[发明专利]风险信息确定方法、模型训练方法、设备、程序产品

权利要求书

1.一种业务活动的风险信息确定方法，其特征在于，包括：

获取与所述业务活动对应的待评估业务数据；所述待评估业务数据包括多个数据特征，每个所述数据特征对应于一个特征域；

将与同一特征域对应的所述数据特征，输入与所述特征域对应的编码网络，得到与所述特征域对应的特征向量；

将与所述特征域对应的特征向量输入注意力层，得到包括各个所述特征向量之间关系的总向量；

将所述总向量输入确定子模块，利用所述确定子模块确定与所述待评估业务数据对应的期望；

根据所述期望确定与所述待评估业务数据对应的风险信息，所述风险信息用于指示所述待评估业务数据的风险程度。

2.根据权利要求1所述的方法，其特征在于，所述将与所述特征域对应的特征向量输入注意力层，得到包括各个所述特征向量之间关系的总向量，包括：

根据与各个特征域对应的所述特征向量，确定每两个特征向量之间的特征相似度；

根据各个特征相似度，确定包括各个所述特征向量之间关系的总向量。

3.根据权利要求2所述的方法，其特征在于，所述根据每两个特征向量之间的特征相似度，确定包括各个所述特征向量之间关系的总向量，包括：

根据每个特征向量与其他特征向量之间的特征相似度，确定每个特征向量与其他特征向量之间的关系系数，所述关系系数用于表征两个特征向量之间的关系；

根据每个特征向量与其他特征向量之间的关系系数、每个所述特征向量，确定每个特征向量的特征域嵌入向量；其中，所述特征域嵌入向量用于表征嵌入有其他特征向量信息的特征向量；

根据各特征域嵌入向量，确定包括各个所述特征向量之间关系的总向量。

4.根据权利要求1所述的方法，其特征在于，所述将所述总向量输入确定子模块，利用所述确定子模块确定与所述待评估数据对应的期望，包括：

将所述总向量输入压缩网络，得到压缩向量；

根据所述压缩向量、与各高斯分布对应的预设参数，确定与所述待评估数据对应的期望；所述高斯分布的数量为所述特征域的数量；所述期望用于表征所述待评估数据与各所述高斯分布之间的距离。

5.根据权利要求4所述的方法，其特征在于，所述将所述总向量输入压缩网络，得到压缩向量，包括：

根据编码函数、第一神经网络参数，对所述总向量进行编码，得到编码向量；

根据解码函数、第二神经网络参数，对所述编码向量进行解码，得到解码向量；

根据所述待评估数据的特征、所述解码向量，确定重构误差；所述重构误差用于表征所述解码向量与所述待评估数据的特征之间的差异；

根据所述编码向量、所述重构误差，确定所述压缩向量。

6.根据权利要求1所述的方法，其特征在于，所述根据所述期望确定与所述待评估数据对应的风险评分，包括：

根据预设映射函数，将所述待评估数据的所述期望映射为所述风险评分。

7.根据权利要求1-6任一项所述的方法，其特征在于，获取与所述业务活动对应的待评估数据，包括：

获取与所述业务活动对应的离线特征，获取与业务活动对应的实时数据；

根据所述离线特征、所述实时数据，确定所述业务活动的待评估数据。

8.根据权利要求1-6任一项所述的方法，其特征在于，还包括：

若所述风险评分大于阈值，则进行预警。