(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 202111494348.7 (22)申请日 2021.12.08 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 陈晗　沈丽忠　汪达胜　 (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 代理人 马姣琴　臧建明 (51)Int.Cl. G06Q 10/06(2012.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 风险控制模型的重训练方法及装置 (57)摘要 本公开实施例提供一种风险控制模型的重 训练方法及装置， 包括： 获取当前样本数据和在 前样本数据， 并根据在前样本数据和当前样本数 据， 预测得到重训练时的群体稳定性信息， 其中， 当前样本数据为用于重训练的业务记录数据， 在 前样本数据为训练得到原风险控制模型的业务 记录数据， 获取生成原风险控制模型的生成时 间， 获取从生成原风险控制模型至当前次重训练 之间的重训练次数， 并根据生 成时间和重训练次 数确定重训练的概率， 计算部署新风险控制模型 与原风险控制模 型之间的部署成本增量， 并根据 群体稳定性信息、 重训练的概率、 以及部署成本 增量对原风险控制模型进行重训练， 得到新风险 控制模型， 提高了重训练的可靠性和准确性的技 术效果。 权利要求书2页 说明书13页 附图4页 CN 114154891 A 2022.03.08 CN 114154891 A 1.一种风险控制模型的重训练方法， 包括： 获取当前样本数据和在前样本数据， 并根据所述在前样本数据和所述当前样本数据， 预测得到重训练时的群体稳定性信息， 其中， 所述当前样本数据为用于重训练的业务记录 数据， 所述在前样本数据为训练得到原风险控制模型的业 务记录数据； 获取生成所述原风险控制模型的生成时间， 获取从生成所述原风险控制模型至当前次 重训练之间的重训练次数， 并根据所述 生成时间和所述重训练次数确定 重训练的概 率； 计算部署新风险控制模型与 所述原风险控制模型之间的部署 成本增量， 并根据 所述群 体稳定性信息、 所述重训练的概率、 以及所述部署成本增 量对所述原风险控制模型进行重 训练， 得到所述 新风险控制模型， 所述 新风险控制模型用于识别待处 理业务的风险信息 。 2.根据权利要求1所述的方法， 其中， 根据所述在前样本数据和所述当前样本数据， 预 测得到重训练时的群 体稳定性信息， 包括： 确定所述当前样本数据 所对应的当前特征分布信 息， 并确定所述在前样本数据 所对应 的在前特征分布信息； 计算所述当前特征分布信 息和所述在前特征分布信 息之间的分布差异信 息， 并根据 所 述分布差异信息预测得到所述群 体稳定性信息 。 3.根据权利要求1所述的方法， 其中， 根据 所述生成时间和所述重训练次数确定重训练 的概率， 包括： 确定当前时间与所述生成时间之间的时间差值， 并获取距离当前时间最近一 次重训练 的时间； 根据所述时间差值、 所述距离当前时间最近一 次重训练的时间、 所述重训练次数、 以及 预设的权 重超参， 计算得到所述重训练的概 率。 4.根据权利要求1所述的方法， 其中， 计算部署新风险控制模型与所述原风险控制模型 之间的部署成本增量， 包括： 获取部署所述新风险控制模型时中央处理器的当前占用率、 以及内存的当前占用率， 并获取部署所述原风险控制模型时中央处 理器的在前占用率、 以及内存的在前占用率； 根据所述中央处理器的当前占用率、 所述内存的当前占用率、 所述中央处理器的在前 占用率、 以及所述内存的在前占用率， 计算所述部署成本增量。 5.根据权利要求4所述的方法， 其中， 根据所述中央处理器的当前占用率、 所述内存的 当前占用率、 所述中央处理器的在前占用率、 以及所述内存的在前占用率， 计算所述部署成 本增量， 包括： 根据所述中央处理器的当前占用率与所述中央处理器的在前占用率之间的商确定中 央处理器的成本增量； 根据所述内存的当前占用率与所述内存的在前占用率之间的商确定内存的成本增量； 将所述中央处理器的成本增量与所述内存的成本增量之间的和确定为所述部署成本 增量。 6.根据权利要求1 ‑5中任一项所述的方法， 其中， 根据所述群体稳定性信息、 所述重训 练的概率、 以及所述部署成本增量对所述原风险控制模型进行重训练， 得到所述新风险控 制模型， 包括： 获取预设候选网络模型对所述原风险控制模型进行重训练时的性能评价信息；权　利　要　求　书 1/2 页 2 CN 114154891 A 2根据所述性能评价信 息、 所述群体稳定性信 息、 所述重训练的概率、 以及所述部署 成本 增量， 生成所述 新风险控制模型。 7.根据权利要求6所述的方法， 其中， 根据 所述性能评价信 息、 所述群体稳定性信 息、 所 述重训练的概 率、 以及所述部署成本增量， 生成所述 新风险控制模型， 包括： 根据所述性能评价信 息、 所述群体稳定性信 息、 所述重训练的概率、 以及所述部署 成本 增量， 确定模型替换置信度； 若所述模型替换置信度 大于预设的置信度阈值， 则将所述候选网络模型确定为所述新 风险控制模型。 8.一种风险控制模型的重训练装置， 包括： 第一获取 单元， 用于获取当前样本数据和在前样本数据； 预测单元， 用于根据所述在前样本数据和所述当前样本数据， 预测得到重训练时的群 体稳定性信息， 其中， 所述当前样 本数据为用于重训练的业务记录数据， 所述在前样本数据 为训练得到原风险控制模型的业 务记录数据； 第二获取单元， 用于获取生成所述原风险控制模型的生成时间， 获取从生成所述原风 险控制模型至当前次重训练之间的重训练次数； 确定单元， 用于根据所述 生成时间和所述重训练次数确定 重训练的概 率； 计算单元， 用于计算部署新风险控制模型与所述原风险控制模型之间的部署成本增 量； 重训练单元， 用于根据 所述群体稳定性信 息、 所述重训练的概率、 以及所述部署 成本增 量对所述原风险控制模型进行重训练， 得到所述新风险控制模型， 所述新风险控制模型用 于识别待处 理业务的风险信息 。 9.一种电子设备， 包括： 存 储器， 处理器； 存储器， 用于存 储所述处 理器可执行指令； 其中， 所述处 理器被配置为执 行如权利要求1 ‑7中任一项所述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质中存储有计算机执行指令， 所 述计算机执 行指令被处 理器执行时用于实现如权利要求1 ‑7中任一项所述的方法。 11.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114154891 A 3