风险识别方法、装置、设备及存储介质与流程

本申请涉及计算机，尤其涉及一种风险识别方法、装置、设备及存储介质。

背景技术：

1、中小企业作为国民经济的重要组成部分，对经济发展具有重要意义。由于中小企业信息建立不完善、各企业信息独立存在，数据结构差异大，在做商业决策时不能快速识别出潜在的风险企业。

2、目前对中小企业的信用风险识别，一是基于风险企业已经发生过的存在法律纠纷的事件或者严重行政处罚事件，二是基于目标企业的经营、财务、市场等指标来预测的，但识别的准确性都无法满足当前的需求。

技术实现思路

1、本申请提供一种风险识别方法、装置、设备及存储介质，用以解决现有技术中对企业风险识别准确性低的问题。

2、第一方面，本申请提供一种风险识别方法，包括：

3、从多个目标实体的多维度历史信息中获取预设维度的初始训练数据集，并利用所述初始训练数据集训练预先搭建的风险识别模型，得到初始的风险识别模型；

4、利用所述初始的风险识别模型确定所述预设维度中不同维度对应的历史信息对风险识别的贡献度，并根据所述贡献度从所述预设维度中筛选出目标维度；

5、从所述多维度历史信息中获取所述目标维度的目标训练数据集，并利用所述目标训练数据集对所述初始的风险识别模型进行优化，得到优化的风险识别模型；

6、利用所述优化的风险识别模型对任意实体进行风险识别。

7、第二方面，本申请提供一种风险识别装置，包括：

8、初始训练模块，用于从多个目标实体的多维度历史信息中获取预设维度的初始训练数据集，并利用所述初始训练数据集训练预先搭建的风险识别模型，得到初始的风险识别模型；

9、贡献度确定模块，用于利用所述初始的风险识别模型确定所述预设维度中不同维度对应的历史信息对风险识别的贡献度，并根据所述贡献度从所述预设维度中筛选出目标维度；

10、模型优化模块，用于从所述多维度历史信息中获取所述目标维度的目标训练数据集，并利用所述目标训练数据集对所述初始的风险识别模型进行优化，得到优化的风险识别模型；

11、风险识别模块，用于利用所述优化的风险识别模型对任意实体进行风险识别。

12、第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请实施例中任一所述的风险识别方法。

13、第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例中任一所述的风险识别方法。

14、本申请提供的风险识别方法、装置、设备及存储介质，先从多个目标实体的多维度历史信息中获取预设维度的初始训练数据集，并训练风险识别模型得到初始的风险识别模型，然后利用初始的风险识别模型确定预设维度中不同维度对应的历史信息对风险识别的贡献度，并根据贡献度从预设维度中筛选出目标维度，接着，从多维度历史信息中获取目标维度的目标训练数据集，并对初始的风险识别模型进行优化，得到优化的风险识别模型，最后利用优化的风险识别模型对任意实体进行风险识别。由此，结合与实体相关联的多维度历史数据来训练模型，并且在得到初始模型之后，依据不同维度的数据对实体风险识别的贡献度，选择目标维度的数据再次对模型进行训练和优化，从而提高模型的训练效果，进而提高模型对实体风险识别的准确性。

技术特征：

1.一种风险识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述多维度历史信息至少包括所述目标实体的属性信息、交易类信息和风险要素信息，其中，所述交易类信息表示所述目标实体和与之存在关联的其他实体之间存在的交易类信息。

3.根据权利要求1所述的方法，其特征在于，所述风险识别模型为bp神经网络模型。

4.根据权利要求1所述的方法，其特征在于，所述利用所述初始训练数据集训练预先搭建的风险识别模型，得到初始的风险识别模型，包括：

5.根据权利要求1所述的方法，其特征在于，所述利用所述初始的风险识别模型确定所述预设维度中不同维度对应的历史信息对风险识别的贡献度，并根据所述贡献度从所述预设维度中筛选出目标维度，包括：

6.一种风险识别装置，其特征在于，包括：

7.根据权利要求6所述的装置，其特征在于，所述初始训练模块包括：

8.根据权利要求6所述的装置，其特征在于，所述贡献度确定模块包括：

9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

10.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-5中任一项所述的风险识别方法。

技术总结
本申请提供一种风险识别方法、装置、设备及存储介质，涉及计算机技术领域。其中，该方法包括：从多个目标实体的多维度历史信息中获取预设维度的初始训练数据集，并利用所述初始训练数据集训练预先搭建的风险识别模型，得到初始的风险识别模型；利用所述初始的风险识别模型确定所述预设维度中不同维度对应的历史信息对风险识别的贡献度，并根据所述贡献度从所述预设维度中筛选出目标维度；从所述多维度历史信息中获取所述目标维度的目标训练数据集，并利用所述目标训练数据集对所述初始的风险识别模型进行优化。本申请可以提高实体风险识别的准确性。

技术研发人员：丁小洪
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：
技术公布日：2024/3/17