(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 202210428666.1 (22)申请日 2022.04.22 (71)申请人 度小满科技(北京)有限公司 地址 100193 北京市海淀区西北旺东路10 号院西区4 号楼6层6 06室 (72)发明人 苏聪　许贤铭　杨青　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 赵昀彬 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 风险预测方法、 装置、 存储介质、 处理器及电 子装置 (57)摘要 本发明公开了一种风险预测方法、 装置、 存 储介质、 处理器及电子装置。 其中， 该方法包括： 获取目标样本数据， 其中， 目标样本数据包括多 个用户的历史借款行为数据； 利用目标参数调整 目标样本数据在目标损失函数中的损失权重， 得 到调整结果； 基于调整结果对目标样本数据进行 拟合处理， 得到风险预测结果， 其中， 风险预测结 果用于确定目标样本数据中是否存在风险。 本发 明解决了相关技术中对于样本的风险预测准确 性低的技 术问题。 权利要求书1页 说明书8页 附图2页 CN 114862549 A 2022.08.05 CN 114862549 A 1.一种风险预测方法， 其特 征在于， 包括： 获取目标样本数据， 其中， 所述目标样本数据包括多个用户的历史借款行为数据； 利用目标参数调整所述目标样本数据在目标损失函数中的损失权 重， 得到调整结果； 基于所述调 整结果对所述目标样本数据进行拟合处理， 得到风险预测结果， 其中， 所述 风险预测结果用于确定所述目标样本数据中是否存在风险。 2.根据权利要求1所述的风险预测方法， 其特征在于， 利用所述目标参数调 整所述目标 样本数据在所述目标损失函数中的损失权 重， 得到所述调整结果包括： 利用第一参数调整所述目标样本数据中第 一样本数据和第 二样本数据的损失权重， 其 中， 所述第一样本数据为逾期的样本数据， 所述第二样本数据为未逾期的样本数据。 3.根据权利要求2所述的风险预测方法， 其特征在于， 利用所述第 一参数调 整所述目标 样本数据中所述第一样本数据和所述第二样本数据的损失权 重包括： 利用所述第一参数执行第一调整策略， 其中， 所述第一调整策略用于提升所述第一样 本数据的损失权 重以及降低所述第二样本数据的损失权 重。 4.根据权利要求1所述的风险预测方法， 其特征在于， 利用所述目标参数调 整所述目标 样本数据在所述目标损失函数中的损失权 重， 得到所述调整结果包括： 利用第二参数调整所述目标样本数据中第 三样本数据和第四样本数据的损失权重， 其 中， 所述第三样本数据的区分度高于所述第四样本数据的区分度。 5.根据权利要求4所述的风险预测方法， 其特征在于， 利用所述第 二参数调 整所述目标 样本数据中所述第三样本数据和所述第四样本数据的损失权 重包括： 利用所述第二参数执行第二调整策略， 其中， 所述第二调整策略用于降低所述第三样 本数据的损失权 重以及提升所述第四样本数据的损失权 重。 6.一种风险预测装置， 其特 征在于， 包括： 获取模块， 用于获取目标样本数据， 其中， 所述目标样本数据包括多个用户的历史借款 行为数据； 调整模块， 用于利用目标参数调整所述目标样本数据在目标损 失函数中的损 失权重， 得到调整结果； 处理模块， 用于基于所述调整结果对所述目标样本数据进行拟合处理， 得到风险预测 结果， 其中， 所述 风险预测结果用于确定所述目标样本数据中是否存在风险。 7.一种非易失性存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 其中， 所 述计算机程序被设置为 运行时执 行所述权利要求1至 5任一项中所述的风险预测方法。 8.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序被设置为运行 时执行所述权利要求1至 5任一项中所述的风险预测方法。 9.一种电子装置， 包括存储器和处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求 1至5任一项中所述的风 险预测方法。权　利　要　求　书 1/1 页 2 CN 114862549 A 2风险预测方 法、 装置、 存储介质、 处理 器及电子 装置 技术领域 [0001]本发明涉及风险控制领域， 具体而言， 涉及一种风险预测方法、 装置、 存储介质、 处 理器及电子装置 。 背景技术 [0002]信贷风险控制模型的输入样本一般需要经过严格 的分析和筛选， 具体 的， 首先确 定信贷风险控制模型所应用的场景， 排除不符合该应用场景 的样本后， 使用 剩余的样本进 行建模。 例如， 在构建信用风险模型时， 必须先排除掉样本中的欺诈用户， 再利用剩余的样 本进行建模。 [0003]相关技术中， 在确定风控模型的应用场景之后， 可以从以下角度进行样本的筛选： (1)样本的来源渠道及产品形态； (2)样 本的客群画像， 例如年龄性别， 平均额度利率等； (3) 从时间维度上分析样本群体的还款行为等。 当确定与应用场景相符合的建模样本之后， 可 以进入下一步的建模环节。 但是， 即使样本 符合风控模型的应用场景， 样本内部仍有 可能有 一定的区别。 例如， 如果风控模型在学习过程中发现一部 分样本更容易拟合， 便有 可能将学 习到主要时间花费在更容易降低损失值的简单样本上， 从而有可能使得风控模型只对高分 段或者低分段的样本有较高的预测能力， 从而导 致对于样本整体的风险预测不 准确。 [0004]针对上述的问题， 目前尚未提出有效的解决方案 。 发明内容 [0005]本发明实施例提供了一种风险预测方法、 装置、 存储介质、 处理器及电子装置， 以 至少解决相关技 术中对于样本的风险预测准确性低的技 术问题。 [0006]根据本发明实施例的一个方面， 提供了一种风险预测方法， 包括： 获取目标样本数 据， 其中， 目标样本数据包括多个用户的历史借款行为数据； 利用目标参数调整目标样 本数 据在目标损失函数中的损失权重， 得到调整结果； 基于调整结果对目标样本数据进行拟合 处理， 得到风险预测结果， 其中， 风险预测结果用于确定目标样本数据中是否存在风险。 [0007]可选地， 利用目标参数调整 目标样本数据在目标损失函数中的损失权重， 得到调 整结果包括： 利用第一参数调整目标样本数据中第一样本数据和第二样本数据的损失权 重， 其中， 第一样本数据为逾期的样本数据， 第二样本数据为未逾期的样本数据。 [0008]可选地， 利用第一参数调整目标样本数据中第一样本数据和第二样本数据的损失 权重包括： 利用第一参数执行第一调整 策略， 其中， 第一调整 策略用于提升第一样本数据的 损失权重以及降低 第二样本数据的损失权 重。 [0009]可选地， 利用目标参数调整 目标样本数据在目标损失函数中的损失权重， 得到调 整结果包括： 利用第二参数调整目标样本数据中第三样本数据和第四样本数据的损失权 重， 其中， 第三样本数据的区分度高于第四样本数据的区分度。 [0010]可选地， 利用第二参数调整目标样本数据中第三样本数据和第四样本数据的损失 权重包括： 利用第二参数执行第二调整 策略， 其中， 第二调整 策略用于降低第三样本数据的说　明　书 1/8 页 3 CN 114862549 A 3