风险评估方法、设备、计算机可读存储介质及程序产品与流程

1.本申请涉及金融经济技术领域，涉及但不限于一种风险评估方法、设备、计算机可读存储介质及程序产品。


背景技术：

2.近年来，随着金融信贷业务的快速发展，金融普惠大众的同时，也因逾期和违约给金融业带来了巨大损失。风险管理能力的强弱，能在很大程度上减少逾期、违约情况的发生。
3.当前的金融信贷风险评估方法主要依赖于业务人员的经验进行面对面评估，导致评估效率低、人工成本大；或者基于风险评估应用程序(app，application)中已经设定好的各项业务规则进行判定，只能对贷款用户的客观信息进行风险评估，导致风险评估的结果不准确，金融信贷业务风险较高。


技术实现要素：

4.本申请实施例提供一种风险评估方法、装置、设备、计算机可读存储介质及计算机程序产品，能够提高风险评估结果的准确度、降低金融信贷业务的风险。
5.本申请实施例的技术方案是这样实现的：
6.本申请实施例提供一种风险评估方法，所述方法包括：
7.响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息；
8.获取评估对象基于所述第一交互信息确定的第一交互结果，并获取所述评估对象在确定所述第一交互结果时的第一表情信息；
9.基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据；
10.获取风险分析数据，并基于所述风险分析数据和所述性格分析数据确定风险评估结果。
11.本申请实施例提供一种风险评估装置，所述装置包括：
12.输出模块，用于响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息；
13.第一获取模块，用于获取评估对象基于所述第一交互信息确定的第一交互结果；
14.第二获取模块，用于获取所述评估对象在确定所述第一交互结果时的第一表情信息；
15.第一确定模块，用于基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据；
16.第三获取模块，用于获取风险分析数据；
17.第二确定模块，用于基于所述风险分析数据和所述性格分析数据确定风险评估结果。
18.本申请实施例提供一种风险评估设备，包括：
19.存储器，用于存储可执行指令；
20.处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的方法。
21.本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的方法。
22.本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的方法。
23.本申请实施例具有以下有益效果：
24.在本申请实施例提供的风险评估方法中，首先获取用于进行风险评估的第一请求；响应于所述第一请求，输出用于确定性格分析数据的第一交互信息；然后获取评估对象基于所述第一交互信息确定的第一交互结果，并获取所述评估对象在确定所述第一交互结果时的第一表情信息；基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据；再获取风险分析数据，最后基于所述风险分析数据和所述性格分析数据确定风险评估结果，如此，在风险评估过程中增加性格测试，能够从心理学角度判断评估对象的性格倾向，从而能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
附图说明
25.图1a为本申请实施例提供的风险评估方法的一种网络架构示意图；
26.图1b为本申请实施例提供的风险评估方法的另一种网络架构示意图；
27.图2是本申请实施例提供的风险评估设备的组成结构示意图；
28.图3为本申请实施例提供的风险评估方法的一种实现流程示意图；
29.图4为本申请实施例提供的风险评估方法的另一种实现流程示意图；
30.图5为本申请实施例提供的风险评估方法的又一种实现流程示意图；
31.图6为本申请实施例提供的风险评估方法的再一种实现流程示意图；
32.图7为本申请实施例提供的风险评估方法的又一种实现流程示意图。
具体实施方式
33.为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
34.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
35.在以下的描述中，所涉及的术语“第一\第二\第三”仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
36.除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
37.对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
38.1)多模态，即多模态生物识别，是指整合或融合两种及两种以上生物识别技术，利用其多重生物识别技术的独特优势，并结合数据融合技术，使得认证和识别过程更加精准、安全。与传统的单一生物识别方式的主要区别在于，多模态生物识别技术可通过独立的或多种采集方式合而为一的采集器，采集不同的生物特征(如指纹、指静脉、人脸、虹膜图像等)，并通过分析、判断多种生物识别方式的特征值进行识别和认证。
39.2)数字人，是信息科学与生命科学融合的产物，是利用信息科学的方法对人体在不同水平的形态和功能进行虚拟仿真，其包括四个交叉重叠的发展阶段，可视人，物理人，生理人，智能人，最终建立多学科和多层次的数字模型并达到对人体从微观到宏观的精确模拟。
40.3)多模态数字人，指具备真实人的看、听、说、写和知识逻辑的能力的数字人，不仅是一个单向交互数字人，应当是双向多模态交互的数字人，通过摄像头和麦克风等采集装置采集用户输入的信息，数字人能够识别人的身份，理解人的语言。通过声音、图像、语义技术共同识别人的情感细节，并且通过手势指令的识别提高语义理解的准确率，做出相应的回应。
41.4)风险评估(risk assessment)，是指在风险事件发生之前或之后(但还没有结束)，该事件给人们的生活、生命、财产等各个方面造成的影响和损失的可能性进行量化评估的工作。即，风险评估就是量化测评某一事件或事物带来的影响或损失的可能程度。
