业务风险预测方法、装置、设备及存储介质与流程

本说明书涉及人工智能在业务风险预测领域的应用，尤其是涉及一种业务风险预测方法、装置、设备及存储介质。

背景技术：

1、在金融、环保、工业控制、物流、医疗等领域常涉及业务风险（例如安全风险、环境污染风险、操作风险等）识别。例如，以金融场景为例，金融机构需要评估客户的安全风险，会通过经授权的客户信息，建立风险评估模型，以区分高风险客户和低风险客户。

2、近年来人工智能已开始应用于业务风险识别。在基于人工智能模型的业务风险识别中，会使用经授权的公开数据或第三方数据，以提升模型的预测能力（例如识别精度）；但是，由于使用的数据越多，则造成处理的数据越多，提高了数据处理的成本，降低了业务识别的效率。因此，如何兼顾业务风险识别总体的预测成本、预测效率和预测精度，已成为目前亟待解决的技术问题。

技术实现思路

1、本说明书实施例的目的在于提供一种业务风险预测方法、装置、设备及存储介质，以兼顾业务风险识别总体的预测成本、预测效率和预测精度。

2、为达到上述目的，一方面，本说明书实施例提供了一种业务风险预测方法，包括：

3、接收针对指定对象业务风险的查询请求；

4、从第一数据源中获取与所述指定对象对应的第一参数组合数据，并将所述第一参数组合数据输入至预训练的分流模型，获得分流参数；

5、如果所述分流参数达到分流阈值，则从所述第一数据源中获取与所述指定对象对应的第二参数组合数据，并将所述第二参数组合数据输入至预训练的第一预测模型，获得所述指定对象的业务风险；

6、如果所述分流参数未达到分流阈值，则从第二数据源及所述第一数据源中获取所述指定对象对应的第三参数组合数据，并将所述第三参数组合数据输入至预训练的第二预测模型，获得所述指定对象的业务风险。

7、在本说明书实施例的业务风险预测方法中，所述分流模型预先根据以下方式训练得到：

8、从所述第一数据源和所述第二数据源中随机抽取一部分数据形成数据集；

9、根据所述数据集中来源于所述第一数据源的数据样本构建不同参数组合的输入数据；

10、以所述不同参数组合的输入数据为输入，并以预设预测目标为目标输出，训练初始模型，直至训练得到的当前模型的评价参数满足预设条件，获得所述分流模型；其中，获得所述分流模型时的输入数据对应的参数组合为第一参数组合。

11、在本说明书实施例的业务风险预测方法中，所述不同参数组合包括：任意两种及两种以上影响参数字段的至少部分组合。

12、在本说明书实施例的业务风险预测方法中，所述预设预测目标通过以下方式确定：

13、根据第二参数组合，从所述数据集中选择多个目标对象的第一数据输入至所述第一预测模型，获得第一预测结果集合，所述第一数据来源于所述第一数据源；并根据第三参数组合，从所述数据集中选择所述多个目标对象的第二数据，输入至所述第二预测模型，获得第二预测结果集合，所述第二数据来源于所述第一数据源及所述第二数据源；

14、转换所述第一预测结果集合中的第一预测结果为第一参数，获得第一参数集合；并转换所述第二预测结果集合中的第二预测结果为第二参数，获得第二参数集合；

15、识别所述第一参数集合和所述第二参数集合中的相等元素对集合、以及不等元素集合；其中，若所述第一参数集合的第一元素和所述第二参数集合的第二元素对应同一目标对象且相等，则所述第一元素和所述第二元素为相等元素对；若所述第一参数集合的第一元素和所述第二参数集合的第二元素对应同一目标对象且不等，则所述第一元素和所述第二元素为不等元素对；将所述第一数据和所述第二数据中，与所述相等元素对集合对应的数据标记为第一值；并将所述第一数据和所述第二数据中，与所述不等元素对集合对应的数据标记为第二值；其中，所述第一值表示预测结果一致，所述第二值表示预测结果不一致。

