CN108446910A - 一种风控决策***、方法以及设备 - Google Patents
一种风控决策***、方法以及设备 Download PDFInfo
- Publication number
- CN108446910A CN108446910A CN201810113984.2A CN201810113984A CN108446910A CN 108446910 A CN108446910 A CN 108446910A CN 201810113984 A CN201810113984 A CN 201810113984A CN 108446910 A CN108446910 A CN 108446910A
- Authority
- CN
- China
- Prior art keywords
- merchant
- target
- specified
- sub
- targets
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 238000013507 mapping Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 13
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种风控决策***、方法以及设备。所述方法包括：采集不同场景下的商户目标以及相关的特征，通过优化算法将特征与商户目标进行映射，得到映射关系用于对商户的客户进行风控决策。
Description
技术领域
本说明书涉及计算机软件技术领域，尤其涉及一种风控决策***、方法以及设备。
背景技术
随着计算机和互联网技术的迅速发展，很多业务都可以在网上进行，比如基于线上支付平台或者线上信用平台的租赁业务、网购业务、生活缴费业务等。为了提高业务中的交易安全性，平台往往会对要进行交易的商户与其客户进行风控决策。
在现有技术中，若商户预先由平台进行了审核，则安全性相对较高，在这种情况下，主要考虑对商户的客户的风控决策；具体的，对于风控决策的策略，在进行策略迭代的时候主要是按照特定分类人工预先开发特定的策略版本，由于受限于行业多样性及策略开发人员工作量，一般会按照商品价值分为大额、中额、小额等几类通用策略进行。
基于现有技术，需要适用性更好的风控决策方案。
发明内容
本说明书实施例提供一种风控决策***、方法以及设备，用以解决如下技术问题：需要适用性更好的风控决策方案。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供的一种风控决策***，包括：
目标模块，采集各种场景下的商户目标，得到商户目标集合；
特征模块，采集与商户目标相关的各种特征，得到特征集合；
计算模块，根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
本说明书实施例提供的一种风控决策方法，包括：
采集各种场景下的商户目标，得到商户目标集合；
采集与商户目标相关的各种特征，得到特征集合；
根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
本说明书实施例提供的一种风控决策设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
采集各种场景下的商户目标，得到商户目标集合；
采集与商户目标相关的各种特征，得到特征集合；
根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：能够智能地根据商户个性化的目标，得到适应于该目标的特征映射关系，作为策略依据，进而能够有效地对商户的客户进行风控决策，适用场景广泛，因此，可以部分或者全部地解决上述技术问题。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书的方案在一种实际应用场景下涉及的一种整体架构示意图；
图2为本说明书实施例提供的一种风控决策***的结构示意图；
图3为本说明书实施例提供的一种风控决策***的工作原理示意图；
图4为本说明书实施例提供的一种风控决策方法的流程示意图；
图5为本说明书实施例提供的一种风控决策设备的结构示意图。
具体实施方式
本说明书实施例提供一种风控决策***、方法以及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
以免押金租赁业务为例，对背景技术进一步地说明。目前，很多商户提供基于信用的免押金租赁服务，只要客户的信用达到一定程度，就允许客户无需支付押金即可租赁物品，比如，租手机、租无人机、租雨伞等。评估信用的平台也即进行风控决策的平台，需要考虑不同商户的个性化目标，以更好地服务于商户，这种个性化目标可以包括不同行业间的不同目标，也可以包括同一行业的不同商户间的不同目标等，对于后者而言，具体还包括商户经营单一场景的业务(比如，只租赁手机)与经营混合场景(比如，既租赁无人机，也租赁雨伞)的业务时的不同目标。所述目标比如是：客户逾期率、客户成功交易率、偏差目标等。
