本发明涉及人工智能领域，尤其涉及一种风险确定方法、装置及存储介质。
背景技术：
1、传统的风险预测方法主要包括：
2、第一种基于特定规则来判断用户的信用风险。第二种通过传统的机器学习方法，基于挖掘到的用户的各种统计属性和行为特征，确定用户的信用风险。第三种基于用户及其关联人的信息构建图网络，用图模型输出用户的信用风险；第四点采样动态图建模，基于图模型对图网络进行特征抽取，然后利用传统的递归神经网络学习图特征的信息变化，从而确定用户风险概率。
3、而现有的风险预测方法均无法实现对时间序列上的行为进行捕捉，且在解决长序列预测问题上局限性较大，计算效率较低。
技术实现思路
1、本发明实施例提供一种风险确定方法、装置及存储介质。
2、本发明实施例技术方案是这样实现的：
3、本发明实施例提供一种风险确定方法，所述方法包括：
4、对关系图中目标节点的节点信息、时间信息和位置信息进行编码，生成编码向量；
5、所述关系图指示第一对象在预设时间段内与至少一个第二对象之间的交互行为；所述目标节点指示所述第一对象在所述关系图中对应的节点；所述时间信息指示所述交互行为的执行时间，所述位置信息指示所述交互行为的执行顺序；
6、对所述编码向量进行特征提取生成第一特征向量；所述第一特征向量，至少能够反映所述交互行为之间的时序关系；
7、对所述第一特征向量进行一次或多次维度压缩，生成第二特征向量；
8、基于所述第二特征向量，确定所述第一对象的信用风险值。
9、上述方案中，所述对关系图中目标节点的节点信息、时间信息和位置信息进行编码，生成编码向量，包括：
10、对所述节点信息进行嵌入编码，生成第一嵌入向量；
11、对所述时间信息进行时间编码，生成第一时间向量；
12、对所述位置信息进行位置编码，生成位置向量；
13、基于所述第一嵌入向量、所述第一时间向量和所述位置向量，生成编码向量。
14、上述方案中，所述基于所述第一嵌入向量、所述第一时间向量和所述位置向量，生成编码向量，包括：
15、对所述第一嵌入向量进行映射，生成第二嵌入向量；
16、对所述第一时间向量进行映射，生成第二时间向量；所述第二嵌入向量和所述第二时间向量的维度与所述位置向量的维度相同；
17、基于所述第二嵌入向量、所述第二时间向量和所述位置向量进行特征融合，生成所述编码向量。
18、上述方案中，所述对所述编码向量进行特征提取，生成第一特征向量，包括：
19、通过多头注意力机制对所述编码向量进行一次或多次特征提取，生成第一特征向量。
20、上述方案中，所述通过多头注意力机制对所述编码向量进行一次或多次特征提取，生成第一特征向量，包括：
21、当进行第一次特征提取时，通过所述多头注意力机制对所述编码向量进行特征提取，生成第1个所述第一特征向量；
22、所述对所述第一特征向量进行一次或多次维度压缩，生成第二特征向量，包括：
23、当进行第一次维度压缩时，通过知识蒸馏模型对所述第1个所述第一特征向量进行维度压缩，生成第1个所述第二特征向量。
24、上述方案中，所述通过多头注意力机制对所述编码向量进行一次或多次特征提取，生成第一特征向量，包括：
25、当进行第n次特征提取时，通过所述多头注意力机制对第n-1个所述第二特征向量进行特征提取，生成第n个所述第一特征向量；n为大于等于2的正整数；
26、所述对所述第一特征向量进行一次或多次维度压缩，生成第二特征向量，包括：
27、当进行第n次维度压缩时，通过知识蒸馏模型对所述第n个所述第一特征向量进行维度压缩，生成第n个所述第二特征向量。
28、上述方案中，所述知识蒸馏模型包括：一维卷积网络和池化网络；
29、通过一维卷积网络，提取所述第一特征向量中的时序特征；
30、通过池化网络，对所述第一特征向量中的时序特征进行一次或n次维度压缩，生成所述第二特征向量；
31、当所述第二特征向量的维度降低到预设值时，将第二特征向量确定为目标特征向量。
32、上述方案中，所述基于所述第二特征向量，确定所述第一对象的信用风险值，包括：
33、将目标特征向量输入全连接层，通过激活函数确定所述第一对象的信用风险值。
34、本发明实施例还提供一种风险确定装置，所述装置包括：第一生成模块、第二生成模块、第三生成模块和确定模块；
35、所述第一生成模块，用于对关系图中目标节点的节点信息、时间信息和位置信息进行编码，生成编码向量；所述关系图指示第一对象在预设时间段内与至少一个第二对象之间的交互行为；所述目标节点指示所述第一对象在所述关系图中对应的节点；所述时间信息指示所述交互行为的执行时间，所述位置信息指示所述交互行为的执行顺序；
36、所述第二生成模块，用于对所述编码向量进行特征提取生成第一特征向量；所述第一特征向量，至少能够反映所述交互行为之间的时序关系；
37、所述第三生成模块，用于对所述第一特征向量进行一次或多次维度压缩，生成第二特征向量；
38、所述第一确定模块，用于基于所述第二特征向量，确定所述第一对象的信用风险值。
39、上述方案中，所述第一生成模块，具体用于：
40、对所述节点信息进行嵌入编码，生成第一嵌入向量；
