(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 202111236804.8 (22)申请日 2021.10.23 (71)申请人 北京淇瑀信息科技有限公司 地址 100012 北京市朝阳区双营路1 1号院3 号楼2层4单元207 (72)发明人 王佳松　宋孟楠　焦雅　 (74)专利代理 机构 北京清诚知识产权代理有限 公司 11691 代理人 何怀燕 (51)Int.Cl. G06Q 40/00(2012.01) G06N 20/00(2019.01) (54)发明名称 资源额度分配方法、 装置及电子设备 (57)摘要 本公开涉及一种资源额度分配方法、 装置、 电子设备及计算机可读介质。 该方法包括： 获取 用户的用户信息， 所述用户信息包括基础信息和 行为信息； 基于所述用户信息生成用户特征； 将 所述用户特征输入动支风险模型中， 生成动支率 和风险率， 所述动支风险模型通过具有目标相关 性的多目标机器学习模型训练生成； 将所述动支 率和所述风险率与预设策略进行匹配； 根据匹配 结果为所述用户进行资源额度分配。 本公开涉及 的资源额度分配方法、 装置、 电子设备及计算机 可读介质， 能够快速准确的为用户分配资源额 度， 合理满足用户需求的同时保障金融数据安 全、 金融交易 安全。 权利要求书2页 说明书11页 附图6页 CN 114078047 A 2022.02.22 CN 114078047 A 1.一种资源额度分配方法， 其特 征在于， 包括： 获取用户的用户信息， 所述用户信息包括基础信息和行为信息； 基于所述用户信息生成用户特 征； 将所述用户特征输入动支风险模型中， 生成动支率和风险率， 所述动支风险模型通过 具有目标相关性的多目标机器学习模型训练生成； 将所述动支率和所述 风险率与预设策略进行匹配； 根据匹配结果 为所述用户进行资源额度分配。 2.如权利要求1所述的方法， 其特 征在于， 还 包括： 获取历史用户的用户信息； 为所述历史用户分配动支标签和风险标签； 基于带有所述动支标签和所述风险标签的历史用户的用户信息对具有目标相关性的 多目标机器学习模型进行训练， 生成所述动支风险模型。 3.如权利要求2所述的方法， 其特 征在于， 获取历史用户的用户信息， 包括： 获取预设时间范围内的历史用户的用户信息 。 4.如权利要求3所述的方法， 其特征在于， 为所述历史用户分配动支标签和风险标签， 包括： 基于预设时间范围后的所述历史用户的第一行为信息为所述历史用户分配动支标签； 基于预设时间范围后的所述历史用户的第二行为信息为所述历史用户分配风险标签。 5.如权利要求2所述的方法， 其特征在于， 基于带有所述动支标签和所述风险标签的历 史用户的用户信息对具有目标相关性的多目标机器学习模型进行训练， 生成所述动支风险 模型， 包括： 基于带有所述动支标签和所述风险标签的历史用户的用户信息对具有目标相关性的 多目标机器学习模型进行训练； 在训练过程中通过动支损 失函数和风险损失函数对具有目标相关性的多目标机器学 习模型的参数进行 更新； 在所述动支损失函数和所述 风险损失函数收敛时， 生成所述动支风险模型。 6.如权利要求5所述的方法， 其特 征在于， 还 包括： 基于输入层、 共享层、 第一参数层、 第二参数层、 动支特征层、 风险特征层生成所述具有 目标相关性的多目标机器学习模型； 其中， 所述动支特 征层和所述 风险特征层的特 征相关联。 7.如权利要求6所述的方法， 其特征在于， 基于带有所述动支标签和是风险标签的历史 用户的用户信息对具有目标相关性的多目标机器学习模型进行训练， 包括： 历史用户的用户信息 输入所述具有目标相关性的多目标机器学习模型的输入层； 所述输入层提取 所述用户信息中的多个特 征； 所述共享层 在所述多个特 征中提取共享特 征； 所述第一参数层、 所述第 二参数层、 所述动支特征层、 所述风险特征层基于所述共享特 征进行训练。 8.如权利要求7所述的方法， 其特征在于， 在训练过程中通过动支损失函数和风险损失 函数对具有目标相关性的多目标机器学习模型的参数进行 更新， 包括：权　利　要　求　书 1/2 页 2 CN 114078047 A 2所述第一 参数层基于所述共享层的所述共享特 征生成动支特 征层的第一输出 结果； 所述第二参数层基于所述共享层的所述共享特征和所述第一输出结果生成风险特征 层的第二输出 结果； 将所述第一输出结果和所述第二输出结果和所述历史用户的所述动支标签和所述风 险标签进行比对； 根据比对结果更新所述具有目标相关性的多目标机器学习模型的参数。 9.如权利要求8所述的方法， 其特征在于， 所述第 一参数层基于所述共享层的所述共享 特征生成动支特 征层的第一输出 结果， 包括： 所述第一 参数层由所述共享层获取 所述共享特 征； 所述第一 参数层基于所述共享特 征和第一特 征生成动支特 征； 基于所述动支特 征生成所述第一输出 结果。 10.如权利要求8所述的方法， 其特征在于， 所述第二参数层基于所述共享层的所述共 享特征和所述第一输出 结果生成风险特 征层的第二输出 结果， 包括： 所述第二 参数层由所述共享层获取 所述共享特 征； 所述第二 参数层基于所述共享特 征、 第二特 征、 所述第一输出 结果生成风险特 征； 基于所述 风险特征生成所述第二输出 结果。 11.一种资源额度分配装置， 其特 征在于， 包括： 信息模块， 用于获取用户的用户信息， 所述用户信息包括基础信息和行为信息； 特征模块， 用于基于所述用户信息生成用户特 征； 计算模块， 用于将所述用户特征输入动支风险模型中， 生成动支率和风险率， 所述动支 风险模型通过 具有目标相关性的多目标机器学习模型训练生成； 匹配模块， 用于将所述动支率和所述 风险率与预设策略进行匹配； 分配模块， 用于根据匹配结果 为所述用户进行资源额度分配。 12.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑10中任一所述的方法。 13.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理器执 行时实现如权利要求1 ‑10中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114078047 A 3