(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210366495.4 (22)申请日 2022.04.08 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 廖旺胜　黄倩颖　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 藏斌 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 一种风险评估方法、 系统、 电子设备及存储 介质 (57)摘要 本申请提供一种风险评估方法、 系统、 电子 设备及存储介质， 可应用于计算机领域、 大数据 领域或者金融领域； 获取目标用户相关的构化风 险事件和非结构化风险事件； 通过结构化事件抽 取模型从非结构化风险事件中， 抽取出目标结构 化事件； 根据预先设置的事件属性和风险等级的 对应关系， 确定每个结构化事件的事件属性对应 的风险等级和每个目标结构化事件的事件属性 对应的风险等级； 利用目标用户的用户基本信 息、 根据每个结构化事件对应的事件类型、 事件 属性及其对应的风险等级生成的每个结构化事 件对应的事件信息， 和根据每个目标结构化事件 对应的事件类型、 事件属性及其对应的风险等级 生成的每个目标结构化事件对应的事件信息对 目标用户进行风险评估。 权利要求书3页 说明书11页 附图3页 CN 114820162 A 2022.07.29 CN 114820162 A 1.一种风险评估方法， 其特 征在于， 所述方法包括： 获取目标用户相关的至少一个结构化 风险事件和至少一个非结构化 风险事件； 针对每个所述非结构化风险事件， 将所述非结构化风险事件输入结构化事件抽取模 型， 通过所述结构化事件抽取模型从所述 非结构化风险事件中， 抽取出目标结构化事件； 其 中， 所述结构化事件抽取模型是利用历史非结构化风险事件及其对应的目标历史结构化风 险事件对待训练的事 件抽取模型进行训练得到； 根据预先设置的事件属性和风险等级的对应关系， 确定每个所述结构化事件的事件属 性对应的风险等级和每 个所述目标 结构化事 件的事件属性对应的风险等级； 根据每个所述结构化事件对应的事件类型、 事件属性及其对应的风险等级， 生成每个 所述结构化事 件对应的事 件信息； 根据每个所述目标结构化事件对应的事件类型、 事件属性及其对应的风险等级， 生成 每个所述目标 结构化事 件对应的事 件信息； 利用所述目标用户的用户基本信 息、 各个所述结构化事件的事件信 息和各个所述目标 结构化事 件的事件信息对所述目标用户进行风险评估。 2.根据权利要求1所述的方法， 其特征在于， 所述利用历史非结构化事件及其对应的目 标历史结构化事 件对待训练的事 件抽取模型进行训练， 得到结构化事 件抽取模型， 包括： 获取多个历史结构化 风险事件； 针对每个历史结构化风险事件， 从所述历史结构化风险事件中抽取出相应的事件类型 和事件属性； 利用各个历史结构化风险事件的事件类型和事件属性， 配置待训练的事件抽取模型的 参数， 得到初始结构化事 件抽取模型； 获取历史非结构化 风险事件及其对应的目标历史结构化 风险事件； 将所述历史非结构化风险事件及其对应的目标历史结构化风险事件， 输入所述初始结 构化事件抽取模型， 以使 所述初始结构化事件抽取模型根据所配置的事件类型和事件属性 对所述历史结构化风险事件进 行结构化事件抽取， 利用得到的抽取结果与对应的目标历史 结构化风险事件构建损失函数， 并利用所述损失函数对所述初始结构化事件抽取模型的参 数进行调整， 直至所述初始结构化事 件抽取模型达 到收敛， 得到结构化事 件抽取模型。 3.