本公開涉及人工智能和大數(shù)據(jù)，尤其涉及一種風險分析模型的訓(xùn)練方法、風險數(shù)據(jù)的分析方法、裝置、設(shè)備、介質(zhì)和產(chǎn)品。

背景技術(shù)：

1、隨著金融機構(gòu)的數(shù)字化轉(zhuǎn)型，金融機構(gòu)需要利用風險防控分析模型來對相關(guān)風險數(shù)據(jù)(例如市場風險數(shù)據(jù)、操作風險數(shù)據(jù)、信用風險數(shù)據(jù)等)進行整合和分析，從而得到相關(guān)風險數(shù)據(jù)的分析結(jié)果。

2、在構(gòu)思本公開的過程中，發(fā)明人發(fā)現(xiàn)在相關(guān)技術(shù)中針對風險數(shù)據(jù)的分析存在如下缺陷：待分析數(shù)據(jù)的數(shù)據(jù)質(zhì)量較差，影響風險分析結(jié)果的準確性；傳統(tǒng)風險數(shù)據(jù)分析中僅基于輸入數(shù)據(jù)(待分析數(shù)據(jù))固定生成輸出風險分析結(jié)果，缺乏考慮實際業(yè)務(wù)需求和不同用戶偏好，導(dǎo)致風險分析結(jié)果欠佳，用戶體驗感差，難以滿足實際業(yè)務(wù)需求。

技術(shù)實現(xiàn)思路

1、鑒于上述問題，本公開提供了一種風險分析模型的訓(xùn)練方法、風險數(shù)據(jù)的分析方法、裝置、設(shè)備、介質(zhì)和產(chǎn)品。

2、根據(jù)本公開的第一個方面，提供了一種風險分析模型的訓(xùn)練方法，包括：將目標樣本風險數(shù)據(jù)輸入至第一風險分析模型中，輸出樣本風險分析結(jié)果，其中，上述目標樣本風險數(shù)據(jù)包括與上述目標樣本風險數(shù)據(jù)對應(yīng)的標簽；

3、利用上述樣本風險分析結(jié)果以及與上述樣本風險分析結(jié)果對應(yīng)的標簽訓(xùn)練上述第一風險分析模型，得到第二風險分析模型；以及

4、利用目標評估模型和預(yù)設(shè)更新策略對上述第二風險分析模型進行更新，生成第三風險分析模型，其中，上述目標評估模型用于基于由上述樣本風險數(shù)據(jù)和上述樣本風險分析結(jié)果組成的數(shù)據(jù)對進行打分。

5、根據(jù)本公開的實施例，上述目標評估模型的獲取方式包括：

6、獲取上述樣本風險數(shù)據(jù)和上述樣本風險分析結(jié)果；以及

7、根據(jù)上述樣本風險數(shù)據(jù)、上述樣本風險分析結(jié)果以及與上述樣本風險分析結(jié)果對應(yīng)的反饋數(shù)據(jù)訓(xùn)練初始評估模型，得到上述目標評估模型。

8、根據(jù)本公開的實施例，上述反饋數(shù)據(jù)與用戶的需求相關(guān)聯(lián)，包括多個反饋子數(shù)據(jù)，上述反饋子數(shù)據(jù)包括由上述目標樣本風險數(shù)據(jù)與上述樣本風險分析結(jié)果組成的數(shù)據(jù)對，以及與上述數(shù)據(jù)對相對應(yīng)的反饋數(shù)據(jù)，上述反饋數(shù)據(jù)用于表征相對于同一樣本風險數(shù)據(jù)生成的上述樣本風險分析結(jié)果的正向反饋或負向反饋。

9、根據(jù)本公開的實施例，上述預(yù)設(shè)更新策略包括近端策略優(yōu)化算法；

10、其中，上述利用目標評估模型和預(yù)設(shè)更新策略對上述第二風險分析模型進行更新，生成第三風險分析模型，包括：

11、利用上述目標評估模型和上述近端策略優(yōu)化算法對上述第二風險分析模型的參數(shù)進行更新，生成第三風險分析模型。

12、根據(jù)本公開的實施例，上述第三風險分析模型在用于實現(xiàn)風險分析結(jié)果的結(jié)果序列中獲得的累計反饋數(shù)據(jù)滿足預(yù)設(shè)條件，上述累計反饋數(shù)據(jù)是根據(jù)上述風險分析結(jié)果中的每個階段對應(yīng)的反饋數(shù)據(jù)得到的。

