(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 202211202695.2 (22)申请日 2022.09.29 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 单莹　李煦丽　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 孙静　臧建明 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/06(2012.01) G06N 7/00(2006.01) (54)发明名称 信息识别模 型的训练方法、 风险预测方法及 电子设备 (57)摘要 本申请提供一种信息识别模 型的训练方法、 风险预测方法及电子设备。 该方法包括： 获取训 练数据， 所述训练数据至少包括风险资产信息的 客户身份信息、 客户交易数据； 根据所述训练数 据对初始信息识别模型进行迭代训练， 达到训练 终止条件时得到信息识别模型； 其中， 所述初始 信息识别模型用于根据训练数据输出风险预测 结果， 所述信息识别模型用于根据待识别资产信 息输出待识别资产信息的风险预测结果。 本申请 的方法可以解决如何提高易贬值资产的识别效 果， 以提高风险预警能力的问题。 权利要求书2页 说明书9页 附图3页 CN 115423618 A 2022.12.02 CN 115423618 A 1.一种信息识别模型的训练方法， 其特 征在于， 包括： 获取训练数据， 所述训练数据至少包括 风险资产信息的客户身份信息、 客户交易数据； 根据所述训练数据对初始信 息识别模型进行迭代训练， 达到训练终止条件时得到信 息 识别模型； 其中， 所述初始信息识别模 型用于根据训练数据输出风险预测结果， 所述信息识 别模型用于根据待识别资产信息 输出待识别资产信息的风险预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述训练数据对初始信 息识别模 型进行训练， 达 到训练终止条件时得到信息识别模型包括： 以决策树为基学习器， 通过分布式梯度增强库XGBoost对所述初始信息识别模型进行 训练， 达到训练终止条件时得到信息识别模型； 所述信息识别模型为基于回归的XGBo ost预测模型。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述训练数据对初始信 息识别模 型进行迭代训练包括： 获取所述训练数据中的N个特征信息， N为大于零的自然数， 所述N个特征信息至少包括 以下中的一种： 客户身份信息、 客户贷款信息、 抵质押物信息、 土地交易信息； 对所述N个特征信息的重要度进行计算， 得到N个重要度； 筛选出N个重要度中最大的前M个重要度， M为大于零的自然数； 获取所述M个重要度对应的M个特征信息； 根据所述M个特征信息对初始信息识别模型 进行迭代训练。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述N个特征信息的重要度进行计 算包括： 采用随机森林算法对所述 N个特征信息的重要度进行计算。 5.根据权利要求1所述的方法， 其特征在于， 所述训练数据还包括无风险资产信 息的客 户身份信息、 客户交易数据。 6.根据权利要求1 ‑5任一项所述的方法， 其特 征在于， 所述方法还 包括： 根据所述初始信息识别模型输出的风险预测结果， 获取 预测失败的风险信息； 将所述预测失败的风险信息添加至所述训练数据。 7.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述训练终止条件包括以下任意 一种或多种： 所述初始信 息识别模型输出的风险预测结果与 预设结果一致、 训练时长达到预设时长 和训练次数达 到预设次数。 8.一种风险预测方法， 其特 征在于， 包括： 获取待识别资产信息； 将所述待识别资产信 息输入至如权利要求1 ‑7任一项所述的信 息识别模型的训练方法 训练得到的信息识别模型， 得到所述待识别资产信息的风险预测结果； 将所述待识别资产信息的风险预测结果发送至管理终端或显示所述待识别资产信息 的风险预测结果。 9.一种电子设备， 其特 征在于， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1至7中任一项权　利　要　求　书 1/2 页 2 CN 115423618 A 2所述的信息识别模型的训练方法， 或， 实现如权利要求8所述的风险预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 当所述指令被执行时， 使得计算机如权利要求1至7中任一项所述的信息识别模 型的训练方法， 或， 执 行如权利要求8所述的风险预测方法。权　利　要　求　书 2/2 页 3 CN 115423618 A 3