(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 202210510560.6 (22)申请日 2022.05.11 (71)申请人 蚂蚁区块链科技 （上海） 有限公司 地址 200010 上海市黄浦区外马路618号8 层803室 (72)发明人 张端阳　齐翔　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 孙欣欣　周良玉 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 训练多场景风控系统、 预测业务对象风险的 方法和装置 (57)摘要 本说明书实施例提供一种训练多场景风控 系统、 预测业务对象风险的方法和装置， 预测业 务对象风险的方法包括： 获取目标业务对象 的个 体特征和场景特征； 将所述个体特征输入分别适 用于N个场景的所述N个场景模型， 得到N个风险 评分； 将所述场景特征输入所述场景融合器， 通 过所述场景融合器输出所述目标业务对象分别 属于所述N个场景的各成员水平； 以各成员水平 为权重对所述N个风险评分进行加权求和， 得到 该目标业务对象的综合风险评分。 能够降低对 敏 感数据的需求且能够准确预测业 务对象风险。 权利要求书3页 说明书10页 附图4页 CN 114742644 A 2022.07.12 CN 114742644 A 1.一种训练多场景风控系统的方法， 所述多场景风控系统包括N个场景模型和场景融 合器； 所述方法包括： 获取第一业务样本集， 其中任意的第 一业务样本具有对应的业务对象所属场景的场景 标签， 以及该业 务对象的风险标签； 利用所述第一业务样本集， 训练分别适用于N个场景的N个场景模型， 各场景模型用于 根据业务对象的个 体特征输出该业务对象的风险评分； 获取第二 业务样本集， 其中任意的第二 业务样本具有风险标签； 将所述第二 业务样本的个 体特征分别输入所述 N个场景模型， 得到N个风险评分； 将所述第二业务样本的场景特征输入场景融合器， 通过所述场景融合器输出该第 二业 务样本分别属于所述 N个场景的各成员水平； 以各成员水平为权 重， 对所述 N个风险评分加权求和， 得到综合评分； 基于所述综合评分与所述第二业务样本的风险标签， 联合训练所述N个场景模型和所 述场景融合器。 2.如权利要求1所述的方法， 其中， 所述第 一业务样本集中的样本数量小于所述第 二业 务样本集。 3.如权利要求1所述的方法， 其中， 所述利用所述第 一业务样本集， 训练分别适用于N个 场景的N个场景模型， 包括： 根据所述第一 业务样本的场景 标签， 确定其 适用的第一场景； 将所述第一业务样本的个体特征输入所述第 一场景对应的第 一场景模型， 根据模型输 出和所述第一 业务样本的风险标签， 训练所述第一场景模型。 4.如权利要求1所述的方法， 其中， 所述通过所述场景融合器输出该第 二业务样本分别 属于所述 N个场景的各成员水平， 包括： 所述场景融合器基于所述场景特征计算N个场景满足的预设分布的分布参数， 根据所 述分布参数， 确定所述各成员水平。 5.如权利要求4所述的方法， 其中， 所述场景融合器为基于隐含狄利克雷分布LDA模型 的主题模型， 所述 N个场景对应于N个主题， 所述预设 分布为狄利克 雷分布。 6.一种利用多场景风控系统预测业务对象风险的方法， 所述多场景风控系统包括N个 场景模型和场景融合器； 所述方法包括： 获取目标业 务对象的个 体特征和场景 特征； 将所述个 体特征输入分别适用于N个场景的所述 N个场景模型， 得到N个风险评分； 将所述场景特征输入所述场景融合器， 通过所述场景融合器输出所述目标业务对象分 别属于所述 N个场景的各成员水平； 以各成员水平为权重对所述N个风险评分进行加权求和， 得到该目标业务对象的综合 风险评分。 7.如权利要求6所述的方法， 其中， 所述通过所述场景融合器输出所述目标业务对象分 别属于所述 N个场景的各成员水平， 包括： 所述场景融合器基于所述场景特征计算N个场景满足的预设分布的分布参数， 根据所 述分布参数， 确定所述各成员水平。 8.如权利要求7所述的方法， 其中， 所述场景融合器为基于隐含狄利克雷分布LDA模型权　利　要　求　书 1/3 页 2 CN 114742644 A 2的主题模型， 所述 N个场景对应于N个主题， 所述预设 分布为狄利克 雷分布。 9.如权利要求6所述的方法， 其中， 所述N个场景均属于信贷业务领域； 所述目标业务对 象属于信贷业务中的借款方； 所述个体特征包括所述借款方的工商数据； 所述场景特征包 括如下至少一项： 所述借款方的历史贷款业务的金额、 历史贷款业务的利率、 历史贷款业务对应的信贷 产品类型。 10.一种训练多场景风控系统 的装置， 所述多场景风控系统包括N个场景模型和场景融 合器； 所述装置包括： 第一获取单元， 用于获取第一业务样本集， 其中任意的第一业务样本具有对应的业务 对象所属场景的场景 标签， 以及该业 务对象的风险标签； 第一训练单元， 用于利用所述第 一获取单元获取的第 一业务样本集， 训练分别适用于N 个场景的N个场景模型， 各场景模型用于根据业务对 象的个体特征输出该业务对 象的风险 评分； 第二获取 单元， 用于获取第二 业务样本集， 其中任意的第二 业务样本具有风险标签； 第一评分单元， 用于将所述第 二获取单元获取的第 二业务样本的个体特征分别输入所 述N个场景模型， 得到N个风险评分； 融合单元， 用于将所述第二获取单元获取的第二业务样本的场景特征输入场景融合 器， 通过所述场景融合器输出 该第二业务样本分别属于所述 N个场景的各成员水平； 第二评分单元， 用于以所述融合单元得到的各成员水平为权重， 对所述第一评分单元 得到的N个风险评分加权求和， 得到综合评分； 第二训练单元， 用于基于所述第 二评分单元得到的综合评分与 所述第二获取单元获取 的第二业务样本的风险标签， 联合训练所述 N个场景模型和所述场景融合器。 11.如权利要求10所述的装置， 其中， 所述第 一业务样本集中的样本数量小于所述第 二 业务样本集。 12.如权利要求10所述的装置， 其中， 所述第一训练单 元包括： 确定子单元， 用于根据所述第一 业务样本的场景 标签， 确定其 适用的第一场景； 训练子单元， 用于将所述第 一业务样本的个体特征输入所述确定子单元确定的第 一场 景对应的第一场景模型， 根据模型输出和所述第一业务样本的风险标签， 训练所述第一场 景模型。 13.如权利要求10所述的装置， 其中， 所述融合单元， 具体用于所述场景融合器基于所 述场景特征计算N个场景满足的预设分布的分布 参数， 根据所述分布参数， 确定所述各成员 水平。 14.如权利要求13所述的装置， 其中， 所述场景融合器为基于隐含狄利克雷分布LDA模 型的主题模型， 所述 N个场景对应于N个主题， 所述预设 分布为狄利克 雷分布。 15.一种利用多场景风控系统预测业务对象风险的装置， 所述多场景风控系统包括N个 场景模型和场景融合器； 所述装置包括： 获取单元， 用于获取目标业 务对象的个 体特征和场景 特征； 第一评分单元， 用于将所述获取单元获取的个体特征输入分别适用于N个场景的所述N 个场景模型， 得到N个风险评分；权　利　要　求　书 2/3 页 3 CN 114742644 A 3