42.5)风控，即风险控制，是指风险管理者采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或风险控制者减少风险事件发生时造成的损失。风险控制的四种基本方法是：风险回避、损失控制、风险转移和风险保留。
43.下面说明实现本申请实施例的装置的示例性应用，本申请实施例提供的装置可以实施为终端设备。下面，将说明装置实施为终端设备时涵盖终端设备的示例性应用。
44.图1a为本申请实施例提供的风险评估方法的一种网络架构示意图，如图1a所示，在该网络架构中至少包括风险评估设备100。为实现支撑一个示例性应用，风险评估设备100为能够进行风险评估、且支持人机交互的设备，可以为服务器，也可以是台式计算机、笔记本电脑、移动电话(手机)、平板电脑等设备。
45.在对评估对象进行风险评估时，基于用户触发的操作指令获取用于进行风险评估的第一请求，这里，当用户对自己的风险进行评估时，该用户即为评估对象；当用户对他人的风险进行评估时，该用户与评估对象为不同的人。风险评估设备100获取到第一请求后，对其进行响应，通过语音和/或文字输出第一交互信息，该第一交互信息用于确定评估对象的性格分析数据。用户基于输出的第一交互信息确定第一交互结果，并将第一交互结果输入至风险评估设备100。风险评估设备100获取第一交互结果并获取评估对象确定第一交互结果时的第一表情信息。然后，风险评估设备100利用第一交互结果和第一表情信息确定评估对象的性格分析数据。在获取到风险分析数据后，结合性格分析数据和风险分析数据，得
到风险评估结果。本申请实施例通过对评估对象进行性格分析，从心理学角度判断评估对象的性格倾向，能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
46.图1b为本申请实施例提供的风险评估方法的另一种网络架构示意图，如图1b所示，在该网络架构中至少包括风险评估设备100、终端200和网络300。为实现支撑一个示例性应用，风险评估设备100为能够进行风险评估的设备，可以为服务器，也可以是台式计算机、笔记本电脑、智能终端等设备。终端200为评估对象所持有的终端，可以是移动电话(手机)、平板电脑、笔记本电脑等设备。风险评估设备100通过网络300连接终端200，网络300可以是广域网或者局域网，又或者是二者的组合，使用无线或有线链路实现数据传输。
47.评估对象(即持有终端200的用户)预进行风险评估时，终端200发送第一请求至风险评估设备100，其中，该第一请求用于进行风险评估。风险评估设备100接收并响应该第一请求，发送第一交互信息至终端200，该第一交互信息用于确定性格分析数据。终端200接收第一交互信息后，通过语音和/或文字输出第一交互信息，评估对象通过语音和/或文字确定第一交互结果。终端200发送第一交互结果至风险评估设备100，同时获取评估对象在确定第一交互结果时的第一表情信息，并将第一表情信息发送至风险评估设备100。风险评估设备100根据第一交互结果和第一表情信息确定评估对象的性格分析数据，在获取到风险分析数据后，结合性格分析数据和风险分析数据，得到风险评估结果。本申请实施例通过对评估对象进行性格分析，从心理学角度判断评估对象的性格倾向，能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
48.本申请实施例提供的装置可以实施为硬件或者软硬件结合的方式，下面说明本申请实施例提供的装置的各种示例性实施。
49.根据图2示出的风险评估设备100的示例性结构，可以预见风险评估设备100的其他的示例性结构，因此这里所描述的结构不应视为限制，例如可以省略下文所描述的部分组件，或者，增设下文所未记载的组件以适应某些应用的特殊需求。
50.图2所示的风险评估设备100包括：至少一个处理器110、存储器140、至少一个网络接口120和用户接口130。风险评估设备100中的每个组件通过总线系统150耦合在一起。可理解，总线系统150用于实现这些组件之间的连接通信。总线系统150除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统150。
51.用户接口130可以包括显示器、键盘、鼠标、触感板和触摸屏等。
52.存储器140可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)。易失性存储器可以是随机存取存储器(ram，random access memory)。本申请实施例描述的存储器140旨在包括任意适合类型的存储器。
53.本申请实施例中的存储器140能够存储数据以支持风险评估设备100的操作。这些数据的示例包括：用于在风险评估设备100上操作的任何计算机程序，如操作系统和应用程序。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
54.作为本申请实施例提供的方法采用软件实施的示例，本申请实施例所提供的方法
可以直接体现为由处理器110执行的软件模块组合，软件模块可以位于存储介质中，存储介质位于存储器140，处理器110读取存储器140中软件模块包括的可执行指令，结合必要的硬件(例如，包括处理器110以及连接到总线150的其他组件)完成本申请实施例提供的方法。
55.作为示例，处理器110可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(dsp，digital signal processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。
56.风险评估是在风险事件结束之前，分析确定风险的过程，在金融信贷业务领域，相关技术中通过对贷款用户的客观信息进行风险评估得到风险评估结果，存在部分贷款用户客观具有还款能力，但主观却不主动还款，恶意欠款，导致金融信贷业务风险较高。为解决该问题，将结合本申请实施例提供的终端的示例性应用和实施，说明本申请实施例提供的风险评估方法。
57.图3为本申请实施例提供的风险评估方法的一种实现流程示意图，应用于图1a所示网络架构的风险评估设备，将结合图3示出的步骤进行说明。
58.步骤s301，响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息。
59.在对有贷款需求或者有投资理财需求的评估对象进行风险评估时，风险评估设备获取用于进行风险评估的第一请求，这里，风险评估设备可基于用户执行的触控操作获取到第一请求，例如，用户进入能够进行风险评估的app，执行进行风险评估的操作后，风险评估设备获取到第一请求。