风控决策平台在为商户提供上述决策服务时的一大痛点在于缺少一整套智能化的策略实现方案，主要表现在：行业分类复杂、场景模式多样；数据源较少、丰富度不够；风险类型复杂多样；面对风险情况，风控迭代效率低等。
本说明书的方案具体要解决商户相关业务风控面临的复杂性、多样性、效率低、无法及时控制风险的问题，给商户一个有效的***来高效实现智能风险控制需求，同时由于整个***的可扩展性，外部机构可以选择把接入的数据源放入此***中，使得实现整体的风控策略进一步优化，新的***可扩展、易配置并能有效快速进行衍生，对于风控策略是一个巨大改变。
图1为本说明书的方案在一种实际应用场景下涉及的一种整体架构示意图。该整体架构中，主要包括三部分：各客户端、风控决策服务器、各商户端。风控决策服务器为客户和/或商户提供风控决策服务，风控决策结果会直接影响到客户与商户之间的当前交易能否继续进行。风控决策服务器建立各种特征与商户目标之间的映射关系，用于风控决策。风控决策服务器比如由第三方支付平台、银行、或者电商平台等提供。
需要说明的是，图1中的架构是示例性的。风控决策服务器所服务的主体并不限于商户及其客户，比如，在社交业务中，其可以服务于社交的双方；等等。
基于以上概括说明和整体架构，下面对本说明书的方案进行详细说明。
图2为本说明书实施例提供的一种风控决策***的结构示意图。该***可以搭载于作为服务器的设备上，或者是能力足够的终端上。
图2中的***包括：目标模块201、特征模块202和计算模块203，模块的标号并非对本申请的限定，简明起见，后续对各模块进行说明时省略标号。
目标模块，采集各种场景下的商户目标，得到商户目标集合；
特征模块，采集与商户目标相关的各种特征，得到特征集合；
计算模块，根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
在本说明书实施例中，场景的划分方式有多种，根据实际需要选择即可。列举两种划分方式作为示例。
第一种，根据商户经营内容和所属行业划分场景。比如，如前所述，若商户只经营一项内容(比如，只租赁手机)，则可以视为单一场景，若用户同时经营多项内容(比如，既租赁无人机，也租赁雨伞)，则即可以视为对应的多个单一场景构成的混合场景。
第二种，根据商户的规模和所属地域划分场景。比如，按照历史营业额或者人气值，将全部商户进行阶梯划分，划分出的每一档分别视为一个场景。
不同的单一场景或者混合场景，以及不同的商户可以对应于不同的商户目标。
在本说明书实施例中，对前面列举的其中两种商户目标进一步地解释。
客户逾期率是租赁业务中商户关注的重要目标之一，在理想状况下，商户自然希望客户逾期率越低越好，但是实际应用中难以低到0，因此商户有一定的容忍度，比如，若商户的心理预期是客户逾期率不高于3％，该心理预期即为该商户的商户目标。
进一步地考虑客户成功交易率。若为了单纯追求较低的客户逾期率，而对于客户要求过高，导致很多潜在的客户在风控决策后被拒之门外，从而可能使客户成功交易率过低，则对于商户而言也是莫大的损失。因此，客户成功交易率往往也是商户关注的重要目标之一。
当然，除了客户逾期率、客户成功交易率以外，还可以其他的指标用于表示商户目标，比如，店铺月收入、租赁物品闲置率等。
为了便于采集商户目标，目标模块可以与各商户端进行对接，进而，实时或者离线地直接从商户获取其商户目标，商户可以在商户端对于相关的信息和策略进行设置，以便于目标模块采集，当然，商户也可以主动向目标模块反馈商户目标，从而进一步地节省采集时间；除此之外，还可以不依赖于商户本身，而采取模型预测、数据挖掘、基于经验人工配置等方式采集目标，并将采集的目标视为商户目标。前一种方式的优点是可信度高、数据丰富；后一种方式是整合性、代表性和扩展性好。
在本说明书实施例中，所述商户目标相关的特征可能直接或者间接地影响该商户目标能否达成。
所述特征比如包括客户特征、交易特征、商户特征中的一种或者多种。客户特征比如是客户的年龄、职业、历史交易数据、商户评价、征信数据等；交易特征比如是当前交易的交易金额、交易时间、交易频度等；商户特征比如是商户的人气值、月均交易笔数、退货率、新品上货率等。
在本说明书实施例中，所述优化算法可以是神经网络算法、线性规划算法、贝叶斯优化算法等。
利用优化算法，可以将商户目标映射到一个或者多个特征，从而在进行风控决策时，可以根据得到的映射关系，以及当前客户的相应的特征数据，推测该当前客户对于商户目标能否达成的影响程度，进而能够实现适当的风控决策。映射时的优化目标比如是使得商户目标误差最小，或者也可以在满足一定条件(计算量条件、特征数量条件等)的前提下使得商户目标误差最小，等等。
通过图2的***，能够智能地根据商户个性化的目标，得到适应于该目标的特征映射关系，作为策略依据，进而能够有效地对商户的客户进行风控决策，适用场景广泛，可以部分或者全部地解决上述技术问题，因此，可以部分或者全部地解决上述技术问题。
基于图2的***，本说明书实施例还提供了该***的一些具体实施方案，以及扩展方案，下面进行说明。
本说明书实施例提供了图2的***在一种实际应用场景下的工作原理示意图，如图3所示。
在图3中，“Y目标”所示的方框对应于上述的目标模块，“X特征”所示的方框作为上述的特征模块，“优化算法”所示的模块作为上述的计算模块。