根据权利要求2所述的方法， 其特征在于， 所述针对每个所述非结构化风险事件， 将 所述非结构化风险事件输入结构化事件抽取模型， 通过所述结构化事件抽取模型从所述 非 结构化风险事件中， 抽取 出目标结构化事 件， 包括： 所述针对每个所述非结构化风险事件， 将所述非结构化风险事件输入结构化事件抽取 模型； 通过所述结构化事件抽取模型根据自身配置的事件类型和事件属性从所述非结构化 风险事件中， 抽取 出对应的目标 结构化事 件。 4.根据权利要求1所述的方法， 其特征在于， 所述利用所述目标用户的用户基本信息、 各个所述结构化事件的事件信息和各个所述目标结构化事件的事件信息对所述目标用户 进行风险评估， 包括： 根据风险等级， 从高到底对各个所述事件信息进行排序， 得到事件信息序列； 其中， 各 个所述事件信息包括各个所述结构化事件的事件信息和各个所述目标结构化事件的事件权　利　要　求　书 1/3 页 2 CN 114820162 A 2信息； 通过邮件的方式， 将所述目标用户的用户基本信息、 所述事件信 息序列发送给管理员， 以使所述管理员根据所述事 件信息序列对所述目标用户进行风险评估。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 根据所述目标用户的用户基本信 息和所述事件信 息序列中的各个所述事件信 息生成， 风险评估报告； 通过邮件的方式， 将所述风险评估报告发送给管理员， 以使所述管理员根据所述事件 信息序列对所述目标用户进行风险评估。 6.一种风险评估系统， 其特 征在于， 所述系统包括： 数据接入单元， 用于获取目标用户相关的至少一个结构化风险事件和至少一个非结构 化风险事件； 事件抽取单元， 用于针对每个所述非结构化风险事件， 将所述非结构化风险事件输入 结构化事件抽取模型， 通过所述结构化事件抽取模型从所述非结构化风险事件中， 抽取出 目标结构化事件； 其中， 所述结构化事件抽取模型是基于自动化训练单元利用历史非结构 化风险事件及其对应的目标历史结构化 风险事件对待训练的事 件抽取模型进行训练得到； 事件应用单元， 用于根据预先设置的事件属性和风险等级的对应关系， 确定每个所述 结构化事件的事件属 性对应的风险等级和每个所述目标结构化事件的事件属 性对应的风 险等级； 根据每个所述结构化事件对应的事件类型、 事件属性及其对应的风险等级， 生 成每 个所述结构化事件对应的事件信息； 根据每个所述 目标结构化事件对应的事件类型、 事件 属性及其对应的风险等级， 生成每 个所述目标 结构化事 件对应的事 件信息； 风险评估单元， 用于利用所述目标用户的用户基本信息、 各个所述结构化事件的事件 信息和各个所述目标 结构化事 件的事件信息对所述目标用户进行风险评估。 7.根据权利要求6所述的系统， 其特 征在于， 所述自动化训练单 元， 包括： 第一获取 单元， 用于获取多个历史结构化 风险事件； 类型和属性抽取单元， 用于针对每个历史结构化风险事件， 从所述历史结构化风险事 件中抽取 出相应的事 件类型和事 件属性； 参数配置单元， 用于利用各个历史结构化风险事件的事件类型和事件属性， 配置待训 练的事件抽取模型的参数， 得到初始结构化事 件抽取模型； 第二获取单元， 用于获取历史非结构化风险事件及其对应的目标历史结构化风险事 件； 自动化训练子单元， 用于将所述历史非结构化风险事件及其对应的目标历史结构化风 险事件， 输入所述初始结构化事件抽取模型， 以使所述初始结构化事件抽取模型根据所配 置的事件类型和事件属性对所述历史结构化风险事件进行结构化事件抽取， 利用得到的抽 取结果与对应的目标历史结构化风险事件构建损失函数， 并利用所述损失函数对所述初始 结构化事件抽取模型 的参数进行调整， 直至所述初始结构化事件抽取模型达到 收敛， 得到 结构化事 件抽取模型。 8.根据权利要求7 所述的系统， 其特 征在于， 所述事 件抽取单元， 包括： 输入单元， 用于所述针对每个所述非结构化风险事件， 将所述非结构化风险事件输入 结构化事 件抽取模型；权　利　要　求　书 2/3 页 3 CN 114820162 A 3