60.响应于接收到的第一请求，风险评估设备输出第一交互信息。其中，所述第一交互信息包括多个性格分析题目，可基于该多个性格分析题目对评估对象的性格进行分析。性格分析题目可以为主观题，此时输出的性格分析题目包括题干，评估对象对题干的问题进行回答，回答的内容作为评估对象输入至风险评估设备的答案；或者，性格分析题目也可以为客观题，此时输出的性格分析题目不仅包括题干，还包括至少两个备选项，评估对象在该至少两个备选项中选择答案；又或者，性格分析题目为主客观结合题，此时输出的性格分析题目包括题干和至少两个备选项，评估对象可以在该至少两个备选项中选择答案，还可以输入其他答案。
61.相关技术中在进行风险评估时，交互信息大多是以文本形式输出的，存在输出形式单一、书面化程度高、理解力较差的缺陷。本申请实施例中，风险评估设备可基于多模态数字人输出第一交互信息，多模态数字人利用其具备的说、写以及肢体语言表达能力，输出结合了文本、语音和肢体动作的多维形式的第一交互信息，更能突出语义和语境，从而提高吸引力，有助于评估对象理解题目，从而缩短评估时长。例如在具有多模态数字人的虚拟环境中，以文本和语音结合的形式输出第一交互信息，还可以结合视频输出第一交互信息，当然，也可以结合其他交互方式输出第一交互信息。
62.在另一些实施例中，风险评估设备也可以从其他终端获取第一请求。此时，风险评估设备输出第一交互信息至该其他终端，由该其他终端利用多模态数字人显示第一交互信息。
63.步骤s302，获取评估对象基于所述第一交互信息确定的第一交互结果。
64.评估对象基于输出的第一交互信息确定第一交互结果，例如，评估对象回答10个性格分析题目得到对应的10个答案，将该10个答案确定为第一交互结果，输入至风险评估设备。
65.相关技术中在进行风险评估时，由于交互信息大多是以文本形式输出的，评估对象针对文本形式的题目选择对应的评估选项，可见评估对象输入的仍是单一的文本信息。本申请实施例中，在评估对象与多模态数字人进行交互时，多模态数字人利用其具备的听、看能力，获取评估对象针对第一交互信息确定的第一交互结果，该第一交互结果可以是评估对象根据多模态数字人“写”出的文本信息或“说”的语音信息而给出的答案，评估对象可以是说出答案，也可以是在风险评估设备上选出对应的答案。风险评估设备基于评估对象输入的答案，确定得到第一交互结果。
66.步骤s303，获取所述评估对象在确定所述第一交互结果时的第一表情信息。
67.风险评估设备基于多模态数字人获取评估对象在回答性格分析题目时的表情，例如通过风险评估设备包括的图像采集装置采集评估对象的微表情。
68.相关技术中在进行风险评估时，由于交互信息大多是以文本形式输出的，评估对象针对文本形式的题目选择对应的评估选项，可见评估对象输入的仍是单一的文本信息。风险评估设备仅依据单一的文本信息，无法确定该评估对象是在何种场景下确定的第一交互结果，也无法确定该第一交互结果的真实程度。本申请实施例中，在评估对象与多模态数字人进行交互时，多模态数字人利用其具备的听、看能力，获取评估对象输入第一交互结果时的微表情，即图像采集装置采集评估对象在答题过程中包括表情特征的图像。然后基于采集到的图像进行表情提取，得到评估对象回答各个性格分析题目时的表情，基于提取到的这些表情确定第一表情信息。
69.本申请实施例中，第一表情信息至少包括眼球视线、人脸朝向、情绪、眨眼频率、嘴部状态、面部遮挡、眉毛状态。需要说明的是，第一表情信息还可以包括除面部状态信息以外其他部位的状态信息，例如肢体动作信息等。
70.步骤s304，基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据。
71.第一交互结果是根据用于确定性格分析数据的第一交互信息确定的，例如，第一交互结果为性格分析题目的评估结果；第一表情信息为表达感情、情意的信息，表现在评估对象面部或姿态上的思想感情，可结合评估对象的第一表情信息来分析其性格。风险评估设备对获取到的第一交互结果和第一表情信息进行分析，得到评估对象的性格分析数据。
72.本申请实施例中，通过与评估对象以多模态的方式交互，基于交互结果和交互过程中获取到的表情信息，来确定该评估对象的性格标签，如评估对象是否有灵活的思维，做事情是否有坚持性、韧性等，是否善于社交等，从另一方面确定该评估对象的性格。通过第一交互结果和第一表情信息确定评估对象的性格分析数据，从心理学角度判断评估对象的性格倾向，能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
73.步骤s305，获取风险分析数据。
74.这里，获取风险分析数据的步骤可以在步骤s301获取到用于进行风险评估的第一请求后，确定风险评估结果之前任意时刻执行。根据评估对象的客观数据，例如评估对象的
工作情况、收入支出情况等进行风险分析，得到风险分析数据。例如，评估对象的工作稳定、收入支出情况较为稳定，则与该评估对象进行金融交易的风险较小；反之风险较大。
75.在一些实施例中，获取风险分析数据可以实现为：输出用于确定风险分析数据的第二交互信息，所述第二交互信息包括多个风险分析题目，一个风险分析题目包括题干和/或多个备选项；获取所述评估对象基于所述第二交互信息确定的第二交互结果，并基于所述第二交互结果确定风险分析数据。
76.这里输出第二交互信息的方式可以和输出第一交互信息的方式相同，第二交互信息为风险分析题目，这些题目预先存储在风险分析设备的存储空间中，需要进行风险分析时输出为第二交互信息，评估对象基于第二交互信息确定第二交互结果，输入至风险评估设备中，以使风险评估设备基于第二交互结果确定评估对象的风险分析数据。
77.步骤s306，基于所述风险分析数据和所述性格分析数据确定风险评估结果。
78.在一些实施例中，风险分析设备获取训练数据，对预设风险评估模型进行训练得到训练好的风险评估模型。在确定风险评估结果时，将风险分析数据和性格分析数据输入至训练好的风险评估模型中，得到风险评估结果。这里，所述训练数据包括风险分析训练数据和性格分析训练数据。
79.风险分析设备考虑评估对象的性格，结合该评估对象的风险分析数据，建立更完善、精准的用户画像以辅助确定其风险评估结果，给出更全面、准确、安全的风险评估，进而有效减少坏账损失。
