(19)中华 人民共和国 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 202111536538.0 (22)申请日 2021.12.16 (71)申请人 百融云创科技股份有限公司 地址 100000 北京市朝阳区阜荣 街10号环 球创意广场A座1- 3层 (72)发明人 武一凡　张韶峰　冯鑫　 (74)专利代理 机构 北京鼎佳达知识产权代理事 务所(普通 合伙) 11348 代理人 刘铁生　孟阿妮 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) G06N 20/10(2019.01) (54)发明名称 一种基于直推式半监督学习的风控决策方 法及系统 (57)摘要 本发明提供了一种基于直推式半监督学习 的风控决策方法及系统， 其中， 所述方法包括： 获 得标记样本集合； 获得未标记样本集合； 根据标 记样本集合， 未标记样本集合， 获得样本合并集； 获得第一预设算法； 根据样本合并集、 第一预设 算法， 获得第一预测标签； 获得第二预设算法， 根 据标记样本集合， 未标记样本集合、 第二预设算 法， 获得第二预测标签， 第二预测标签与第一预 测标签均用于表示未标记样本集合的预测标签； 获得决策结果。 解决了 现有技术中存在以实际还 款表现对拒绝件进行标注， 导致成本不可控和违 规问题， 使用不可评估的数据标注重新训练线上 模型， 导致线上主评分卡模型效果衰减的技术问 题。 权利要求书3页 说明书11页 附图4页 CN 113935829 A 2022.01.14 CN 113935829 A 1.一种基于直推式半监 督学习的风控决策 方法， 其中， 所述方法包括： 获得标记样本集 合； 获得未标记样本集 合； 根据所述标记样本集 合， 所述未 标记样本集 合， 获得样本合并集； 获得第一预设算法； 根据所述样本合并集、 所述第一预设算法， 获得第一预测标签； 获得第二预设算法， 其中， 所述第二预设算法与所述第一预设算法均为直推式半监督 学习算法， 且， 所述第二预设算法与所述第一预设算法不同； 根据所述标记样本集合， 所述未标记样本集合、 所述第二预设算法， 获得第二预测标 签， 所述第二预测标签与所述第一预测标签均用于表示所述未 标记样本集 合的预测标签； 根据所述第一预测标签、 所述第二预测标签， 获得决策 结果。 2.如权利要求1所述的方法， 其中， 所述根据 所述样本合并集、 所述第 一预设算法， 获得 第一预测标签， 包括： 根据所述样本合并集， 构建全连接图； 根据所述全连接图， 获得边 集权重矩阵； 根据所述 边集权重矩阵， 获得概 率转移矩阵； 获得所述标记样本集合的初始化标签， 并与所述未标记样本集合进行合并， 获得标签 集合； 根据所述 概率转移矩阵对所述标签集 合进行转 播处理， 获得转 播标签集 合； 根据所述 转播标签集 合， 获得所述第一预测标签。 3.如权利要求2所述的方法， 其中， 所述全连接图为G=(V,E)， 其中， E为全连接图的边 集， V为全连接图中的结点集， ， X为结点， v为标记样 本的个数， u为未 标记样本的个数， v、 u均为 正整数； 所述边集权重矩阵 ， 其中， 表示任意两个结点的 欧氏距离， 计算参数。 4.如权利要求3所述的方法， 其中， 所述概率转移矩阵为 ， 其中， 为 结点j到i的转 播概率， 为结点ij所在边的权 重矩阵。 5.如权利要求2所述的方法， 其中， 所述根据所述转播标签集合， 获得所述第一预测标 签， 包括： 步骤A将所述标记样本集 合恢复为初始化标签； 步骤B根据所述 转播标签集 合中转播概率值， 确定未 标记样本的第一标签； 步骤C利用所述初始化标签、 所述第一标签， 构建标签集 合； 步骤D利用所述概率转移矩阵对标签集合进行转播概率计算， 根据转播概率值， 确定所 述未标记样本的第二标签; 步骤E重复步骤A至D直到所述概率转移矩阵中的转播概率值满足收敛要求为止， 根据 所述概率转移矩阵的转 播概率值， 确定所述第一预测标签。权　利　要　求　书 1/3 页 2 CN 113935829 A 26.如权利要求1所述的方法， 其中， 所述根据 所述标记样本集合， 所述未标记样本集合、 所述第二预设算法， 获得第二预测标签， 包括： 根据所述标记样本集 合， 训练获得支持向量机； 利用所述支持向量机对所述未 标记样本集 合进行预测， 获得第三预测标签集； 初始化未 标记样本惩罚参数； 获得标记样本惩罚参数； 根据所述未标记样本惩罚参数、 标记样本惩罚参数、 第三预测标签集、 标记样本集合、 未标记样本集 合， 计算获得松弛变量、 第四预测标签； 当所述松弛变量、 第 四预测标签满足第一预定条件时， 对所述第 四预测标签进行标记 交换操作； 重复根据所述未标记样本惩罚参数、 标记样本惩罚参数、 第三标签集、 标记样本集合、 未标记样本集合， 计算松弛变量、 预测标签， 并持续迭代， 直到迭代结果满足迭代终止要求 为止， 获得直推式支持向量机； 获得所述直推式支持向量机的输出 结果， 所述输出 结果包括所述第二预测标签。 7.如权利要求1所述的方法， 其中， 所述标记样本集合的样本标签为0/1， 所述方法包 括： 将所述标记样本集合中的样本的标签修改为 ‑1/1， 其中， 所述第一预测标签、 所述第二 预测标签均为 ‑1/1。 8.如权利要求1所述的方法， 其中， 所述根据 所述第一预测标签、 所述第 二预测标签， 获 得决策结果， 包括: 判断所述第一预测标签、 所述第二预测标签是否满足第二预定条件； 根据判断结果， 获得所述决策结果， 其中， 当满足时， 所述决策结果为第 一结果， 当不满 足时， 所述决策 结果为第二结果。 9.一种基于直推式半监 督学习的风控决策系统， 其中， 所述系统包括： 第一获得 单元， 所述第一获得 单元用于获得 标记样本集 合； 第二获得 单元， 所述第二获得 单元用于获得 未标记样本集 合； 第三获得单元， 所述第三获得单元用于根据 所述标记样本集合， 所述未标记样本集合， 获得样本合并集； 第四获得 单元， 所述第四获得 单元用于获得第一预设算法； 第五获得单元， 所述第五获得单元用于根据 所述样本合并集、 所述第 一预设算法， 获得 第一预测标签； 第六获得单元， 所述第六获得单元用于获得第 二预设算法， 其中， 所述第 二预设算法与 所述第一预设算法均为直推式半监督学习算法， 且， 所述第二预设算法与所述第一预设算 法不同； 第七获得单元， 所述第七获得单元用于根据 所述标记样本集合， 所述未标记样本集合、 所述第二预设算法， 获得第二预测标签， 所述第二预测标签与所述第一预测标签均用于表 示所述未 标记样本集 合的预测标签； 第八获得单元， 所述第八获得单元用于根据 所述第一预测标签、 所述第 二预测标签， 获 得决策结果。权　利　要　求　书 2/3 页 3 CN 113935829 A 3