[发明专利]幌子企业识别方法及装置、存储介质及电子设备

权利要求书

1.一种幌子企业识别方法，其特征在于，包括：

当需要对目标企业进行识别时，确定所述目标企业对应的企业信息，所述企业信息包括企业基础数据、交易流水数据、渠道登陆数据、工商数据和征信数据；

在所述企业信息中，确定场景特征数据和每个预设特征维度对应的特征数据；

将各个所述预设特征维度对应的特征数据输入已构建的评分模型，经所述评分模型处理后，获得所述目标企业对应的风险评分；

将所述场景特征数据和所述风险评分输入已构建的场景解释模型，经所述场景解释模型处理后，获得所述风险评分对应的场景映射规则；

依据所述风险评分和所述场景映射规则，确定所述目标企业对应的识别结果；

若所述识别结果表征所述目标企业为幌子企业，则确定所述目标企业对应的欺诈场景，完成所述目标企业的识别过程。

2.根据权利要求1所述的方法，其特征在于，所述评分模型的构建过程，包括：

确定每个所述预设特征维度对应的初始样本集；每个所述预设特征维度对应的初始样本集包括该预设特征维度对应的多个样本数据；

对于每个所述预设特征维度，依据该预设特征维度对应的初始样本集，确定该预设特征维度对应的训练样本集；

对于每个所述预设特征维度，依据该预设特征维度对应的训练样本集，构建该预设特征维度对应的子模型；

对各个所述子模型进行融合处理，得到融合模型，将所述融合模型作为所述评分模型。

3.根据权利要求2所述的方法，其特征在于，所述依据该预设特征维度对应的初始样本集，确定该预设特征维度对应的训练样本集，包括：

依据预设的过采样策略，对该预设特征维度对应的初始样本集进行过采样处理，得到第一样本集；

依据预设的数据清洗策略，对所述第一样本集进行数据清洗处理，得到所述第一样本集对应的第二样本集；

依据预设的社区发现算法，对所述第二样本集进行坏样本扩散处理，得到所述第二样本集对应的第三样本集；

依据预设的变量衍生策略，对所述第三样本集进行变量衍生处理，得到所述第三样本集对应的第四样本集；

依据预设的变量筛选策略，对所述第四样本集进行变量筛选处理，得到所述第四样本集对应的第五样本集，将所述第五样本集作为该预设特征维度对应的训练样本集。

4.根据权利要求2所述的方法，其特征在于，所述依据该预设特征维度对应的训练样本集，构建该预设特征维度对应的子模型，包括：

依据预设的多个集成树算法，构建每个所述集成树算法对应的集成树模型；

对于每个所述集成树模型，依据该预设特征维度对应的训练样本集，对该集成树模型进行训练，将完成训练的该集成树模型确定为备选模型；

对于每个所述备选模型，依据预设的预留样本集和跨时间样本集，对该备选模型进行验证，得到该备选模型对应的验证结果；

依据各个所述备选模型对应的验证结果，在各个所述备选模型中，确定目标备选模型，将所述目标备选模型确定为该预设特征维度对应的子模型。

5.根据权利要求2所述的方法，其特征在于，所述对各个所述子模型进行融合处理，得到融合模型，包括：

确定每个所述子模型对应的权重；

按照各个所述子模型对应的权重，对各个所述子模型进行加权融合，将融合结果作为所述融合模型。

6.根据权利要求1所述的方法，其特征在于，所述场景解释模型的构建过程，包括：

依据预设的场景映射规则集合以及预设的梯度提升决策树算法，构建梯度提升决策树模型；

依据预设的场景解释变量及坏样本集合，对所述梯度提升决策树模型进行训练，得到经过训练的梯度提升决策树模型；

判断所述经过训练的梯度提升决策树模型是否满足预设的测试验证条件，若所述经过训练的梯度提升决策树模型满足所述测试验证条件，则将所述经过训练的梯度提升决策树模型确定为所述场景解释模型。

7.根据权利要求1所述的方法，其特征在于，各个所述预设特征维度包括：基础信息维度、企业流水维度、实控人流水维度、工商与企业征信维度以及实控人征信维度。