80.本申请实施例提供的风险评估方法，包括：响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息；获取评估对象基于所述第一交互信息确定的第一交互结果，并获取所述评估对象在确定所述第一交互结果时的第一表情信息；基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据；获取风险分析数据，并基于所述风险分析数据和所述性格分析数据确定风险评估结果。通过对评估对象进行性格分析，从心理学角度判断评估对象的性格倾向，能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
81.基于前述的实施例，本申请实施例再提供一种风险评估方法，图4为本申请实施例提供的风险评估方法的另一种实现流程示意图，应用于图1a所示的网络架构中的风险评估设备，如图4所示，所述风险评估方法包括以下步骤：
82.步骤s401，响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息。
83.本申请实施例中，风险评估设备可基于多模态数字人输出第一交互信息，例如在具有多模态数字人的虚拟环境中，以文本和语音结合的形式输出第一交互信息，还可以结合视频输出第一交互信息，当然，也可以结合其他交互方式输出第一交互信息。
84.在另一些实施例中，风险评估设备也可以从其他终端获取第一请求。此时，风险评估设备输出第一交互信息至该其他终端，由该其他终端利用多模态数字人输出第一交互信息。
85.步骤s402，获取评估对象基于所述第一交互信息确定的第一交互结果。
86.这里，所述第一交互信息可以包括多个性格分析题目，一个性格分析题目包括题干和/或多个备选项。
87.在一些实施例中，确定第一交互结果可以实现为：获取所述评估对象输入的各个性格分析题目对应的各个解答信息；基于所述各个解答信息和预设的第一评分标准确定得到第一交互结果。其中，所述各个解答信息由所述评估对象基于各个性格分析题目包括题干和/或多个备选项确定。
88.评估对象基于输出的第一交互信息确定第一交互结果，例如，评估对象回答10个性格分析题目得到对应的10个解答信息，将该10个解答信息与第一评分标准进行对比，得到10个解答信息对应的10个分值，将该10个分值的加和确定为第一交互结果。
89.步骤s403，获取所述评估对象在确定所述第一交互结果时的第一表情信息。
90.风险评估设备基于多模态数字人获取评估对象在回答性格分析题目时的表情，例如通过风险评估设备包括的图像采集装置采集评估对象的微表情。
91.在所述评估对象确定各个解答信息时，对所述评估对象进行图像采集，得到多个第一人脸图像；基于所述多个第一人脸图像提取所述评估对象的第一表情信息。在评估对象与多模态数字人进行交互时，图像采集装置采集评估对象在答题过程中包括表情特征的图像。然后基于采集到的图像进行表情提取，得到评估对象回答各个性格分析题目时的表情，基于提取到的这些表情确定第一表情信息。
92.本申请实施例中，所述第一表情信息至少包括眼球视线、人脸朝向、情绪、眨眼频率、嘴部状态、面部遮挡和眉毛状态。
93.步骤s404，基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据。
94.本申请实施例中，通过与评估对象以多模态的方式交互，基于交互结果和交互过程中获取到的表情信息，来确定该评估对象的性格标签，如评估对象是否有灵活的思维，做事情是否有坚持性、韧性等，是否善于社交等，从另一方面确定该评估对象的性格。
95.步骤s405，基于所述第一表情信息确定所述评估对象的第一心理分析数据。
96.评估对象在确定第一交互结果时的第一表情信息，可以用于确定该评估对象的性格，也可用于分析该评估对象确定第一交互结果时的心理。
97.比起人们有意识做出的表情，“微表情”更能体现人们真实的感受和动机。虽然人们会忽略“微表情”，但是人的大脑依然受其影响，改变对别人表情的理解。所以如果某人很自然地表现“高兴”的表情，且其中不含有“微表情”，就能断定这人是真正的高兴。但是如果其间有“嗤笑”的“微表情”闪现，会更倾向于认为这张“高兴”的面孔是“狡猾的”或“不可信的”，是虚假的高兴。由此，可以基于“微表情”分析评估对象的心理。
98.举例说明，评估对象回答问题“你月均收入：a.3000以下；b.3000至8000；c.8000至20000；d.20000以上。”时，基于第一反应立即选择的选项，其可信度一般大于犹豫不决后选择的选项。犹豫不决的过程中，评估对象可能出现眼球视线来回不定的情况。例如在心理学中，根据每个人的基线改变情况，当眼睛向右下看，心理分析通常是在回忆；当眼睛向左上看，心理分析通常是在思考谎话。由此基于心理学，利用第一表情信息确定评估对象的第一心理分析数据。
99.在一些实施例中，确定评估对象的第一心理分析数据时，可以通过以下步骤来实现：基于所述第一表情信息和预设的第三评分标准确定第二表情评分值；获取与所述第二表情评分值对应的心理分析数据；将获取到的心理分析数据确定为所述评估对象的第一心
理分析数据。
100.这里第三评分标准为基于心理学确定的标准，该第三评分标准预先存储在风险评估设备的存储空间中，该第三评分标准是基于表情基准情况设定的评分标准。对比评估对象当前采集到的表情与该评估对象的基准表情，基于对比结果确定该评估对象的心理特征。
101.本申请实施例中，可将多模态数字人采集的多个表情分析的心理特征进行融合，基于融合结果确定评估对象的心理分析数据，能够确保分析心理的准确度。
102.步骤s406，获取风险分析数据。
103.在一些实施例中，获取风险分析数据可以实现为：输出用于确定风险分析数据的第二交互信息，所述第二交互信息包括多个风险分析题目，一个风险分析题目包括题干和/或多个备选项；获取所述评估对象基于所述第二交互信息确定的第二交互结果，并基于所述第二交互结果确定风险分析数据。
104.这里输出第二交互信息的方式可以和输出第一交互信息的方式相同，第二交互信息为风险分析题目，这些题目预先存储在风险分析设备的存储空间中，需要进行风险分析时输出为第二交互信息，评估对象基于第二交互信息确定第二交互结果，输入至风险评估设备中，以使风险评估设备基于第二交互结果确定评估对象的风险分析数据。
105.步骤s407，基于所述风险分析数据、所述性格分析数据和所述第一心理分析数据确定风险评估结果。