41、对所述时间信息进行时间编码，生成第一时间向量；
42、对所述位置信息进行位置编码，生成位置向量；
43、基于所述第一嵌入向量、所述第一时间向量和所述位置向量，生成编码向量。
44、上述方案中，所述第一生成模块，具体还用于：
45、对所述第一嵌入向量进行映射，生成第二嵌入向量；
46、对所述第一时间向量分别映射，生成第二时间向量；所述第二嵌入向量和所述第二时间向量的维度与所述位置向量的维度相同；
47、基于所述第二嵌入向量、所述第二时间向量和所述位置向量进行特征融合，生成所述编码向量。
48、上述方案中，所述第二生成模块，具体用于：
49、通过多头注意力机制对所述编码向量进行一次或多次特征提取，生成第一特征向量。
50、上述方案中，所述第二生成模块，具体还用于：
51、当进行第一次特征提取时，通过所述多头注意力机制对所述编码向量进行特征提取，生成第1个所述第一特征向量；
52、所述第三生成模块，具体用于：
53、当进行第一次维度压缩时，通过知识蒸馏模型对所述第1个所述第一特征向量进行维度压缩，生成第1个所述第二特征向量。
54、上述方案中，所述第二生成模块，具体还用于：
55、当进行第n次特征提取时，通过所述多头注意力机制对第n-1个所述第二特征向量进行特征提取，生成第n个所述第一特征向量；n为大于等于2的正整数；
56、所述第三生成模块，具体还用于：
57、当进行第n次维度压缩时，通过知识蒸馏模型对所述第n个所述第一特征向量进行维度压缩，生成第n个所述第二特征向量。
58、上述方案中，所述装置还包括：第二确定模块；所述知识蒸馏模型包括：一维卷积网络和池化网络；
59、所述第三生成模块，包括：提取模块和第三生成子模块；
60、所述提取模块，用于通过一维卷积网络，提取所述第一特征向量中的时序特征；
61、所述第三生成子模块，用于通过池化网络，对所述第一特征向量中的时序特征进行一次或n次维度压缩，生成所述第二特征向量；
62、所述第二确定模块，用于当所述第二特征向量的维度降低到预设值时，将第二特征向量确定为目标特征向量。
63、上述方案中，所述第一确定模块，具体用于：
64、将目标特征向量输入全连接层，通过激活函数确定所述第一对象的信用风险值。
65、本发明实施例还提供一种风险确定装置，所述装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
66、其中，所述处理器用于运行所述计算机程序时，执行上述任意一种风险确定方法的步骤。
67、本发明实施例还提供了一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现上述一种风险确定方法的步骤。
68、本实施例中，对关系图中目标节点的节点信息、时间信息和位置信息进行编码，生成编码向量，通过时间序列中不同时间点的关系图中不同类型的信息进行特征提取和融合，更好地从时间序列的维度捕捉时序特征，提高了时间感知能力，实现了基于用户动态关系网进行信用风险识别，达到更好的预测效果并减少了传统神经网络模型不能捕捉序列特征的局限性；通过对所述编码向量进行特征提取生成第一特征向量后，对所述第一特征向量进行一次或多次维度压缩，生成第二特征向量，并基于所述第二特征向量，确定所述第一对象的信用风险值；如此，通过对特征提取层所输出的特征向量的时序维度进行维度压缩，简化了网络结构，减少过拟合现象的出现，减少了模型参数，提高了计算效率。
1.一种风险确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的风险确定方法，其特征在于，所述对关系图中目标节点的节点信息、时间信息和位置信息进行编码，生成编码向量，包括：
3.根据权利要求2所述的风险确定方法，其特征在于，所述基于所述第一嵌入向量、所述第一时间向量和所述位置向量，生成编码向量，包括：
4.根据权利要求1所述的风险确定方法，其特征在于，所述对所述编码向量进行特征提取，生成第一特征向量，包括：
5.根据权利要求4所述的风险确定方法，其特征在于，所述通过多头注意力机制对所述编码向量进行一次或多次特征提取，生成第一特征向量，包括：
6.根据权利要求5所述的风险确定方法，其特征在于，所述通过多头注意力机制对所述编码向量进行一次或多次特征提取，生成第一特征向量，包括：
7.根据权利要求6所述的风险确定方法，其特征在于，所述知识蒸馏模型包括：一维卷积网络和池化网络；
8.根据权利要求7所述的风险确定方法，其特征在于，所述基于所述第二特征向量，确定所述第一对象的信用风险值，包括：
9.一种风险确定装置，其特征在于，所述装置包括：第一生成模块、第二生成模块、第三生成模块和第一确定模块；
10.一种风险确定装置，其特征在于，所述装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，执行权利要求1至8任一项所述方法的步骤。
11.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