13、根據(jù)本公開的實施例，上述近端策略優(yōu)化算法包括行為優(yōu)化算法和評判優(yōu)化算法，上述結(jié)果序列包括至少一個階段；

14、其中，上述結(jié)果序列中的每個階段包括：

15、根據(jù)上述目標樣本風險數(shù)據(jù)和上述行為優(yōu)化算法，生成與上述目標樣本風險數(shù)據(jù)對應(yīng)的風險分析結(jié)果；以及

16、根據(jù)上述目標樣本風險數(shù)據(jù)和上述風險分析結(jié)果，生成當前階段的反饋數(shù)據(jù)。

17、根據(jù)本公開的實施例，上述方法還包括：

18、在接收到來自于目標數(shù)據(jù)源發(fā)送的第一樣本風險數(shù)據(jù)的情況下，對上述第一風險數(shù)據(jù)進行篩選，得到第二樣本風險數(shù)據(jù)；以及

19、對上述第二樣本風險數(shù)據(jù)進行處理，得到目標樣本風險數(shù)據(jù)，其中，上述目標樣本風險數(shù)據(jù)表征為與多個風險類型相對應(yīng)的樣本風險詞向量。

20、本公開的第二方面提供了一種風險數(shù)據(jù)的分析方法，包括：

21、將獲得到的初始風險數(shù)據(jù)輸入至第三風險分析模型，輸出目標風險分析結(jié)果，其中，上述第三風險分析模型是基于上述方法訓(xùn)練得到的。

22、本公開的第三方面提供了一種風險分析模型的訓(xùn)練裝置，包括：

23、樣本風險分析結(jié)果輸出模塊，用于將目標樣本風險數(shù)據(jù)輸入至第一風險分析模型中，輸出樣本風險分析結(jié)果，其中，上述目標樣本風險數(shù)據(jù)包括與上述目標樣本風險數(shù)據(jù)對應(yīng)的標簽；

24、第一風險分析模型訓(xùn)練模塊，用于利用上述樣本風險分析結(jié)果以及與上述樣本風險分析結(jié)果對應(yīng)的標簽訓(xùn)練上述第一風險分析模型，得到第二風險分析模型；以及

25、第三風險分析模型生成模塊，用于利用目標評估模型和預(yù)設(shè)更新策略對上述第二風險分析模型進行更新，生成第三風險分析模型，其中，上述目標評估模型用于基于由上述樣本風險數(shù)據(jù)和上述樣本風險分析結(jié)果組成的數(shù)據(jù)對進行打分。

26、本公開的第四方面提供了一種風險數(shù)據(jù)的分析裝置，包括：

27、目標風險分析結(jié)果輸出模塊，用于將獲得到的初始風險數(shù)據(jù)輸入至第三風險分析模型，輸出目標風險分析結(jié)果，其中，上述第三風險分析模型是基于上述方法訓(xùn)練得到的。

28、本公開的第五方面提供了一種電子設(shè)備，包括：一個或多個處理器；存儲器，用于存儲一個或多個程序，其中，當上述一個或多個程序被上述一個或多個處理器執(zhí)行時，使得一個或多個處理器執(zhí)行上述方法。