106.在一些实施例中，风险分析设备获取训练数据，对预设风险评估模型进行训练得到训练好的风险评估模型。在确定风险评估结果时，将风险分析数据、性格分析数据和第一心理分析数据输入至训练好的风险评估模型中，得到风险评估结果。这里，所述训练数据包括风险分析训练数据、性格分析训练数据和第一心理分析训练数据。
107.风险分析设备在图3所示实施例的基础上，考虑评估对象回答性格分析数据时的心理，再结合评估对象的性格分析数据和风险分析数据，建立更完善、精准的用户画像以辅助确定其风险评估结果，给出更全面、准确、安全的风险评估，进一步减少坏账损失。
108.本申请实施例提供的风险评估方法，包括：响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息；获取评估对象基于所述第一交互信息确定的第一交互结果，并获取所述评估对象在确定所述第一交互结果时的第一表情信息；基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据；基于所述第一表情信息确定所述评估对象的第一心理分析数据；获取风险分析数据，并基于所述风险分析数据和所述性格分析数据确定风险评估结果。通过对评估对象进行性格分析、心理分析，从心理学角度判断评估对象的性格倾向和心理特征，能够进一步提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
109.在一些实施例中，上述图3所示实施例中的步骤s304或图4所示实施例中的步骤s404“基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据”，可以通过以下步骤来实现：
110.步骤s3041，基于所述第一表情信息和预设的第二评分标准确定第一表情评分值。
111.风险评估设备的存储空间中预先存储有第二评分标准，该第二评分标准是基于评估对象的表情基准情况设定的。利用第二评分标准对第一表情信息进行评分，得到第一表
情评分值。
112.例如，评估对象回答10个性格分析题目时，采集到20个第一人脸图像，对该20个第一人脸图像进行特征提取，提取得到20个微表情，将该20个微表情与评估对象的表情基准情况进行比较，基于第二评分标准对20个微表情进行评分，得到20个评分值，可以将该20个评分值的加和确定为第一表情评分值。
113.步骤s3042，获取所述第一交互结果对应的第一权重和所述第一表情评分值对应的第二权重。
114.这里第一权重和第二权重可以为0至1之间任一值，依据重视程度设定，若认为交互结果对性格分析更重要，则对第一权重设置一较大的值；若认为微表情对性格分析更重要，则对第二权重设置一较大的值。
115.步骤s3043，基于所述第一权重和所述第二权重，计算所述第一交互结果和所述第一表情评分值的加权和，得到加权值。
116.将第一交互结果记为p，第一表情评分值记为q，第一权重为w1，第二权重为w2，则加权值a表示为式(1)：
117.a＝w1*p+w2*q
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；
118.步骤s3044，获取与所述加权值对应的性格分析数据。
119.风险评估设备中存储有数值范围与性格分析数据的对应关系表，例如加权值的a的取值范围为0至30，0至10对应第一性格(如内向)的性格分析数据，11至20对应第二性格(如中性)的性格分析数据，21至30对应第三性格(如外向)的性格分析数据，根据加权值查询关系表，得到该加权值对应的性格分析数据，例如a为20，获取到中性性格的性格分析数据。
120.步骤s3045，将获取到的性格分析数据确定为所述评估对象的性格分析数据。
121.本申请实施例中，基于第一交互结果和第一表情信息确定一加权值，根据该加权值查询预先存储的关系表得到评估对象的性格分析数据，实现对评估对象的性格分析。在进行性格分析时，不仅考虑性格测试题目，而且获取答题时评估对象的表情信息，能够提高性格分析数据的准确度，从而进一步提高风险评估结果的准确度、降低金融信贷业务的风险。
122.在一些实施例中，上述图3所示实施例中的步骤s305或图4所示实施例中的步骤s406“获取风险分析数据”，可以通过以下步骤来实现：
123.步骤s3051，输出用于确定风险分析数据的第二交互信息。
124.这里，所述第二交互信息包括多个风险分析题目，一个风险分析题目包括题干和/或多个备选项。
125.本申请实施例中，风险评估设备可基于多模态数字人输出第二交互信息，例如在具有多模态数字人的虚拟环境中，以文本和语音结合的形式输出第二交互信息，也可以结合视频输出第二交互信息，当然，也可以结合其他交互方式输出第二交互信息。
126.步骤s3052，获取所述评估对象基于所述第二交互信息确定的第二交互结果。
127.评估对象基于输出的第二交互信息确定第二交互结果，例如，评估对象回答10个风险分析题目得到对应的10个解答信息，将该10个解答信息与预设评分标准进行对比，得到10个解答信息对应的10个分值，将该10个分值的加和确定为第二交互结果。
128.本申请实施例中，在评估对象与多模态数字人进行交互时，多模态数字人利用其具备的听、看能力，获取评估对象针对第二交互信息确定的第二交互结果，该第二交互结果可以是评估对象根据多模态数字人“写”出的文本信息或“说”的语音信息而给出的答案，评估对象可以是说出答案，也可以是在风险评估设备上选出对应的答案。风险评估设备基于评估对象输入的答案，确定得到第二交互结果。
129.步骤s3053，基于所述第二交互结果确定风险分析数据。
130.风险评估设备中存储有数值范围与风险分析数据的对应关系表，例如第二交互结果的取值范围为0至10，0至2对应低风险的风险分析数据，3至7对应中风险的风险分析数据，8至10对应高风险的风险分析数据，根据第二交互结果查询关系表，得到对应的风险分析数据。
131.本申请实施例中，根据第二交互信息确定第二交互结果后，查询预先存储的关系表得到评估对象的风险分析数据，实现对评估对象的风险分析。
132.进一步地，在上述步骤s3053之后，所述方法还可以包括以下步骤：
133.步骤s3054，获取所述评估对象在确定所述第二交互结果时的第二表情信息。
134.本申请实施例中，在评估对象与多模态数字人进行交互时，多模态数字人利用其具备的听、看能力，获取评估对象输入第二交互结果时的微表情，即图像采集装置采集评估对象在答题过程中包括表情特征的图像。然后基于采集到的图像进行表情提取，得到评估对象回答各个风险分析题目时的表情，基于提取到的这些表情确定第二表情信息。所述第二表情信息至少包括眼球视线、人脸朝向、情绪、眨眼频率、嘴部状态、面部遮挡和眉毛状态。
