[发明专利]信息处理方法、装置、设备及存储介质

权利要求书

1.一种信息处理方法，包括：

获取第一机构在第一时间区间内待划付资源的第一资源量；

根据所述待划付资源，通过数据预测模型，得到目标数据，所述目标数据包括所述第一机构在所述第一时间区间内的第一预测资源量和第一置信区间，所述数据预测模型由与所述第一机构和第二机构对应的历史实际划付资源训练得到，所述第二机构与所述第一机构的资源划付规律满足预设划付条件；

在所述第一资源量不在所述第一置信区间内的情况下，显示提示信息，所述提示信息包括所述第一资源量与所述第一预测资源量的偏差量，所述提示信息用于提示在划付所述待划付资源之前进行风险排查。

2.根据权利要求1所述的方法，其特征在于，所述历史实际划付资源包括第一历史实际划付资源和第二历史实际划付资源；所述根据所述待划付资源，通过数据预测模型，得到目标数据之前，所述方法还包括：

获取样本集，所述样本集包括划付资源数据集，所述划付资源数据集包括所述第一机构对应的第一历史实际划付资源和所述第二机构对应的第二历史实际划付资源；

通过所述样本集对预设机器学习模型进行训练，在所述预设机器学习模型满足第一预设训练条件的情况下，得到初始机器学习模型；

以及，通过所述样本集对预设时间循环网络模型进行训练，在所述预设时间循环网络模型满足第二预设训练条件的情况下，得到初始时间循环网络模型；

根据训练特征数据，对初始线性回归模型进行训练，在所述初始线性回归模型满足第三预设训练条件的情况下，得到所述数据预测模型；

其中，所述训练特征数据包括所述初始机器学习模型在第一预设时间区间输出的第一预测值集合和所述初始时间循环网络模型在所述第一预设时间区间输出的第二预测值集合。

3.根据权利要求2所述的方法，其特征在于，所述样本集还包括M个辅助训练数据集，M为正整数；所述获取样本集，包括：

获取所述第一机构的M种交易数据；

根据所述M种交易数据中的每种交易数据，构建与所述每种交易数据对应的辅助训练数据集。

4.根据权利要求3所述的方法，其特征在于，所述通过所述样本集对预设机器学习模型进行训练，在所述预设机器学习模型满足第一预设训练条件的情况下，得到初始机器学习模型，包括：

按照预设比例，对所述划付资源数据集和所述M个辅助训练数据集中每个数据集的数据进行划分，得到所述每个数据集的训练集和测试集；

根据所述每个数据集的训练集和测试集，分别对所述预设机器学习模型进行训练，在与所述每个数据集对应的预设机器学习模型均满足第一预设训练条件的情况下，得到M+1个初始机器学习模型。

5.根据权利要求4所述的方法，其特征在于，所述第二预设训练条件包括所述预设时间循环网络模型输出的样本预测值与样本实际值的偏差小于预设阈值，所述样本实际值与所述样本预测值对应；

所述通过所述样本集对预设时间循环网络模型进行训练，在所述预设时间循环网络模型满足第二预设训练条件的情况下，得到初始时间循环网络模型，包括：

根据所述每个数据集的训练集和测试集，分别对预设时间循环网络模型进行训练，在所述预设时间循环网络模型输出的样本预测值与样本实际值的偏差小于或等于预设偏差阈值的情况下，得到M+1个初始时间循环网络模型。

6.根据权利要求4所述的方法，其特征在于，所述按照预设比例，对所述划付资源数据集和所述M个辅助训练数据集中每个数据集的数据进行划分，得到所述每个数据集的训练集和测试集之前，所述方法还包括：

通过预设特征工程算法，对所述划付资源数据集和M个辅助训练数据集中的每个数据集的数据进行特征抽取，得到所述每个数据集中的特征数据；

根据所述特征数据与预设预测数据的关联关系，从所述特征数据中筛选目标特征数据；

将所述每个数据集中的目标特征数据作为所述每个数据集中被按照所述预设比例划分的数据。