16、在本说明书实施例的业务风险预测方法中，所述转换所述第一预测结果集合中的第一预测结果为第一参数，获得第一参数集合；并转换所述第二预测结果集合中的第二预测结果为第二参数，获得第二参数集合，包括：

17、按照预设的转换规则，转换所述第一预测结果集合中的第一预测结果为第一中间参数，获得第一中间参数集合；并按照所述转换规则，转换所述第二预测结果集合中的第二预测结果为第二中间参数，获得第二中间参数集合；

18、将所述第一中间参数集合中第一中间参数的取值范围，按照指定分位数划分为多个第一中间参数区间；并将所述第二中间参数集合中第二中间参数的取值范围，按照所述指定分位数划分为多个第二中间参数区间；

19、按照预设的映射规则，将所述第一中间参数集合中，落入相同第一中间参数区间内的第一中间参数赋予相同值，获得第一参数集合；并按照所述映射规则，将所述第二中间参数集合中，落入相同第二中间参数区间内的第二中间参数赋予相同值。

20、在本说明书实施例的业务风险预测方法中，所述分流阈值预先根据以下方式获得：

21、根据所述第一参数组合从所述第一数据源获取数据，并根据获取的数据生成多个模拟查询请求；

22、针对多个分流比例中的每一分流比例，确定所述分流模型对应所述每一分流比例的分流参数、所述第一预测模型和所述第二预测模型对应所述每一分流比例的总体的预测精度参数，获得分流参数集合和预测精度参数集合；其中，所述分流参数和所述预测精度参数根据所述分流模型按照所述每一分流比例，将所述多个模拟查询请求分流至所述第一预测模型、第二预测模型处理后得到；确定所述预测精度参数集合中，达到预设阈值的最小预测精度参数；

23、将所述分流参数集合中，与所述最小预测精度参数对应的分流参数作为所述分流模型的分流阈值。

24、另一方面，本说明书实施例还提供了一种业务风险预测装置，包括：

25、请求接收模块，用于接收针对指定对象业务风险的查询请求；

26、数据输入模块，用于从第一数据源中获取与所述指定对象对应的第一参数组合数据，并将所述第一参数组合数据输入至预训练的分流模型，获得分流参数；

27、分流预测模块，用于当所述分流参数达到分流阈值时，从所述第一数据源中获取与所述指定对象对应的第二参数组合数据，并将所述第二参数组合数据输入至预训练的第一预测模型，获得所述指定对象的业务风险；当所述分流参数未达到分流阈值时，从第二数据源及所述第一数据源中获取所述指定对象对应的第三参数组合数据，并将所述第三参数组合数据输入至预训练的第二预测模型，获得所述指定对象的业务风险。

28、另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时，执行上述方法的指令。

29、另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。

30、另一方面，本说明书实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被计算机设备的处理器运行时，执行上述方法的指令。

31、由以上本说明书实施例提供的技术方案可见，在本说明书实施例中，预测业务风险的成本和精度与数据源的数量正相关，预测业务风险的效率与数据源的数量负相关，即考虑的数据源越少，则业务风险的预测成本和预测精度相应越低，但预测效率也相应越高，而考虑的数据源越多，则业务风险的预测成本和预测精度相应越高，但预测效率也相应越低。因此，由于第一预测模型仅考虑第一数据源的数据，则使用第一预测模型越多，总体的业务风险预测成本就越低，且总体的业务风险预测效率就越高，但总体的业务风险预测精度也越低；同理，由于第二预测模型考虑了第一数据源及第二数据源的数据，使用第二预测模型越多，总体的业务风险预测精度就越高，但总体的业务风险预测成本也越高，且总体的业务风险预测效率就越低；本说明书实施例通过预训练的分流模型，可以合理控制请求分流至第一预测模型和第二预测模型的比例，从而可以更有效地兼顾业务风险识别总体的预测成本、预测效率和预测精度。