一种风险处理方法、装置、电子设备及存储介质与流程

本发明涉及计算机，特别是涉及一种风险处理方法、装置、电子设备及存储介质。

背景技术：

1、在日常生活中，用户会遇到不同的风险，且该风险与用户当前所处的场景相关。例如，针对用户居家的场景，会遇到燃气泄漏风险、火灾风险等环境风险；针对用户个体的场景，会遇到跌倒、突发疾病等身体风险，以及认知障碍、焦虑抑郁等心理风险；针对业务运营的场景，会遇到金融诈骗风险、会员流失风险等业务风险。

2、为了减少或者避免风险造成的损失，亟需一种能够有效地对场景中的风险进行处理的方法。

技术实现思路

1、本发明实施例的目的在于提供一种风险处理的方法、装置、电子设备及存储介质，能够实现对待检测场景的监控，确定待检测场景中是否发生风险，并及时告警，以减少或者避免风险造成的损失。具体技术方案如下：

2、在本发明实施的第一方面，提供了一种风险处理方法，所述方法包括：

3、获取预设历史时间段内针对待检测场景的预设检测参数的参数值，作为待检测参数值；

4、基于所述待检测场景对应的风险处理模型对所述待检测参数值进行处理，得到所述待检测场景中发生预设风险的概率，作为预测概率；其中，所述风险处理模型为基于所述待检测场景中目标用户的用户画像和样本场景中针对所述预设检测参数的样本检测参数进行训练得到的；

5、若所述预测概率满足第一预设告警条件，则采用所述预设风险对应的告警方式进行告警。

6、可选的，所述基于所述待检测场景对应的风险处理模型对所述待检测参数值进行处理，得到所述待检测场景中发生预设风险的概率，作为预测概率，包括：

7、若所述待检测参数值满足第二预设告警条件，将所述待检测参数值输入至所述待检测场景对应的第一风险处理模型，得到所述待检测场景在所述预设历史时间段内发生预设风险的概率，作为预测概率；其中，所述第一风险处理模型为基于第一样本时间段内第一样本场景针对所述预设检测参数的样本检测参数值，以及表示所述样本场景在所述第一样本时间段内是否发生所述预设风险的标签训练得到的；

8、若所述待检测参数值不满足第二预设告警条件，将所述待检测参数值输入至所述待检测场景对应的第二风险处理模型，得到所述待检测场景在所述预设历史时间段后发生预设风险的概率，作为预测概率；其中，所述第二风险处理模型为基于第二样本时间段内第二样本场景针对所述预设检测参数的样本检测参数值，以及表示所述第二样本场景在所述第二样本时间段后的第三样本时间段内是否发生所述预设风险的标签训练得到的。

9、可选的，所述预设检测参数包括以下至少一项：所述待检测场景的环境参数、所述目标用户的生理参数和行为参数。

10、可选的，所述环境参数包括以下至少一项：所述待检测场景中的烟雾浓度、温度和燃气浓度；所述生理参数包括以下至少一项：所述目标用户的心率、呼吸频率、血糖、血压，情绪状态和精神状态；所述行为参数包括以下至少一项：所述目标用户的物理位置、开关门动作、睡眠时长和运动时长。

11、可选的，所述若所述预测概率满足第一预设告警条件，则采用所述预设风险的告警方式进行告警，包括：

12、若所述预测概率大于预设概率阈值，或，所述预测概率小于预设概率阈值且呈增大趋势变化，则采用所述预设风险的告警方式进行告警。

13、可选的，在所述若所述预测概率满足第一预设告警条件，则采用所述预设风险的告警方式进行告警之后，所述方法还包括：

14、根据所述目标用户针对所述告警的反馈结果，对所述风险处理模型的模型参数进行调整，以更新所述风险处理模型。

15、可选的，所述基于所述待检测场景对应的风险处理模型对所述待检测参数值进行处理，得到所述待检测场景中发生预设风险的概率，作为预测概率，包括：

16、采用预设方式对所述待检测参数值进行预处理；其中，所述预设方式包括以下至少一项：补充缺失的参数值、去除异常的参数值和统一参数值的数据格式；

17、将预处理后的待检测参数值输入至待检测场景对应的风险处理模型，得到所述待检测场景中发生预设风险的概率，作为预测概率。

18、在本发明实施的第二方面，提供了一种风险处理装置，所述装置包括：

19、获取模块，用于获取预设历史时间段内针对待检测场景的预设检测参数的参数值，作为待检测参数值；

20、预测概率模块，用于基于所述待检测场景对应的风险处理模型对所述待检测参数值进行处理，得到所述待检测场景中发生预设风险的概率，作为预测概率；其中，所述风险处理模型为基于所述待检测场景中目标用户的用户画像和样本场景中针对所述预设检测参数的样本检测参数进行训练得到的；

