[发明专利]训练风险模型的数据处理方法和装置

说明书

本申请公开了一种训练风险模型的数据处理方法和装置。该方法包括：获取开发人员的需求数据，其中，所述需求数据为在风险模型的开发过程中产生的需求数据；对所述需求数据进行预处理，获得所述需求数据对应的训练特征数据；基于所述训练特征数据，对预设风险模型进行训练，获得标准风险模型。通过上述方法，本申请通过对训练业务数据进行处理，获得构造特征数据，可实现快速清洗构造入模特征及关联特征，缩短风险模型上线周期，提高风险模型的开发效率。

技术领域

本申请涉及风控模型领域，具体而言，涉及一种训练风险模型的数据处理方法和装置。

背景技术

随着信息技术的不断发展，互联网金融也在不断发展，随之而来的风险也在不断增加，现有技术中针对互联网金融的风险问题主要通过风险模型进行监控，但是在风险模型的开发过程中，需要获取大量的模型特征数据进行训练，由人工标注获得特征数据需要消耗大量时间，且现有技术中通过机器学习标注，也难以获得符合模型开发需求对应的特征数据，导致模型的开发效率较低。

因此，现有技术中的风险模型开发效率较低的技术问题。

申请内容

本申请的主要目的在于提供一种训练风险模型的数据处理方法和装置，基于开发人员的需求数据，获得模型训练的特征数据，以提高风险模型的开发效率。

为了实现上述目的，本申请提出了一种训练风险模型的数据处理方法。

本申请的第二方面，提出了一种训练风险模型的数据处理装置。

本申请的第三方面，提出了一种计算机可读存储介质。

有鉴于此，根据本发明的第一方面，包括：获取开发人员的需求数据，其中，所述需求数据为在风险模型的开发过程中产生的需求数据；对所述需求数据进行预处理，获得所述需求数据对应的训练特征数据；基于所述训练特征数据，对预设风险模型进行训练，获得标准风险模型。

进一步地，对所述需求数据进行预处理，获得所述需求数据对应的训练特征数据，包括：

对所述需求数据进行识别，获取所述需求数据对应的训练业务数据；

在预设特征数据库中，匹配与所述训练业务数据对应的特征数据，所述预设特征数据库中存储有所述训练业务数据与所述特征数据的映射关系。

进一步地，对所述需求数据进行预处理，获得所述需求数据对应的训练特征数据，包括：对所述需求数据进行识别，获取所述需求数据对应的特征筛选规则；基于所述特征筛选规则，对所述特征数据进行处理，获得所述训练特征数据，其中，所述训练特征数据为符合所述特征筛选规则的特征数据。

进一步地，基于所述训练特征数据，对预设风险模型进行训练，获得标准风险模型，包括：基于预设特征关联规则，对所述训练特征数据进行处理，获取构造特征数据，其中，所述构造特征数据包括所述训练特征数据与所述训练特征数据的关联特征数据；基于预设风险模型，对所述构造特征数据进行处理，获得所述训练结果数据。

进一步地，还包括：基于所述需求数据对应所述预设风险模型进行校验迭代，获得标准风险模型，包括：若所述训练结果数据满足预设条件，获得所述标准风险模型；若所述训练结果数据不满足预设条件，所述预设风险模型继续进行校验迭代，直至满足预设条件，获得所述标准风险模型。

本申请的第二方面提出了一种训练风险模型的数据处理装置，包括：数据获取模块，用于获取开发人员的需求数据，其中，所述需求数据为在风险模型的开发过程中产生的需求数据；预处理模块，用于对所述需求数据进行预处理，获得所述需求数据对应的训练特征数据；训练模块，基于所述训练特征数据，对预设风险模型进行训练，获得标准风险模型。