29、本公開的第六方面還提供了一種計算機可讀存儲介質(zhì)，其上存儲有可執(zhí)行指令，該指令被處理器執(zhí)行時使處理器執(zhí)行上述方法。

30、本公開的第七方面還提供了一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述方法。

31、根據(jù)本公開提供的風險分析模型的訓(xùn)練方法、風險數(shù)據(jù)的分析方法、裝置、設(shè)備、介質(zhì)和產(chǎn)品，通過將目標樣本風險數(shù)據(jù)輸入至第一風險分析模型中，輸出樣本風險分析結(jié)果，從而可以利用樣本風險分析結(jié)果以及與樣本風險分析結(jié)果對應(yīng)的標簽來訓(xùn)練第一風險分析模型，得到第二風險分析模型，進而可以通過目標評估模型，利用經(jīng)過用戶打分后的樣本風險數(shù)據(jù)和樣本風險分析結(jié)果組成的數(shù)據(jù)對來對第二風險分析模型進行了微調(diào)訓(xùn)練，提高了訓(xùn)練數(shù)據(jù)的數(shù)據(jù)質(zhì)量和風險分析模型的整體性能，同時通過預(yù)設(shè)更新策略來改進策略梯度算法，使得風險分析模型訓(xùn)練中梯度及步長的更新更加合理科學(xué)，在此基礎(chǔ)上生成的第三風險分析模型對風險數(shù)據(jù)的分析過程考慮了不同用戶的偏好和需求，進而使得風險分析結(jié)果更加準確，提高了用戶的體驗感，更好的滿足了實際業(yè)務(wù)的需求。

技術(shù)特征：

1.一種風險分析模型的訓(xùn)練方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，其中，所述目標評估模型的獲取方式包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，其中，所述反饋數(shù)據(jù)與用戶的需求相關(guān)聯(lián)，包括多個反饋子數(shù)據(jù)，所述反饋子數(shù)據(jù)包括由所述目標樣本風險數(shù)據(jù)與所述樣本風險分析結(jié)果組成的數(shù)據(jù)對，以及與所述數(shù)據(jù)對相對應(yīng)的反饋數(shù)據(jù)，所述反饋數(shù)據(jù)用于表征相對于同一樣本風險數(shù)據(jù)生成的所述樣本風險分析結(jié)果的正向反饋或負向反饋。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，其中，所述預(yù)設(shè)更新策略包括近端策略優(yōu)化算法；

5.根據(jù)權(quán)利要求1至4任一項所述的方法，其特征在于，其中，所述第三風險分析模型在用于實現(xiàn)風險分析結(jié)果的結(jié)果序列中獲得的累計反饋數(shù)據(jù)滿足預(yù)設(shè)條件，所述累計反饋數(shù)據(jù)是根據(jù)所述風險分析結(jié)果中的每個階段對應(yīng)的反饋數(shù)據(jù)得到的。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，其中，所述近端策略優(yōu)化算法包括行為優(yōu)化算法和評判優(yōu)化算法，所述結(jié)果序列包括至少一個階段；

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

8.一種風險數(shù)據(jù)的分析方法，其特征在于，所述方法包括：

9.一種風險分析模型的訓(xùn)練裝置，其特征在于，所述裝置包括：

10.一種風險數(shù)據(jù)的分析裝置，其特征在于，所述裝置包括：

11.一種電子設(shè)備，包括：

12.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1～8中任一項所述方法的步驟。

13.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1～8中任一項所述方法的步驟。

技術(shù)總結(jié)
本公開提供了一種風險分析模型的訓(xùn)練方法、風險數(shù)據(jù)的分析方法、裝置、設(shè)備、介質(zhì)和產(chǎn)品，可以應(yīng)用于人工智能和大數(shù)據(jù)技術(shù)領(lǐng)域。該訓(xùn)練方法包括：將目標樣本風險數(shù)據(jù)輸入至第一風險分析模型中，輸出樣本風險分析結(jié)果，其中，樣本風險數(shù)據(jù)包括與樣本風險數(shù)據(jù)對應(yīng)的標簽；利用樣本風險分析結(jié)果以及與樣本風險分析結(jié)果對應(yīng)的標簽訓(xùn)練第一風險分析模型，得到第二風險分析模型；以及利用目標評估模型和預(yù)設(shè)更新策略對第二風險分析模型進行更新，生成第三風險分析模型，其中，目標評估模型用于基于由樣本風險數(shù)據(jù)和樣本風險分析結(jié)果組成的數(shù)據(jù)對進行打分。

技術(shù)研發(fā)人員：任陸平
受保護的技術(shù)使用者：中國工商銀行股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/20