21、处理模块，用于若所述预测概率满足第一预设告警条件，则采用所述预设风险对应的告警方式进行告警。

22、可选的，所述预测概率模块包括：

23、第一预测概率子模块，用于若所述待检测参数值满足第二预设告警条件，将所述待检测参数值输入至所述待检测场景对应的第一风险处理模型，得到所述待检测场景在所述预设历史时间段内发生预设风险的概率，作为预测概率；其中，所述第一风险处理模型为基于第一样本时间段内第一样本场景针对所述预设检测参数的样本检测参数值，以及表示所述样本场景在所述第一样本时间段内是否发生所述预设风险的标签训练得到的；

24、第二预测概率子模块，用于若所述待检测参数值不满足第二预设告警条件，将所述待检测参数值输入至所述待检测场景对应的第二风险处理模型，得到所述待检测场景在所述预设历史时间段后发生预设风险的概率，作为预测概率；其中，所述第二风险处理模型为基于第二样本时间段内第二样本场景针对所述预设检测参数的样本检测参数值，以及表示所述第二样本场景在所述第二样本时间段后的第三样本时间段内是否发生所述预设风险的标签训练得到的。

25、可选的，所述预设检测参数包括以下至少一项：所述待检测场景的环境参数、所述目标用户的生理参数和行为参数。

26、可选的，所述环境参数包括以下至少一项：所述待检测场景中的烟雾浓度、温度和燃气浓度；所述生理参数包括以下至少一项：所述目标用户的心率、呼吸频率、血糖、血压，情绪状态和精神状态；所述行为参数包括以下至少一项：所述目标用户的物理位置、开关门动作、睡眠时长和运动时长。

27、可选的，所述处理模块具体用于若所述预测概率大于预设概率阈值，或，所述预测概率小于预设概率阈值且呈增大趋势变化，则采用所述预设风险的告警方式进行告警。

28、可选的，所述装置还包括：

29、更新模块，用于在所述若所述预测概率满足第一预设告警条件，则采用所述预设风险的告警方式进行告警之后，根据所述目标用户针对所述告警的反馈结果，对所述风险处理模型的模型参数进行调整，以更新所述风险处理模型。

30、可选的，所述预测概率模块包括：

31、预处理子模块，用于采用预设方式对所述待检测参数值进行预处理；其中，所述预设方式包括以下至少一项：补充缺失的参数值、去除异常的参数值和统一参数值的数据格式；

32、第三预测概率子模块，用于将预处理后的待检测参数值输入至待检测场景对应的风险处理模型，得到所述待检测场景中发生预设风险的概率，作为预测概率。

33、本发明实施例还提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

34、存储器，用于存放计算机程序；

35、处理器，用于执行存储器上所存放的程序时，实现上述任一所述的风险处理方法步骤。

36、本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的风险处理方法步骤。

37、本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的风险处理方法。

38、本发明实施例提供的一种风险处理方法，获取预设历史时间段内针对待检测场景的预设检测参数的参数值，作为待检测参数值；基于待检测场景对应的风险处理模型对待检测参数值进行处理，得到待检测场景中发生预设风险的概率，作为预测概率；其中，风险处理模型为基于待检测场景中目标用户的用户画像进行训练得到的；若预测概率满足第一预设告警条件，则采用预设风险的告警方式进行告警。

39、基于上述处理，能够基于待检测场景中的待检测参数值，确定待检测场景中发生预设风险的预测概率，并在预测概率满足第一预设告警条件时进行告警，即，能够实现对待检测场景的监控，确定待检测场景中是否发生风险，并及时告警，以减少或者避免风险造成的损失。

40、当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。