135.本申请实施例中，第二表情信息与第一表情信息的区别在于，第一表情信息对应评估对象回答性格分析题目时的表情，第二表情信息对应评估对象回答风险分析题目时的表情，第二表情信息与第一表情信息的获取方式相同。
136.步骤s3055，基于所述第二表情信息确定所述评估对象的第二心理分析数据。
137.这里，基于第二表情信息确定评估对象的第二心理分析数据的实现方式，与基于第一表情信息确定评估对象的第一心理分析数据的实现方式相同，具体参见步骤s405。
138.相应的，步骤s3055之后，图3所示实施例中步骤s306替换为：
139.步骤s3056，基于所述风险分析数据、所述第二心理分析数据和所述性格分析数据确定风险评估结果。
140.风险分析设备在图3所示实施例的基础上，考虑评估对象回答风险分析数据时的心理，再结合评估对象的性格分析数据和风险分析数据，建立更完善、精准的用户画像以辅助确定其风险评估结果，给出更全面、准确、安全的风险评估，进一步减少坏账损失。
141.基于前述的实施例，本申请实施例再提供一种风险评估方法，图5为本申请实施例提供的风险评估方法的又一种实现流程示意图，应用于图1a所示网络架构中的风险评估设备，如图5所示，所述风险评估方法包括以下步骤：
142.步骤s501，获取第一请求。
143.这里，风险评估设备可基于用户执行的触控操作获取到第一请求，例如，用户进入能够进行风险评估的app，执行进行风险评估的操作后，风险评估设备获取到第一请求。
144.步骤s502，响应于所述第一请求，输出用于确定性格分析数据的第一交互信息。
145.这里，所述第一交互信息包括多个性格分析题目，一个性格分析题目包括题干和/或多个备选项。本申请实施例中，风险评估设备可基于多模态数字人输出第一交互信息。
146.步骤s503，获取所述评估对象输入的各个性格分析题目对应的各个解答信息。
147.这里，所述各个解答信息由所述评估对象基于各个性格分析题目包括题干和/或多个备选项确定。
148.步骤s504，基于所述各个解答信息和预设的第一评分标准确定得到第一交互结果。
149.风险评估设备的存储空间中预先存储有第一评分标准，该第一评分标准是基于心理学设定的。利用第一评分标准对各个解答信息进行评分，得到第一交互结果。
150.步骤s505，在所述评估对象确定各个解答信息时，对所述评估对象进行图像采集，得到多个第一人脸图像。
151.风险评估设备基于多模态数字人获取评估对象在回答性格分析题目时的多个第一人脸图像，例如每个性格分析题目获取一个人脸图像。然后从多个第一人脸图像中提取评估对象的微表情。
152.步骤s506，基于所述多个第一人脸图像提取所述评估对象的第一表情信息。
153.这里，所述第一表情信息至少包括眼球视线、人脸朝向、情绪、眨眼频率、嘴部状态、面部遮挡和眉毛状态。
154.步骤s507，基于所述第一表情信息和预设的第二评分标准确定第一表情评分值。
155.风险评估设备的存储空间中预先存储有第二评分标准，该第二评分标准是基于评估对象的表情基准情况设定的。利用第二评分标准对第一表情信息进行评分，得到第一表情评分值。这里的第二评分标准是基于表情信息测试评估对象的性格特征。
156.步骤s508，获取所述第一交互结果对应的第一权重和所述第一表情评分值对应的第二权重。
157.这里第一权重和第二权重可以依据重视程度设定为0至1之间任一值，若认为交互结果对性格分析更重要，则对第一权重设置一较大的值；若认为微表情对性格分析更重要，则对第二权重设置一较大的值。
158.步骤s509，基于所述第一权重和所述第二权重，计算所述第一交互结果和所述第一表情评分值的加权和，得到加权值。
159.步骤s510，获取与所述加权值对应的性格分析数据，并将获取到的性格分析数据确定为所述评估对象的性格分析数据。
160.风险评估设备中存储有数值范围与性格分析数据的对应关系表，根据加权值查询关系表，得到该加权值对应的性格分析数据。
161.步骤s511，基于所述第一表情信息和预设的第三评分标准确定第二表情评分值。
162.风险评估设备的存储空间中预先存储有第三评分标准，该第三评分标准是基于评估对象的表情基准情况设定的。利用第三评分标准对第一表情信息进行评分，得到第二表情评分值。这里的第三评分标准是基于表情信息测试评估对象的心理特征。
163.步骤s512，获取与所述第二表情评分值对应的心理分析数据。
164.风险评估设备中存储有数值范围与心理分析数据的对应关系表，根据第二表情评分值查询关系表，得到该第二表情评分值对应的心理分析数据。
165.步骤s513，将获取到的心理分析数据确定为所述评估对象的第一心理分析数据。
166.步骤s514，输出用于确定风险分析数据的第二交互信息。
167.这里，所述第二交互信息包括多个风险分析题目，一个风险分析题目包括题干和/或多个备选项。
168.步骤s515，获取所述评估对象基于所述第二交互信息确定的第二交互结果。
169.风险评估设备的存储空间中预先存储有第四评分标准，该第四评分标准是基于风险评估经验设定的。利用第四评分标准对各个风险分析题目的解答信息进行评分，得到第二交互结果。
170.步骤s516，基于所述第二交互结果确定风险分析数据。
171.风险评估设备中存储有数值范围与风险分析数据的对应关系表，根据第二交互结果查询关系表，得到该第二交互结果对应的风险分析数据。
172.步骤s517，获取所述评估对象在确定所述第二交互结果时的第二表情信息。
173.在所述评估对象确定各个风险分析题目的解答信息时，对所述评估对象进行图像采集，得到多个第二人脸图像；然后基于所述多个第二人脸图像提取所述评估对象的第二表情信息。
174.这里，所述第二表情信息至少包括眼球视线、人脸朝向、情绪、眨眼频率、嘴部状态、面部遮挡和眉毛状态。
175.步骤s518，基于所述第二表情信息确定所述评估对象的第二心理分析数据。
176.步骤s519，基于所述风险分析数据、所述第二心理分析数据、所述性格分析数据和所述第一心理分析数据确定风险评估结果。
177.在一些实施例中，风险分析设备获取训练数据，对预设风险评估模型进行训练得到训练好的风险评估模型。在确定风险评估结果时，将风险分析数据、第二心理分析数据、性格分析数据和第一心理分析数据输入至训练好的风险评估模型中，得到风险评估结果。这里，所述训练数据包括风险分析训练数据、第二心理分析训练数据、性格分析训练数据和第一心理分析训练数据。
