关联评估对象的风险预警方法、装置和计算机设备制造方法及图纸

本申请涉及人工智能技术领域，应用于金融行业，特别是涉及一种关联评估对象的风险预警方法、装置、计算机设备和存储介质。一个实施例中的方法包括：获取评估对象知识图谱以及评估对象的状态指标信息，提取评估对象知识图谱中的关联关系特征向量，将关联关系特征向量和评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；获取评估对象的出险状态，根据整合后的特征向量以及评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；获取出险评估对象，根据已训练的深度神经网络模型以及出险评估对象，得到出险评估对象对应的关联评估对象的风险概率，根据风险概率对关联评估对象进行风险预警。

Risk Early Warning Method, Equipment and Computer Equipment for Relevant Assessment Objects

The application relates to the field of artificial intelligence technology, which is applied to the financial industry, in particular to a risk early warning method, device, computer equipment and storage medium associated with the object of assessment. The methods in one embodiment include: acquiring the knowledge map of the evaluation object and the state index information of the evaluation object, extracting the feature vectors of the association relationship in the knowledge map of the evaluation object, integrating the feature vectors of the association relationship with the state index information of the evaluation object, and obtaining the integrated feature vectors; acquiring the risk state of the evaluation object, according to the integrated feature vectors. The trained deep neural network model is obtained by training the eigenvectors and the state of the evaluation object, and the trained deep neural network model is acquired. According to the trained deep neural network model and the evaluation object, the risk probability of the related evaluation object corresponding to the risk evaluation object is obtained, and the risk of the related evaluation object is carried out according to the risk probability. Early warning.

【技术实现步骤摘要】
关联评估对象的风险预警方法、装置和计算机设备
本申请涉及人工智能
，特别是涉及一种关联评估对象的风险预警方法、装置、计算机设备和存储介质。
技术介绍
随着全球经济的快速发展，大型企业集团以及中小型企业不断涌现。企业在经营过程中，可能会遇到各种各样的问题，为了保证企业运营的稳定性，必须对出现的风险进行规避和解决，降低出险概率，以提高企业竞争力。企业风险是一个动态的过程，并且具有传导性，企业风险通过传导机制积累、放大甚至突发，从而引发企业危机。从企业风险传导出发，获取出险企业的关联企业的出险概率，是防范出险企业的关联企业的企业风险的一种有效途径。而传统的风险预警方法是通过人工对数据进行处理，得到风险概率从而对高风险的客户进行预警操作，这样导致处理效率低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高预警效率的关联评估对象的风险预警方法、装置、计算机设备和存储介质。一种关联评估对象的风险预警方法，所述方法包括：获取评估对象知识图谱以及评估对象的状态指标信息；提取所述评估对象知识图谱中的关联关系特征向量，将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；获取出险评估对象，根据所述已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警。在一个实施例中，所述根据已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警，包括：根据已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象以及所述关联评估对象的风险概率；获取所述关联评估对象不同推送阈值下预设不良评估对象的命中率和误报率，基于所述关联评估对象不同推送阈值下预设不良评估对象的命中率和误报率，得到所述关联评估对象的最优推送阈值；根据所述最优推送阈值和所述关联评估对象的风险概率，对所述关联评估对象进行风险预警。在一个实施例中，所述获取评估对象知识图谱之前还包括：基于预设数据源获取评估对象数据，并通过预设三级数据收集体系对所述评估对象数据进行补全，得到补全的评估对象数据；对所述补全的评估对象数据依次进行格式化、清洗以及采样处理，得到处理后的数据，根据所述处理后的数据构建评估对象知识图谱。在一个实施例中，所述根据处理后的数据构建评估对象知识图谱，包括：获取所述处理后的数据中的节点，以所述节点为主体目标，对所述处理后的数据进行映射与合并；基于所述映射与合并后的数据，获取所述节点的属性和关系，通过所述属性表示不同数据源对所述节点的描述，利用所述关系描述所述节点的数据之间的关联关系；通过节点链接技术对围绕所述节点的属性和关系进行关联存储，并使用事件机制描述事件与所述节点间的关联，利用时序描述所述事件的动态发展，生成评估对象知识图谱。在一个实施例中，所述将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量，包括：根据所述关联关系特征向量和所述评估对象的状态指标信息进行特征构建，并从构建的特征中通过特征转换方式进行特征提取，得到特征集合；利用预设特征重要性评价指标以及预设特征选择方法对所述特征集合中的特征进行选择，得到特征子集，根据所述特征子集得到整合后的特征向量。在一个实施例中，所述获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型，包括：根据所述整合后的特征向量对深度神经网络模型进行无监督学习训练，得到所述深度神经网络模型的预训练权值；获取评估对象的出险状态，将所述评估对象的出险状态作为有监督学习训练的标签，并以所述预训练权值作为所述有监督学习训练的初值进行模型训练，得到已训练的深度神经网络模型。在一个实施例中，所述根据所述风险概率对所述关联评估对象进行风险预警，包括：获取所述关联评估对象所属分类类型，根据所述分类类型和所述风险概率构建不同关联评估对象的风险动态画像；推送所述风险动态画像至对应的关联评估对象。一种关联评估对象的风险预警装置，所述装置包括：获取模块，用于获取评估对象知识图谱以及评估对象的状态指标信息；特征工程模块，用于提取所述评估对象知识图谱中的关联关系特征向量，将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；模型训练模块，用于获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；风险预警模块，用于获取出险评估对象，根据所述已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取评估对象知识图谱以及评估对象的状态指标信息；提取所述评估对象知识图谱中的关联关系特征向量，将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；获取出险评估对象，根据所述已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取评估对象知识图谱以及评估对象的状态指标信息；提取所述评估对象知识图谱中的关联关系特征向量，将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；获取出险评估对象，根据所述已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警。上述关联评估对象的风险预警方法、装置、计算机设备和存储介质，通过提取关联关系特征向量，将关联关系特征向量和状态指标信息进行特征工程整合，基于整合后的特征向量对深度神经网络模型进行训练，再通过已训练的深度神经网络模型预测出险评估对象对应的关联评估对象的风险概率，从而实现对关联评估对象的风险预警，无需人工处理数据，可以有效提高风险预警效率。附图说明图1为一个实施例中关联评估对象的风险预警方法的流程示意图；图2为一个实施例中风险预警步骤的流程示意图；图3为一个实施例中数据采集与处理步骤的流程示意图；图4为一个实施例构建评估对象知识图谱步骤的流程示意图；图5为一个实施例中特征工程整合步骤的流程示意图；图6为一个实施例中关联评估本文档来自技高网...