最上方的方框表示商户侧，可以看到，每个商户都有自己的策略，商户策略可以反映出商户的不同场景，以及商户目标，以A商户为例，其有1～N共N个场景，这些信息可以实时或者离线地反馈给目标模块。
目标模块除了以商户反馈的方式采集商户目标以外，还可以基于模型预测、规则删选、人工核查等方式采集商户目标，以及对已采集的商户目标进行诸如清洗、整合等处理，从而得到商户目标集合。
特征模块实时或者离线地采集客户特征、交易特征、商户特征等，得到特征集合。
采集的商户目标和特征可以传给计算模块，以基于优化算法进行计算。“优化算法”的方框里示出了优化算法对应的多个模型，每个模型可以有其适用的场景，优化过程可以包括对相应模型的训练和调整，训练完毕的模型即可以反映上述映射关系。
在对当前客户进行决策时，可以通过获取相应的特征数据并代入模型进行计算，实现风控决策，得到决策结果并返回给商户。
在本说明书实施例中，对于指定的一个商户目标，与其相关的特征通常有很多个，若在建立映射关系时全部考虑则可能影响处理效率，也会影响后续的风控决策效率。因此，可以基于人工经验预先指定一部分相对重要的特征用于建立该映射关系，更智能地，也可以通过诸如特征工程等非人工的方式，挖掘一部分特征用于建立该映射关系。
在本说明书实施例中，前面已经提到，映射时的优化目标可以是使得商户目标误差最小。在这种情况下，所述计算模块根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体可以包括：
所述计算模块在所述特征集合中确定一个或者多个特征，以及获得在所述商户目标集合中指定的商户目标；利用优化算法，通过以最小化商户目标误差为优化目标进行优化，建立该一个或者多个特征与该商户目标之间的映射关系；其中，所述商户目标误差为该商户目标与估计数据之间的误差，该估计数据在优化过程中根据该一个或者多个特征进行计算得到。
例如，当商户目标是针对单一场景进行设定的，则商户目标误差最小可以以数学公式表示为：min(Y_i-function_i(X_j))；其中，Y_i和X_j分别表示被映射的商户目标对应的变量和特征对应的变量，function_i(X_j)表示根据特征计算的估计数据，对于不同的场景，Y_i、X_j和function_i的具体内容可能不同。
在实际应用中，商户也可能混业经营，在这种情况下，单个商户目标可能是针对包含至少两个子场景的混合场景进行设定的，每个子场景又有对应的商户子目标，商户子目标也包含于商户目标集合中。则所述计算模块根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体可以包括：
所述计算模块根据所述商户目标集合，确定指定的商户目标的混合场景包含的各子场景对应的商户子目标，以及所述各子场景的权重；根据所述特征集合、确定的所述商户子目标以及所述权重，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系。
参照上例的思路，混合场景下，商户目标误差最小比如可以以数学公式表示为：min(Y_a-function_a(∑(Y_i-function_i(X_j))))；其中，Y_a表示混合场景下商户目标总体的偏差目标对应的变量，Y_i表示该商户目标的商户子目标对应的变量，function_a(∑(Y_i-function_i(X_j)))表示根据各子目标误差计算出的估计偏差。
为了便于理解，结合一个实例进行说明。假定商户很关注客户逾期率，比如可以设定Y_i为表示客户是否逾期7天及以上的变量，设定X_j为表示客户过去1天的业务申请次数的变量，等等。
假定商户进行混业经营，分别包括：A业务(租赁无人机)、B业务(租赁雨伞)；分别对应一个子场景，业务营收比重分别为0.3、0.7，作为场景权重。A业务对应的子场景下的Y_i、X_j分别记作Ya_i、Xa_j，B业务对应的子场景下的Y_i、X_j分别记作Yb_i、Xb_j。比如可以设定Ya_i为是否逾期7天及以上的变量，设定Yb_i为是否逾期10天及以上的变量，设定Xa_j为过去1天的申请次数的变量，设定Xb_j为过去30天的申请次数的变量。则商户目标误差最小表示为：
min(Y_a-(0.3*(Ya_i-function_a(Xa_j))+0.7*(Yb_i-function_b(Xb_j))))。
基于同样的思路，本说明书实施例还提供了对应的一种风控决策方法，图4为该方法的流程示意图。
图4中的方法包括以下步骤：
S402：采集各种场景下的商户目标，得到商户目标集合。
S404：采集与商户目标相关的各种特征，得到特征集合。
S406：根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
在本说明书实施例中，采用以下至少一种方式采集各种场景下的商户目标：商户实时或者离线地反馈、模型预测、规则删选、人工核查。
在本说明书实施例中，所述特征包括以下至少一种：客户特征、交易特征、商户特征。
在本说明书实施例中，所述一个或者多个特征是在所述特征集合中，预先指定的或者通过特征工程挖掘得到的。
在本说明书实施例中，所述根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体可以包括：