178.本申请实施例提供的风险评估方法，通过风险评估设备与评估对象进行交互实现对评估对象进行性格分析，从心理学角度判断评估对象的性格倾向，分析评估对象进行性格分析时的第一心理特征、进行风险分析时的第二心理特征，结合评估对象的性格倾向、心理特征和风险分析，能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
179.基于前述的实施例，本申请实施例再提供一种风险评估方法，图6为本申请实施例提供的风险评估方法的再一种实现流程示意图，应用于图1b所示的网络架构，如图6所示，所述风险评估方法包括以下步骤：
180.步骤s601，终端发送第一请求至风险评估设备。
181.这里，所述第一请求用于进行风险评估。终端上安装有能够进行风险评估的app，在该app中执行进行风险评估的操作后，触发终端发送第一请求至风险评估设备。
182.步骤s602，风险评估设备响应于所述第一请求，输出用于确定性格分析数据的第一交互信息至终端。
183.风险评估设备中预先存储多个用于进行性格分析的题目，获取到第一请求后，发
送携带有多个性格分析题目的第一交互信息至终端。
184.步骤s603，终端接收评估对象基于所述第一交互信息确定并输入的第一交互结果。
185.评估对象基于终端输出的多个性格分析题目进行性格测试，得到第一交互结果。
186.步骤s604，终端发送所述第一交互结果至风险评估设备。
187.这里，终端与风险评估设备交互过程中的交互信息均携带有能够确定评估对象身份的标识信息，以使风险评估设备获知对哪一评估对象进行风险评估。
188.步骤s605，终端在所述评估对象确定各个解答信息时，对所述评估对象进行图像采集，得到多个第一人脸图像。
189.步骤s606，终端基于所述多个第一人脸图像确定第一表情信息。
190.在一些实施例中，终端可基于多模态数字人确定评估对象的第一表情信息。
191.步骤s607，终端将所述第一表情信息发送至风险评估设备。
192.步骤s608，风险评估设备基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据。
193.风险评估设备基于第一交互结果和第一表情信息确定一加权值，根据该加权值查询存储空间中存储的数值范围与性格分析数据的关系表，得到该加权值对应的性格分析数据。
194.步骤s609，风险评估设备基于所述第一表情信息确定所述评估对象的第一心理分析数据。
195.风险评估设备基于第一表情信息确定一评分值，根据该评分值查询存储空间中存储的数值范围与心理分析数据的关系表，得到该评分值对应的第一心理分析数据。这里的第一心理分析数据为评估对象进行性格分析时的心理特征。
196.步骤s610，风险评估设备输出用于确定风险分析数据的第二交互信息至终端。
197.这里，所述第二交互信息包括多个风险分析题目，一个风险分析题目包括题干和/或多个备选项。
198.步骤s611，终端接收评估对象基于所述第二交互信息确定并输入的第二交互结果。
199.评估对象基于终端输出的多个风险分析题目进行风险分析测试，得到第二交互结果。
200.步骤s612，终端发送所述第二交互结果至风险评估设备。
201.步骤s613，终端在所述评估对象确定第二交互结果时，对所述评估对象进行图像采集，得到多个第二人脸图像。
202.步骤s614，终端基于所述多个第二人脸图像确定第二表情信息。
203.在一些实施例中，终端可基于多模态数字人确定评估对象的第二表情信息。
204.步骤s615，终端将第二表情信息发送至风险评估设备。
205.步骤s616，风险评估设备基于所述第二表情信息确定所述评估对象的第二心理分析数据。
206.风险评估设备基于第二表情信息确定一评分值，根据该评分值查询存储空间中存储的数值范围与心理分析数据的关系表，得到该评分值对应的第二心理分析数据。这里的
第二心理分析数据为评估对象进行风险分析时的心理特征。
207.步骤s617，风险评估设备基于第二交互信息确定风险分析数据。
208.风险评估设备中存储有数值范围与风险分析数据的对应关系表，根据第二交互结果查询关系表，得到该第二交互结果对应的风险分析数据。
209.步骤s618，风险评估设备基于所述风险分析数据、所述第二心理分析数据、所述性格分析数据和所述第一心理分析数据确定风险评估结果。
210.在一些实施例中，风险分析设备获取训练数据，对预设风险评估模型进行训练得到训练好的风险评估模型。在确定风险评估结果时，将风险分析数据、第二心理分析数据、性格分析数据和第一心理分析数据输入至训练好的风险评估模型中，得到风险评估结果。这里，所述训练数据包括风险分析训练数据、第二心理分析训练数据、性格分析训练数据和第一心理分析训练数据。
211.本申请实施例提供的风险评估方法，风险评估设备基于终端与评估对象进行交互，对评估对象进行性格分析，从心理学角度判断评估对象的性格倾向，并利用终端采集到的评估对象的人脸图像，分析评估对象进行性格分析时的第一心理特征、进行风险分析时的第二心理特征，结合评估对象的性格倾向、心理特征和风险分析，能够提高风险评估结果的准确度，有助于降低金融信贷业务的风险，进而降低坏账损失。
212.下面，将说明本申请实施例在一个实际的应用场景中的示例性应用。
213.在目前的金融风控模型中，对于贷款个人用户及企业用户，风控模型主要根据用户客观资料(如：用户本人具体信息及在其他金融系统所有相关数据、企业具体信息、行业发展前景等)进行风险评估。风险评估仅考虑用户客观信息，缺乏对用户心理、性格等主观影响因素的风险评估，导致贷款诈骗贷款后坏账情况比较多，坏账率较高。
214.为解决上述问题，本申请实施例提供一种利用多模态数字人技术辅助风险评估探测贷款用户主观心理特征的机器人，图7为本申请实施例提供的风险评估的又一种实现流程示意图，如图7所述，所述方法包括以下步骤：
215.步骤s701，用户接入金融机构多模态数字人。
216.用户在进行贷款前，可让用户通过金融机构的app接入多模态数字人。即用户注册并登入已连接多模态数字人的金融app。
217.步骤s702，多模态数字人根据一系列专业心理学评估问题与贷款用户进行交互。
218.这里，评估问题是由专业的评估机构确定的，一般均为选择题。多模态数字人可以通过终端的显示界面显示评估题目和选项，由用户手动选择选项；或者多模态数字人可以通过终端的扬声器播放评估题目和选项，由终端的麦克风采集用户语音，并对该语音进行语音识别确定用户选择的选项；当然还可以其他方式进行交互。
