[发明专利]风险预测方法、装置、计算机设备

权利要求书

1.一种风险预测模型训练方法，其特征在于，所述方法包括：

获取用于预测源业务数据风险值的源风险预测模型；

针对每个目标业务数据样本，将所述目标业务数据样本的特征向量输入至所述源风险预测模型，得到所述目标业务数据样本的预测结果；

在所述源风险预测模型输出的预测结果符合预设的置信度条件的情况下，将所述预测结果作为所述目标数据样本的风险伪标签；

将包含风险标签的源业务数据样本、包含风险伪标签的所述目标业务数据样本构成的样本集作为目标训练样本集；

利用所述目标训练样本集，训练用于预测所述目标业务数据风险值的目标风险预测模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标业务数据样本的特征向量输入至所述源风险预测模型，得到所述目标业务数据样本的预测结果，包括：

将所述目标业务数据样本的特征向量映射至所述源业务数据样本的特征向量的所在的向量空间；

将映射后的所述目标业务数据样本的特征向量输入至所述源风险预测模型，得到所述目标业务数据样本的预测结果。

3.根据权利要求1所述的方法，其特征在于，所述将所述目标业务数据样本的特征向量输入至所述源风险预测模型，得到所述目标业务数据样本的预测结果，包括：

将所述目标业务数据样本的特征向量输入至训练完成的目标特征向量提取器，得到所述目标业务数据样本的特征向量；

将所述目标业务数据样本的特征向量输入至所述源风险预测模型，得到所述目标业务数据样本的预测结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取用于提取所述目标业务数据样本的特征向量的目标特征向量提取器、以及用于识别所述目标业务数据样本与所述源业务数据样本的判别器；

将所述目标特征向量提取器提取的所述目标业务数据样本的特征向量输入至所述判别器，所述判别输出是否为目标业务数据的识别结果；

训练所述目标特征向量提取器以及所述判别器，直至所述判别器的识别准确率小于第一预设值，将当前的目标特征向量提取器作为训练完成的目标特征向量提取器。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用于提取所述源业务数据样本的特征向量的源特征向量提取器、以及用于识别所述目标业务数据样本与所述源业务数据样本的判别器；

将所述源特征向量提取器提取的所述源业务数据样本的特征向量输入至所述判别器，所述判别输出是否为源业务数据的识别结果；

训练所述源特征向量提取器以及所述判别器，直至所述判别器的识别准确率小于第一预设值，将当前的源特征向量提取器作为训练完成的源特征向量提取器；

将训练完成的所述源特征向量提取器提取的所述源业务数据的源特征向量输入至所述源风险预测模型，根据所述源风险预测模型输出的预测结果以及所述源业务数据样本的风险标签，调整所述源风险预测模型的参数，直至所述源风险预测模型符合预期目标。

6.根据权利要求1所述的方法，其特征在于，所述在所述源风险预测模型输出的预测结果符合预设的置信度条件的情况下，将所述预测结果作为所述目标数据样本的风险伪标签，包括：

在所述源风险预测模型输出的预测结果的置信度高于第二预设值、且稳定系数小于第三预设值的情况下，将所述预测结果作为所述目标业务数据样本的风险伪标签。

7.一种风险预测方法，其特征在于，所述方法包括：

获取目标业务场景下的目标业务数据；

将所述目标业务数据输入的特征向量至目标风险预测模型；所述目标风险预测模型基于如权利要求1-6任一所述的方法训练得到；

根据所述目标风险预测模型输出的预测结果，确定所述目标业务数据的风险值。