在所述特征集合中确定一个或者多个特征，以及获得在所述商户目标集合中指定的商户目标；利用优化算法，通过以最小化商户目标误差为优化目标进行优化，建立该一个或者多个特征与该商户目标之间的映射关系；其中，所述商户目标误差为该商户目标与估计数据之间的误差，该估计数据在优化过程中根据该一个或者多个特征进行计算得到。
在本说明书实施例中，若单个所述商户目标是针对包含至少两个子场景的混合场景进行设定的，则所述商户目标集合中包含分别对应于各所述子场景的商户子目标；
所述根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体可以包括：
根据所述商户目标集合，确定指定的商户目标的混合场景包含的各子场景对应的商户子目标，以及所述各子场景的权重；根据所述特征集合、确定的所述商户子目标以及所述权重，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系。
在本说明书实施例中，所述建立一个或者多个特征与指定的商户目标之间的映射关系后，还可以执行：
针对向商户提出业务请求的客户，采集特征数据；根据所述特征数据和所述映射关系进行计算，以确定能否达到所述指定的商户目标，并基于计算结果实现针对所述客户的风控决策。
基于同样的思路，本说明书实施例还提供了对应的装置。
本说明书实施例的一种风控决策装置，包括：
第一数据模块，采集各种场景下的商户目标，得到商户目标集合；
第二数据模块，采集与商户目标相关的各种特征，得到特征集合；
决策模块，根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
基于同样的思路，本说明书实施例还提供了对应的一种风控决策设备，图5为该设备的结构示意图，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
采集各种场景下的商户目标，得到商户目标集合；
采集与商户目标相关的各种特征，得到特征集合；
根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
处理器与存储器之间可以通过总线进行通信。
基于同样的思路，本说明书实施例还提供了对应的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
采集各种场景下的商户目标，得到商户目标集合；
采集与商户目标相关的各种特征，得到特征集合；
根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、***、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (15)
1.一种风控决策***，包括：
目标模块，采集各种场景下的商户目标，得到商户目标集合；
特征模块，采集与商户目标相关的各种特征，得到特征集合；
计算模块，根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
2.如权利要求1所述的***，所述目标模块采用以下至少一种方式采集各种场景下的商户目标：商户实时或者离线地反馈、模型预测、规则删选、人工核查。
3.如权利要求1所述的***，所述特征包括以下至少一种：客户特征、交易特征、商户特征。
4.如权利要求1所述的***，所述一个或者多个特征是在所述特征集合中，预先指定的或者通过特征工程挖掘得到的。
5.如权利要求1所述的***，所述计算模块根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体包括：
所述计算模块在所述特征集合中确定一个或者多个特征，以及获得在所述商户目标集合中指定的商户目标；
利用优化算法，通过以最小化商户目标误差为优化目标进行优化，建立该一个或者多个特征与该商户目标之间的映射关系；
其中，所述商户目标误差为该商户目标与估计数据之间的误差，该估计数据在优化过程中根据该一个或者多个特征进行计算得到。
6.如权利要求1所述的***，若单个所述商户目标是针对包含至少两个子场景的混合场景进行设定的，则所述商户目标集合中包含分别对应于各所述子场景的商户子目标；
所述计算模块根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体包括：
所述计算模块根据所述商户目标集合，确定指定的商户目标的混合场景包含的各子场景对应的商户子目标，以及所述各子场景的权重；
根据所述特征集合、确定的所述商户子目标以及所述权重，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系。
7.如权利要求1所述的***，所述计算模块还执行：
针对向商户提出业务请求的客户，采集特征数据；
根据所述特征数据和所述映射关系进行计算，以确定能否达到所述指定的商户目标，并基于计算结果实现针对所述客户的风控决策。
8.一种风控决策方法，包括：
采集各种场景下的商户目标，得到商户目标集合；
采集与商户目标相关的各种特征，得到特征集合；
根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
