(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 202210561209.X (22)申请日 2022.05.20 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦二层 (72)发明人 严巍　许韩晨玺 　岳洪达　许海洋　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 罗岚 (51)Int.Cl. G06Q 40/06(2012.01) G06Q 40/02(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于金融风控的概率神经网络模型获取方 法及装置 (57)摘要 本公开公开了基于金融风控的概率神经网 络模型获取方法及装置， 涉及计算机技术领域， 尤其涉及深度学习和金融风控技术领域。 具体实 现方案为： 采用初始风控PNN模型， 获取目标风控 样本数据对应的高维稀 疏风控特征集合； 获取高 维稀疏风控特征集合中的离散风控特征集合和 连续风控特征集合； 控制离散风控 特征处理模块 对离散风控特征集合中至少一个第一离散风控 特征进行embedding向量编码处理， 得到第一风 控特征集合， 对 连续风控特征集合中至少一个连 续风控特征进行神经网络编码处理， 得到第二风 控特征集合； 在第一风控特征集合和第二风控特 征集合对应的模 型参数满足模型条件时， 获取目 标风控PN N模型。 权利要求书3页 说明书14页 附图6页 CN 114881800 A 2022.08.09 CN 114881800 A 1.一种基于金融风控的概 率神经网络模型获取 方法， 包括： 采用初始风控概率神经网络PNN模型， 获取目标风控样本数据对应的高维稀疏风控特 征集合； 获取所述高维稀疏风控特 征集合中的离 散风控特 征集合和连续 风控特征集合； 控制离散风控特征处理模块对所述离散风控特征集合中至少一个第一离散风控特征 进行embedding 向量编码处理， 得到第一风控 特征集合， 对 所述连续风控 特征集合中至少一 个连续风控特征进行神经网络编码处 理， 得到第二 风控特征集合； 在所述第一风控特征集合和所述第 二风控特征集合对应的模型参数满足模型条件时， 获取目标风控PN N模型。 2.根据权利要求1所述的方法， 其中， 所述模型参数为模型分， 所述在所述第一风控特 征集合和所述第二风控特征集合对应的模型参数满足模型条件时， 获取目标风控PNN模型 时， 包括： 对所述第一风控特征集合中至少一个第一风控特征和所述第二风控特征集合中至少 一个第二 风控特征进行拼接处 理， 得到拼接特 征； 获取所述拼接特征对应的模型分； 在所述模型分满足模型 条件时， 获取目标风控PN N模型。 3.根据权利要求1所述的方法， 其中， 所述控制离散风控特征处理模块对所述离散风控 特征集合中至少一个第一离 散风控特 征进行embedding向量编码处 理， 包括： 对所述连续风控特征集合中至少一个连续风控特征进行离散化处理， 得到至少一个第 二离散风控特 征； 控制离散风控特征处理模块对所述离散风控特征集合中至少一个第一离散风控特征 和所述至少一个第二离 散风控特 征进行embedding向量编码处 理， 得到第一 风控特征集合。 4.根据权利要求3所述的方法， 其中， 所述对所述连续风控特征集合中至少一个连续风 控特征进行离 散化处理， 得到至少一个第二离 散风控特 征， 包括： 获取所述连续风控特征集合中连续风控特征子集， 所述连续风控特征子集中至少一个 连续风控特征携带有权 重值或者连续 值； 采用所述目标风控PNN模型对所述连续风控特征子集中至少一个连续风控特征进行离 散化处理， 得到第二离 散风控特 征。 5.