[发明专利]一种风险识别模型的确定方法及装置

权利要求书

1.一种风险识别模型的确定方法，包括：

获取目标业务对应的模型训练样本数据和针对所述目标业务所配置的风控策略信息，所述目标业务包括线上交易业务或者线下支付业务，所述风控策略信息包括风控专家制定的风险管控规则，所述风险管控规则包括与交易相关的多个子风险管控规则；

基于所述模型训练样本数据和用于风险识别的分类模型，对各所述风控策略信息对应的策略权重进行更新，得到更新后的策略权重；

基于所述模型训练样本数据和更新后的所述策略权重，对所述分类模型的模型参数进行更新，得到更新后的所述分类模型；

若更新后的所述分类模型满足预设模型优化终止条件，则将所述分类模型确定为训练后的风险识别模型；

若更新后的所述分类模型不满足预设模型优化终止条件，则将所述分类模型作为下一轮策略权重更新所用的用于风险识别的分类模型；

其中，所述基于所述模型训练样本数据和用于风险识别的分类模型，对各所述风控策略信息对应的所述策略权重进行更新，得到更新后的策略权重，包括：

针对每个所述模型训练样本数据，利用用于风险识别的分类模型，对该模型训练样本数据进行风险识别，得到相应的风险识别结果；

针对每个所述模型训练样本数据，基于各所述风控策略信息，确定用于表征该模型训练样本数据是否命中所述风控策略信息的策略命中特征向量；

基于所述风险识别结果和所述策略命中特征向量，确定在所述模型训练样本下所述风控策略信息成立的目标概率；

将各所述模型训练样本数据对应的所述目标概率代入总目标函数，得到待优化的总目标函数；其中，所述模型训练样本数据包括：多个有标签样本数据，所述总目标函数包括：所述分类模型在所述有标签样本数据上的第一损失函数和所述风控策略信息对应的第二损失函数；

以所述策略权重为自变量，对所述总目标函数中的所述第二损失函数进行最小化处理，得到更新后的策略权重。

2.根据权利要求1所述的方法，其中，所述基于所述风险识别结果和所述策略命中特征向量，确定在所述模型训练样本下所述风控策略信息成立的目标概率，包括：

基于所述风险识别结果、所述策略命中特征向量、以及预设分段函数，确定在所述模型训练样本下所述风控策略信息成立的目标概率；

其中，所述预设分段函数为Φ_ij＝min{1-h_ij+p_i,1}，Φ_ij表示在序号为i的模型训练样本数据下序号为j的风控策略信息成立的目标概率，h_ij表示序号为i的模型训练样本数据命中序号为j的风控策略信息的特征值，p_i表示用于表征序号为i的模型训练样本数据为风险事件的概率的风险识别结果。

3.根据权利要求1所述的方法，其中，所述第二损失函数包括：用于表征策略对模型的约束的马尔可夫随机场概率；

所述以所述策略权重为自变量，对所述总目标函数中的所述第二损失函数进行最小化处理，得到更新后的策略权重，包括：

以所述策略权重为自变量，对所述总目标函数中的所述马尔可夫随机场概率进行求导处理，得到所述马尔可夫随机场概率的导数；

基于所述马尔可夫随机场概率的导数，对所述马尔可夫随机场概率进行最大化处理，得到更新后的策略权重；

其中，所述总目标函数Loss＝L1(X,Y)+L2(X,Y)，L1(X,Y)表示第一损失函数，L2(X,Y)表示第二损失函数，L2(X,Y)＝-αlogP，α表示融合系数，P表示马尔可夫随机场概率，z表示归一化函数，R表示风控策略信息的数量，N表示模型训练样本数据的数量，w_j表示序号为j的风控策略信息对应的策略权重，Φ_ij表示在序号为i的模型训练样本数据下序号为j的风控策略信息成立的目标概率。