9.如权利要求8所述的方法，采用以下至少一种方式采集各种场景下的商户目标：商户实时或者离线地反馈、模型预测、规则删选、人工核查。
10.如权利要求8所述的方法，所述特征包括以下至少一种：客户特征、交易特征、商户特征。
11.如权利要求8所述的方法，所述一个或者多个特征是在所述特征集合中，预先指定的或者通过特征工程挖掘得到的。
12.如权利要求8所述的方法，所述根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体包括：
在所述特征集合中确定一个或者多个特征，以及获得在所述商户目标集合中指定的商户目标；
利用优化算法，通过以最小化商户目标误差为优化目标进行优化，建立该一个或者多个特征与该商户目标之间的映射关系；
其中，所述商户目标误差为该商户目标与估计数据之间的误差，该估计数据在优化过程中根据该一个或者多个特征进行计算得到。
13.如权利要求8所述的方法，若单个所述商户目标是针对包含至少两个子场景的混合场景进行设定的，则所述商户目标集合中包含分别对应于各所述子场景的商户子目标；
所述根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，具体包括：
根据所述商户目标集合，确定指定的商户目标的混合场景包含的各子场景对应的商户子目标，以及所述各子场景的权重；
根据所述特征集合、确定的所述商户子目标以及所述权重，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系。
14.如权利要求8所述的方法，所述建立一个或者多个特征与指定的商户目标之间的映射关系后，所述方法还包括：
针对向商户提出业务请求的客户，采集特征数据；
根据所述特征数据和所述映射关系进行计算，以确定能否达到所述指定的商户目标，并基于计算结果实现针对所述客户的风控决策。
15.一种风控决策设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
采集各种场景下的商户目标，得到商户目标集合；
采集与商户目标相关的各种特征，得到特征集合；
根据所述商户目标集合和所述特征集合，利用优化算法，建立一个或者多个特征与指定的商户目标之间的映射关系，用于对商户的客户进行风控决策。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810113984.2A CN108446910A (zh) | 2018-02-05 | 2018-02-05 | 一种风控决策***、方法以及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810113984.2A CN108446910A (zh) | 2018-02-05 | 2018-02-05 | 一种风控决策***、方法以及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108446910A true CN108446910A (zh) | 2018-08-24 |
Family
ID=63191753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810113984.2A Pending CN108446910A (zh) | 2018-02-05 | 2018-02-05 | 一种风控决策***、方法以及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108446910A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110032881A (zh) * | 2018-12-28 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置、设备及介质 |
| CN112184235A (zh) * | 2020-09-04 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 风控数据变更方法和装置 |
| CN116029557A (zh) * | 2023-03-27 | 2023-04-28 | 北京白龙马云行科技有限公司 | 网约车风控方法、***、计算机设备和存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330785A (zh) * | 2017-07-10 | 2017-11-07 | 广州市触通软件科技股份有限公司 | 一种基于大数据智能风控的小额贷款***及方法 |
-
2018
- 2018-02-05 CN CN201810113984.2A patent/CN108446910A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330785A (zh) * | 2017-07-10 | 2017-11-07 | 广州市触通软件科技股份有限公司 | 一种基于大数据智能风控的小额贷款***及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110032881A (zh) * | 2018-12-28 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置、设备及介质 |
