[发明专利]风险预测方法、装置、计算机设备

说明书

本申请涉及一种风险预测模型训练方法以及风险预测方法、装置、计算机设备、存储介质和计算机程序产品。涉及人工智能领域，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，得到目标业务数据样本的预测结果。在源风险预测模型输出的预测结果符合预设置信度条件的情况下，将该预测结果作为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。利用该训练样本集，训练用于预测目标业务数据风险值的风险预测模型。采用本方法能够提升风险预测模型的预测准确率。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种风险预测方法、装置、计算机设备。

背景技术

在金融业中，风险预测至关重要，有利于辅助金融机构规避风险，保障金融安全。

相关技术中，在一个业务场景下，获取大量风险标注的业务数据，训练当前业务场景下的风险预测模型，例如，1000组标注为有风险的业务数据，1000组标注为无风险的业务数据，然后将大量风险标注的业务数据构成的数据集作为训练当前业务场景下的风险预测模型的训练样本集。其中，当有新的业务场景出现时，需要新的业务场景运行很长一段时间后，才能准确标注各个业务数据是否存在风险。

然而，当有新的业务场景出现并需要及时掌握风险时，由于缺乏该新的业务场景下的有风险的业务数据，因此训练出的风险预测模型的预测准确率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高风险预测模型的预测准确率的风险预测模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种风险预测模型训练方法。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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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；