[发明专利]风险警告生成方法、装置及电子设备

权利要求书

1.一种风险警告生成方法，其特征在于，包括：

获取用户的用户信息，所述用户信息包括基础信息和行为信息；

基于所述用户信息和特征策略生成多维度特征信息；

将所述多维度特征信息输入风险模型中，生成至少一个风险评分，所述风险模型通过历史用户的用户信息和机器学习模型生成，其中所述历史用户根据其对应的用户信息以正则化策略的方式分配样本标签；

在所述至少一个风险评分满足预设策略时，生成风险警告信息。

2.如权利要求1所述的方法，其特征在于，还包括：

获取多个历史用户的多维度特征信息；

基于所述多维度特征信息为所述多个历史用户分别分配样本标签；

基于正则化策略为所述样本标签确定标签参数；

基于所述多个历史用户和其对应的样本标签、标签参数对机器学习模型进行训练以生成所述风险模型。

3.如权利要求1所述的方法，其特征在于，所述风险模型包括多个子风险模型，

将所述多维度特征信息输入风险模型中，生成至少一个风险评分，包括：

根据用户信息由风险模型的多个子风险模型中确定至少一个子风险模型；

将所述多维度特征信息输入至少一个子风险模型，生成所述至少一个风险评分。

4.如权利要求1所述的方法，其特征在于，在所述至少一个风险评分满足预设策略时，生成风险警告信息，包括：

将所述至少一个风险评分之间随机组合生成至少一个联合评分；

将所述至少一个联合评分满足预设策略时，生成所述风险警告信息。

5.如权利要求2所述的方法，其特征在于，获取多个历史用户的多维度特征信息，包括：

获取满足预设条件的多个历史用户信息；

将所述多个历史用户信息进行数据清洗和数据融合以生成多个历史特征信息；

由所述多个历史特征信息中确定多个历史多维度特征信息；

基于所述多个历史多维度特征信息和所述历史用户信息之间的关系生成特征策略。

6.如权利要求2所述的方法，其特征在于，基于所述用户信息为所述多个历史用户分别分配样本标签，包括：

将所述历史用户的用户信息和多个判别策略进行对比；

基于所述用户信息满足的判别策略为所述历史用户分配样本标签，其中所述样本标签以离散正整数表示。

7.如权利要求2所述的方法，其特征在于，基于正则化策略为所述样本标签确定标签参数，包括：

基于正则化策略生成确定偏差系数；

基于偏差系数生成所述样本标签的标签参数。

8.如权利要求2所述的方法，其特征在于，基于所述多个历史用户和其对应的样本标签、标签参数对机器学习模型进行训练以生成所述风险模型，包括：

将带有样本标签、标签参数的多个历史用户输入机器学习模型进行训练；

在训练过程中基于标签参数生成交叉熵损失函数；

在所述交叉熵损失函数获取最优解时，基于当前的机器学习模型的模型参数确定所述风险模型。

9.如权利要求8所述的方法，其特征在于，在所述交叉熵损失函数获取最优解时，包括：

基于梯度下降方式求解所述交叉熵损失函数；

将所述交叉熵损失函数的稳定解作为所述最优解。

10.一种风险警告生成装置，其特征在于，包括：

信息模块，用于获取用户的用户信息，所述用户信息包括基础信息和行为信息；

特征模块，用于基于所述用户信息和特征策略生成多维度特征信息；

评分模块，用于将所述多维度特征信息输入风险模型中，生成至少一个风险评分，所述风险模型通过历史用户的用户信息和机器学习模型生成，其中所述历史用户根据其对应的用户信息以正则化策略的方式分配样本标签；

警告模块，用于在所述至少一个风险评分满足预设策略时，生成风险警告信息。