| CN110032881B (zh) * | 2018-12-28 | 2023-09-22 | 创新先进技术有限公司 | 一种数据处理方法、装置、设备及介质 |
| CN112184235A (zh) * | 2020-09-04 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 风控数据变更方法和装置 |
| CN112184235B (zh) * | 2020-09-04 | 2022-05-13 | 支付宝(杭州)信息技术有限公司 | 风控数据变更方法和装置 |
| CN116029557A (zh) * | 2023-03-27 | 2023-04-28 | 北京白龙马云行科技有限公司 | 网约车风控方法、***、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200202219A1 (en) | Graphical structure model-based transaction risk control | |
| CN109934697A (zh) | 一种基于图结构模型的信用风险控制方法、装置以及设备 | |
| CN111639687B (zh) | 一种模型训练以及异常账号识别方法及装置 | |
| US11276071B2 (en) | Unified artificial intelligence model for multiple customer value variable prediction | |
| CN107451854B (zh) | 确定用户类型的方法及装置、电子设备 | |
| US20200175403A1 (en) | Systems and methods for expediting rule-based data processing | |
| CN110008991B (zh) | 风险事件的识别、风险识别模型的生成方法、装置、设备及介质 | |
| CN109272348B (zh) | 活跃用户数量确定方法及装置、存储介质和电子设备 | |
| CN109003091A (zh) | 一种风险防控处理方法、装置及设备 | |
| US20230013086A1 (en) | Systems and Methods for Using Machine Learning Models to Automatically Identify and Compensate for Recurring Charges | |
| CN110852503B (zh) | 一种支付渠道的选择方法和设备、支付渠道路由 | |
| US20190065932A1 (en) | Densely connected neural networks with output forwarding | |
| CN108446910A (zh) | 一种风控决策***、方法以及设备 | |
| CN107066518A (zh) | 数据处理方法及*** | |
| CN111047220A (zh) | 一种风控阈值条件确定方法、装置、设备和可读介质 | |
| CN108920183B (zh) | 一种业务决策方法、装置及设备 | |
| CN111401766A (zh) | 模型、业务处理方法、装置及设备 | |
| US11663676B2 (en) | Cognitive management of multiple subaccounts | |
| US20190102799A1 (en) | Methods and systems for offering financial products | |
| CN110634061A (zh) | 一种资金需求预测方法、装置及终端设备 | |
| CN110134860B (zh) | 用户画像生成方法、装置和设备 | |
| CN110263816B (zh) | 一种企业的分类方法以及装置 | |
| CN109947564B (zh) | 业务处理方法、装置、设备及存储介质 | |
| CN112016914A (zh) | 资源管控、资金管控方法、装置和设备 | |
| CN111047435A (zh) | 信贷数据处理、信贷分配方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201021 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201021 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |
|
| RJ01 | Rejection of invention patent application after publication |