[发明专利]一种风险控制模型的生成方法、装置、设备及存储介质

权利要求书

1.一种风险控制模型的生成方法，其特征在于，包括：

根据至少两个历史用户在金融业务应用程序中的用户数据，获取各历史用户的金融行为数据、以及对应的金融业务表现作为基础训练样本，并使用所述基础训练样本对机器学习模型进行训练，得到基础风险控制模型，所述金融行为数据包括至少一个金融行为特征；

在所述基础风险控制模型中，分别对所述基础训练样本中的各金融行为特征进行敏感度分析，生成与所述基础风险控制模型对应的金融行为特征排名；

获取至少两个新用户在金融业务应用程序中的用户数据，根据所述金融行为特征排名，在所述用户数据中，获取目标金融行为数据、以及对应的金融业务表现作为更新训练样本；

使用所述更新训练样本对所述基础风险控制模型进行训练，得到更新风险控制模型。

2.根据权利要求1所述的方法，其特征在于，所述在所述基础风险控制模型中，分别对所述基础训练样本中的各金融行为特征进行敏感度分析，生成与基础风险控制模型对应的金融行为特征排名，包括：

在所述基础风险控制模型中，分别对所述基础训练样本中的各金融行为特征进行敏感度分析，确定各个金融行为特征的敏感度；

按照敏感度从高到低，对各个金融行为特征进行排序，得到与基础风险控制模型对应的金融行为特征排名。

3.根据权利要求1所述的方法，其特征在于，所述根据所述金融行为特征排名，在所述用户数据中，获取目标金融行为数据、以及对应的金融业务表现作为更新训练样本，包括：

根据所述用户数据，获取各新用户的金融行为数据、以及对应的金融业务表现，所述金融行为数据包括至少一个金融行为特征；

生成与各新用户的金融行为数据对应的金融行为向量；

根据所述金融行为特征排名，获取至少一个目标特征向量；

根据各金融行为向量与所述目标特征向量的数量积，确定与各新用户的金融行为数据对应的金融行为向量中的目标金融行为向量，并将与所述目标金融行为向量对应的金融行为数据确定为目标金融行为数据；

获取所述目标金融行为数据、以及对应的金融业务表现作为更新训练样本。

4.根据权利要求3所述的方法，其特征在于，所述目标特征向量包括：第一目标特征向量和第二目标特征向量；

其中，所述第一目标特征向量为与所述金融行为特征排名中排名第一的金融行为特征对应的特征向量，所述第二目标特征向量为与所述金融行为特征排名中排名第二的金融行为特征对应的特征向量。

5.根据权利要求4所述的方法，其特征在于，所述根据各金融行为向量与所述目标特征向量的数量积，确定与各新用户的金融行为数据对应的金融行为向量中的目标金融行为向量，包括：

依次在所述金融行为向量中获取一个金融行为向量作为当前金融行为向量；

计算所述当前金融行为向量与所述第一目标特征向量的第一数量积、以及所述当前金融行为向量与所述第二目标特征向量的第二数量积；

如果所述第一数量积大于等于0，且所述第二数量积大于等于0，则将所述当前金融行为向量确定为目标金融行为向量；

返回执行依次在所述金融行为向量中获取一个金融行为向量作为当前金融行为向量的操作，直至完成对全部金融行为向量的处理。

6.根据权利要求1所述的方法，其特征在于，所述根据所述金融行为特征排名，在所述用户数据中，获取目标金融行为数据、以及对应的金融业务表现作为更新训练样本，包括：

根据所述用户数据，获取各新用户的金融行为数据、以及对应的金融业务表现，所述金融行为数据包括至少一个金融行为特征；

生成与各新用户的金融行为数据对应的金融行为向量；

根据所述金融行为特征排名，获取至少一个目标特征向量；

采用弹性权重固化算法，确定在所述基础风险控制模型中与所述目标特征向量对应的目标参数；

根据所述目标参数，确定与各新用户的金融行为数据对应的金融行为向量中的目标金融行为向量，并将与所述目标金融行为向量对应的金融行为数据确定为目标金融行为数据；

获取所述目标金融行为数据、以及对应的金融业务表现作为更新训练样本。