【技术保护点】
1.一种关联评估对象的风险预警方法，所述方法包括：获取评估对象知识图谱以及评估对象的状态指标信息；提取所述评估对象知识图谱中的关联关系特征向量，将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；获取出险评估对象，根据所述已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警。

【技术特征摘要】
1.一种关联评估对象的风险预警方法，所述方法包括：获取评估对象知识图谱以及评估对象的状态指标信息；提取所述评估对象知识图谱中的关联关系特征向量，将所述关联关系特征向量和所述评估对象的状态指标信息进行特征工程整合，得到整合后的特征向量；获取评估对象的出险状态，根据所述整合后的特征向量以及所述评估对象的出险状态对深度神经网络模型进行训练，得到已训练的深度神经网络模型；获取出险评估对象，根据所述已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警。2.根据权利要求1所述的方法，其特征在于，所述根据已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象的风险概率，根据所述风险概率对所述关联评估对象进行风险预警，包括：根据已训练的深度神经网络模型以及所述出险评估对象，得到所述出险评估对象对应的关联评估对象以及所述关联评估对象的风险概率；获取所述关联评估对象不同推送阈值下预设不良评估对象的命中率和误报率，基于所述关联评估对象不同推送阈值下预设不良评估对象的命中率和误报率，得到所述关联评估对象的最优推送阈值；根据所述最优推送阈值和所述关联评估对象的风险概率，对所述关联评估对象进行风险预警。3.根据权利要求1所述的方法，其特征在于，所述获取评估对象知识图谱之前还包括：基于预设数据源获取评估对象数据，并通过预设三级数据收集体系对所述评估对象数据进行补全，得到补全的评估对象数据；对所述补全的评估对象数据依次进行格式化、清洗以及采样处理，得到处理后的数据，根据所述处理后的数据构建评估对象知识图谱。4.根据权利要求3所述的方法，其特征在于，所述根据处理后的数据构建评估对象知识图谱，包括：获取所述处理后的数据中的节点，以所述节点为主体目标，对所述处理后的数据进行映射与合并；基于所述映射与合并后的数据，获取所述节点的属性和关系，通过所述属性表示不同数据源对所述节点的描述，利用所述关系描述所述节点的数据之间的关联关系；通过节点链接技术对围绕所述节点的属性和关系进行关联存储，并使用事件机制描述事件与所述节点间的关联，利用时序描述所述事件的动态发展，生成评估对象知识图谱。5.根据权利要求1所述的方法，其特征在于，所述将所述...

【专利技术属性】
技术研发人员：陈凯帆，叶素兰，李国才，王芊，宋哲，吴雨甜，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44