根据权利要求1所述的方法， 其中， 所述方法还 包括： 获取风控训练样本数据中的稀疏类别风控特 征集合； 采用embedding方法对所述稀疏类别风控特征集合中的至少一个稀疏类别风控特征进 行表征， 并获取 所述至少一个稀疏类别风控特 征对应的embed ding向量； 采用深度神经网络模型和所述初始风控PNN模型的交叉层， 将所述至少一个稀疏类别 风控特征对应的embed ding向量向前传播， 获取 所述风控训练样本数据对应的置信度； 在所述置信度和预设置信度之差满足置信度条件时， 获取初始风控PN N模型。 6.根据权利要求5所述的方法， 其中， 所述在所述置信度和所述预设置信度之差满足置 信度条件时， 获取初始风控PN N模型， 包括： 在所述置信度和所述预设置信度之差不满足置信度条件时， 对所述第一embedding向 量和所述第二embed ding向量进行迭代处 理，权　利　要　求　书 1/3 页 2 CN 114881800 A 2在所述置信度和所述预设置信度之差满足所述置信度条件时， 获取初始风控PN N模型。 7.根据权利要求1所述的方法， 其中， 所述获取所述高维稀疏风控特征集合中的离散风 控特征集合和连续 风控特征集合， 包括： 获取所述高维稀疏风控特 征集合中至少一个高维稀疏风控特 征的类型 特征信息； 根据所述类别特征信 息， 获取所述高维稀疏风控特征集合中的离散风控特征集合和连 续风控特征集合。 8.一种基于金融风控的概 率神经网络模型获取装置， 包括： 集合获取单元， 用于采用初始风控概率神经网络PNN模型， 获取目标风控样本数据对应 的高维稀疏风控特 征集合； 集合获取单元， 还用于获取所述高维稀疏风控特征集合中的离散风控特征集合和连续 风控特征集合； 特征处理单元， 用于控制离散风控特征处理模块对所述离散风控特征集合中至少一个 第一离散风控 特征进行embedding 向量编码处理， 得到第一风控 特征集合， 对 所述连续风控 特征集合中至少一个连续 风控特征进行神经网络编码处 理， 得到第二 风控特征集合； 模型获取单元， 用于在所述第 一风控特征集合和所述第 二风控特征集合对应的模型参 数满足模型 条件时， 获取目标风控PN N模型。 9.根据权利要求8所述的装置， 其中， 所述模型参数为模型分， 所述模型获取单元包括 特征拼接子单元， 模 型分获取子单元和模型获取子单元， 所述模型获取单元， 用于在所述第 一风控特征集合和所述第二风控特征集合对应的模型参数满足模型条件时， 获取目标风控 PNN模型时： 所述特征拼接子单元， 用于对所述第 一风控特征集合中至少一个第 一风控特征和所述 第二风控特征集合中至少一个第二 风控特征进行拼接处 理， 得到拼接特 征； 所述模型分获取子单 元， 用于获取 所述拼接特征对应的模型分； 所述模型获取子单 元， 用于在所述模型分满足模型 条件时， 获取目标风控PN N模型。 10.根据权利要求8所述的装置， 其中， 所述特征处理单元包括特征离散子单元和特征 编码子单元， 所述特征 处理单元用于控制离散风控特征处理模块对所述离散风控特征集合 中至少一个第一离 散风控特 征进行embedding向量编码处 理时： 所述特征离散子单元， 用于对所述连续风控特征集合中至少一个连续风控特征进行离 散化处理， 得到至少一个第二离 散风控特 征； 所述特征编码子单元， 用于控制离散风控特征处理模块对所述离散风控特征集合中至 少一个第一离散风控特征和所述至少一个第二离散风控特征进行embedding向量编码处 理， 得到第一 风控特征集合。 11.根据权利要求8所述的装置， 其中， 所述特征离散化处理单元， 用于对所述连续风控 特征集合中至少一个连续风控特征进行离散化处理， 得到至少一个第二离散风控特征时， 具体用于： 获取所述连续风控特征集合中连续风控特征子集， 所述连续风控特征子集中至少一个 连续风控特征携带有权 重值或者连续 值； 采用所述目标风控PNN模型对所述连续风控特征子集中至少一个连续风控特征进行离 散化处理， 得到第二离 散风控特 征。权　利　要　求　书 2/3 页 3 CN 114881800 A 3