219.步骤s703，通过人脸识别对用户交互时的微表情进行识别分析。
220.在交互过程中，多模态数字人通过终端的摄像头或者外置的、且能够与多模态数字人传输信息的图像采集设备采集用户的图像，对采集到的图像进行识别分析，从中提取用户交互过程中的微表情和动作，如表现在面部(视线、嘴角、眉毛等)或行为姿态上的思想感情。
221.步骤s704，评估用户性格倾向及心理特点，得到用户心理特征数据。
222.通过多模态数字人心理学角度的分析，评估贷款用户性格倾向等心理内在特征，
如小微企业的ceo是否有灵活的思维，做事情是否有坚持性、韧性等，进而从另一方面预估该企业运营的成功性等。
223.步骤s705，将获取的用户心理特征数据结合风控模型中的客户数据，对用户进行风险评估，得到评估结果。
224.将多模态数字人获取的用户心理特征数据，即贷款用户性格心理分析数据加入风控模型中，建立更完善、精准的贷款用户画像以辅助风控模型给出更全面、准确、安全的风险评估，进而有效降低坏账率。
225.本申请实施例提供的风险评估方法，利用人脸识别技术对贷款用户精细微表情等内在主观心理倾向进行分析，从心理学角度判断贷款用户性格倾向及心理特征，并将此加入风控模型，结合风控模型中已存在的客观资料进行风险评估，使风险评估结果更全面，准确性、安全性更高，能够实现风险规避，降低坏账率。
226.下面继续说明本申请实施例提供的风险评估装置的实施为软件模块的示例性结构，在一些实施例中，如图2所示，存储在存储器140的风险评估装置80应用于进行风险评估，所述风险评估装置80中的软件模块可以包括：
227.输出模块81，用于响应于获取到的用于进行风险评估的第一请求，输出用于确定性格分析数据的第一交互信息；
228.第一获取模块82，用于获取评估对象基于所述第一交互信息确定的第一交互结果；
229.第二获取模块83，用于获取所述评估对象在确定所述第一交互结果时的第一表情信息；
230.第一确定模块84，用于基于所述第一交互结果和所述第一表情信息确定所述评估对象的性格分析数据；
231.第三获取模块85，用于获取风险分析数据；
232.第二确定模块86，用于基于所述风险分析数据和所述性格分析数据确定风险评估结果。
233.在一些实施例中，所述风险评估装置80还可以包括：
234.第三确定模块，用于基于所述第一表情信息确定所述评估对象的第一心理分析数据；
235.相应的，所述第二确定模块86，还用于：
236.基于所述风险分析数据、所述性格分析数据和所述第一心理分析数据确定风险评估结果。
237.在一些实施例中，所述第一交互信息包括多个性格分析题目，一个性格分析题目包括题干和/或多个备选项；
238.所述第一获取模块82，还用于：
239.获取所述评估对象输入的各个性格分析题目对应的各个解答信息，所述各个解答信息由所述评估对象基于各个性格分析题目包括题干和/或多个备选项确定；
240.基于所述各个解答信息和预设的第一评分标准确定得到第一交互结果。
241.在一些实施例中，所述第二获取模块83，还用于：
242.在所述评估对象确定各个解答信息时，对所述评估对象进行图像采集，得到多个
第一人脸图像；
243.基于所述多个第一人脸图像提取所述评估对象的第一表情信息，所述第一表情信息至少包括眼球视线、人脸朝向、情绪、眨眼频率、嘴部状态、面部遮挡和眉毛状态。
244.在一些实施例中，所述第一确定模块84，还用于：
245.基于所述第一表情信息和预设的第二评分标准确定第一表情评分值；
246.获取所述第一交互结果对应的第一权重和所述第一表情评分值对应的第二权重；
247.基于所述第一权重和所述第二权重，计算所述第一交互结果和所述第一表情评分值的加权和，得到加权值；
248.获取与所述加权值对应的性格分析数据，并将获取到的性格分析数据确定为所述评估对象的性格分析数据。
249.在一些实施例中，所述第三确定模块，还用于：
250.基于所述第一表情信息和预设的第三评分标准确定第二表情评分值；
251.获取与所述第二表情评分值对应的心理分析数据，并将获取到的心理分析数据确定为所述评估对象的第一心理分析数据。
252.在一些实施例中，所述第三获取模块85，还用于：
253.输出用于确定风险分析数据的第二交互信息，所述第二交互信息包括多个风险分析题目，一个风险分析题目包括题干和/或多个备选项；
254.获取所述评估对象基于所述第二交互信息确定的第二交互结果，并基于所述第二交互结果确定风险分析数据。
255.在一些实施例中，所述风险评估装置80还可以包括：
256.第四获取模块，用于获取所述评估对象在确定所述第二交互结果时的第二表情信息；
257.第四确定模块，用于基于所述第二表情信息确定所述评估对象的第二心理分析数据；
258.相应的，所述第二确定模块86，还用于：
259.基于所述风险分析数据、所述第二心理分析数据和所述性格分析数据确定风险评估结果。
260.这里需要指出的是：以上风险评估装置实施例项的描述，与上述方法描述是类似的，具有同方法实施例相同的有益效果。对于本申请风险评估装置实施例中未披露的技术细节，本领域的技术人员请参照本申请方法实施例的描述而理解。
261.本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例上述的风险评估方法。
262.本申请实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图3至图7示出的方法。
263.在一些实施例中，存储介质可以是fram、rom、prom、eprom、eeprom、闪存、磁表面存储器、光盘、或cd
‑
rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
264.在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
265.作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(html，hyper text markup language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
266.作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
267.以上所述，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。