[发明专利]风险警告生成方法、装置及电子设备

说明书

本公开涉及一种风险警告生成方法、装置、电子设备及计算机可读介质。该方法包括：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。本公开涉及的风险警告生成方法、装置，能够解决在机器模型训练时，过采样或者欠采样而发生的过拟合问题，得到精确的计算模型，进而快速确定具有金融风险的用户，提高用户资源分配的安全性。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种风险警告生成方法、装置、电子设备及计算机可读介质。

背景技术

个人用户或者企业用户经常由资源服务机构进行资源借用活动，对于资源服务机构而言，用户的借用活动很可能会给资源服务公司带来风险。在实际风控中，提前预知和得到相应的风险手法往往是必要的和有价值的。目前，资源风险的判别经常是通过对用户的基础信息和行为信息的进行分析获得。不同风险手法有相应的风控手段，比如恶意违约，对于恶意违约案件应该能观察到恶意违约用户的行为和特征表现，如果把特征做成模型的变量和策略便能对风险防控起到很积极的作用。

可例如，在识别欺诈用户的过程中，经常采用模型预测的方式学习欺诈用户特征以用于新欺诈用户的发现。但是，在对这些用户进行建模训练的过程中，工作人员发现，对于欺诈用户的标注本身是不大准确的。如上文所述，标注欺诈用户的标签很大程度上依靠人工及后期调查，这就导致了很多欺诈用户无法被识别，即定义的未带有欺诈行为的用户中，有可能包含着真实的非欺诈客户，也有可能是欺诈客户但是未被人工及调查发现。在样本的训练过程中，如果样本标注数据的没有那么准确，在进行分类问题的预测时，将标签进行独热编码，采用交叉熵作为损失函数进行拟合，这种做法会将所属类别和非所属类别之间的差距尽可能大，由梯度有界可知，这种方法的训练会造成模型过于相信预测的类别，容易引起过拟合，很容易导致模型混乱，鲁棒性不强。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种风险警告生成方法、装置、电子设备及计算机可读介质，能够解决在机器模型训练时，过采样或者欠采样而发生的过拟合问题，得到精确的计算模型，进而快速确定具有金融风险的用户，提高用户资源分配的安全性。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种风险警告生成方法，该方法包括：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。

可选地，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。

可选地，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。

可选地，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。