，则确定所述风险指标为有效风险指标；

若否，则确定所述风险指标不是有效风险指标。

4.如权利要求1所述的基于风险指标的人员风险评估方法，其特征在于，所述基于所述有效风险指标形成已知数据集、未知数据集的步骤具体包括：

判断所述有效风险指标对应的第一人员是否存在风险等级，所述数据至少包括所述第一人员的有效指标；

若是，则将所述第一人员对应的数据放入已知数据集；

若否，则将所述第一人员的数据放入未知数据集。

5.如权利要求4所述的基于风险指标的人员风险评估方法，其特征在于，所述通过所述已知数据集、未知数据集进行监督学习建模形成风险等级评估模型的步骤具体包括：

通过所述已知数据集进行监督学习算法训练形成风险等级评估模型，并利用所述未知数据集对所述风险等级评估模型进行优化。

6.如权利要求1所述的基于风险指标的人员风险评估方法，其特征在于，所述通过所述已知数据集进行监督学习算法训练形成风险等级评估模型的步骤具体包括：

所述对所述有效风险指标的每一级指标进行AHP层次分析的步骤具体包括：

获取每一级指标的随机一致性指标、当前矩阵一致性指标，通过所述随机一致性指标、当前矩阵一致性指标进行一致性校验，根据所述一致性校验的校验结果获取所述有效风险指标的评估变量及所述评估变量的权重。

7.如权利要求6所述的基于风险指标的人员风险评估方法，其特征在于，所述根据分析结果获取每个有效风险指标的权重的步骤具体包括：

对所述有效风险指标中每一级指标的权重进行层次总排序，根据总排序的结果获取每个有效风险指标的权重。

8.如权利要求1所述的基于风险指标的人员风险评估方法，其特征在于，通过有效风险指标的权重获取所述第二人员的风险分的步骤具体包括：

基于所述权重以及第二人员的有效风险指标对第二人员进行绝对风险指标评估、预测风险指数评估，并通过评估结果获取所述第二人员的风险分。

9.一种智能终端，其特征在于，所述智能终端包括处理器、存储器，所述处理器与所述存储器通信连接，所述存储器存储有计算机程序，所述处理器根据所述计算机程序执行如权利要求1-8任一项所述的基于风险指标的人员风险评估方法。

10.一种存储装置，其特征在于，所述存储装置存储有程序数据，所述程序数据被用于执行如权利要求1-8任一项所述的基于风险指标的人员风险评估方法。