一种业务处理方法、模型训练方法、装置及设备制造方法及图纸

本说明书实施例提供一种业务处理方法、模型训练方法、装置及设备，可用于人工智能领域。所述方法包括：接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；融合各个模态特征数据得到融合特征数据；根据所述融合特征数据判断所述业务处理请求是否为异常请求；在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。通过上述方法，能够在处理用户的业务时，利用多种模态特征的数据对用户身份进行验证，提高了身份验证的准确性。

【技术实现步骤摘要】
一种业务处理方法、模型训练方法、装置及设备
本说明书实施例涉及人工智能
，特别涉及一种业务处理方法、模型训练方法、装置及设备。
技术介绍
随着互联网技术的发展，越来越多的机构、企业利用自身的服务系统实现线上业务处理。在进行线上业务处理时，系统对用户的身份进行验证，并在身份验证通过后对用户所提交的业务申请进行处理。但是，目前在针对业务进行处理时，所接收的用户身份信息以及业务申请信息具有单一的数据形式，例如仅仅通过文本的方式对用户自身进行描述。这类具有单一数据形式的申请信息往往更易进行伪造。而在不法分子针对所述申请信息进行伪造时，由于所伪造的申请信息往往不能体现较为全面的特征信息，对于伪造信息的识别一般也具有较高的难度，进而造成数据或资金的泄漏。因此，目前亟需一种在处理业务时能够较为全面地实现对用户身份的验证的技术方案。
技术实现思路
本说明书实施例的目的是提供一种业务处理方法、模型训练方法、装置及设备，以解决如何在处理业务时准确地对用户身份进行验证的技术问题。为了解决上述技术问题，本说明书实施例提出一种业务处理方法，包括：接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；融合各个模态特征数据得到融合特征数据；根据所述融合特征数据判断所述业务处理请求是否为异常请求；在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。本说明书实施例还提出一种业务处理装置，包括：请求接收模块，用于接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；模态特征数据提取模块，用于在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；模态特征数据融合模块，用于融合各个模态特征数据得到融合特征数据；判断模块，用于根据所述融合特征数据判断所述业务处理请求是否为异常请求；业务处理模块，用于在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。本说明书实施例还提出一种业务处理设备，包括存储器和处理器；所述存储器，用于存储计算机程序指令；所述处理器，用于执行所述计算机程序指令以实现以下步骤：接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；融合各个模态特征数据得到融合特征数据；根据所述融合特征数据判断所述业务处理请求是否为异常请求；在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。为了解决上述技术问题，本说明书实施例还提出一种模型训练方法，包括：获取业务申请样本数据；所述业务申请样本数据对应于至少两个模态特征；在所述业务申请样本数据中分别提取对应于所述模态特征的模态特征样本数据；融合所述模态特征样本数据得到融合样本向量；根据所述融合样本向量训练预先构建的异常业务识别模型。本说明书实施例还提出一种模型训练装置，包括：样本数据获取模块，用于获取业务申请样本数据；所述业务申请样本数据标注有异常状况；所述业务申请样本数据对应于至少两个模态特征；模态特征样本数据提取模块，用于在所述业务申请样本数据中分别提取对应于所述模态特征的模态特征样本数据；样本向量融合模块，用于融合所述模态特征样本数据得到融合样本向量；模型训练模块，用于根据所述融合样本向量和对应的异常状况训练异常业务识别模型。本说明书实施例还提出一种模型训练设备，包括存储器和处理器；所述存储器，用于存储计算机程序指令；所述处理器，用于执行所述计算机程序指令以实现以下步骤：获取业务申请样本数据；所述业务申请样本数据标注有异常状况；所述业务申请样本数据对应于至少两个模态特征；在所述业务申请样本数据中分别提取对应于所述模态特征的模态特征样本数据；融合所述模态特征样本数据得到融合样本向量；根据所述融合样本向量和对应的异常状况训练异常业务识别模型。由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取对应于至少两种模态特征的业务申请信息，分别提取对应于这些模态特征的模态特征数据后，对这些模态特征数据进行融合，并利用融合后的融合特征数据判断业务处理请求是否为异常请求。通过上述方法，在对业务申请信息进行判断时，能够综合考虑多个模态特征，通过对融合多个模态特征后的数据进行识别能够避免数据类型较为单一的情况，使得融合后的数据具有较为丰富的特征，从而增加了伪造数据的难度，提高了对用户申请进行验证的准确性。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本说明书实施例一种模型训练方法的流程图；图2为本说明书实施例一种业务处理方法的流程图；图3为本说明书实施例一种模型训练装置的模块图；图4为本说明书实施例一种业务处理装置的模块图；图5为本说明书实施例一种模型训练设备的结构图；图6为本说明书实施例一种业务处理设备的结构图。具体实施方式下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。为了解决上述技术问题，首先结合附图1对本说明书实施例一种模型训练方法的实施例进行说明。所述方法的执行主体可以为模型训练设备，所述模型训练设备包括但不限于服务器、工控机、PC机等。所述方法包括以下具体执行步骤。S110：获取业务申请样本数据；所述业务申请样本数据对应于至少两个模态特征。业务申请样本数据是用于对异常业务识别模型进行训练所获取的样本数据。所述业务申请样本数据可以是针对待识别的业务所提供的样本数据，例如当所述业务为信用卡申请业务时，可以采集历史记录中用户所提交的业务申请信息，将这些业务申请信息作为所述业务申请样本数据。所述业务申请样本数据可以对应有异常状况标注，所述异常状态标注用于标注所述业务申请样本数据所对应的业务申请是否为异常申请。相应的，基于所述异常状况标注和业务申请样本数据可以是采用有监督学习的方法进行后续的模型训练。所述业务申请样本数据也可以不存在对应的标注，在后续训练时直接利用无监督学习的方法对预设分类器进行训练。具体的进行机器学习的方式可以根据实际情况的需求进行选取，在此不做赘述。模态特征用于表示所述业务申请样本数本文档来自技高网...

【技术保护点】
1.一种业务处理方法，其特征在于，包括：/n接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；/n在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；/n融合各个模态特征数据得到融合特征数据；/n根据所述融合特征数据判断所述业务处理请求是否为异常请求；/n在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。/n

【技术特征摘要】
1.一种业务处理方法，其特征在于，包括：
接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；
在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；
融合各个模态特征数据得到融合特征数据；
根据所述融合特征数据判断所述业务处理请求是否为异常请求；
在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。


2.如权利要求1所述的方法，其特征在于，所述模态特征包括以下至少两种：
图像模态特征、指纹模态特征、音频模态特征和文本模态特征。


3.如权利要求1所述的方法，其特征在于，所述融合各个模态特征数据得到融合特征数据，包括：
将各个模态特征数据融合为一个融合特征向量；
将所述融合特征向量映射至预设向量子空间得到融合特征数据。


4.如权利要求1所述的方法，其特征在于，所述根据所述融合特征数据判断所述业务处理请求是否为异常请求，包括：
利用异常业务识别模型识别所述融合特征数据对应的业务处理请求是否为异常请求。


5.一种业务处理装置，其特征在于，包括：
请求接收模块，用于接收业务处理请求；所述业务处理请求中包含有业务申请信息；所述业务申请信息对应于至少两种模态特征；
模态特征数据提取模块，用于在所述业务申请信息中分别提取对应于所述模态特征的模态特征数据；
模态特征数据融合模块，用于融合各个模态特征数据得到融合特征数据；
判断模块，用于根据所述融合特征数据判断所述业务处理请求是否为异常请求；
业务处理模块，用于在所述业务处理请求不是异常请求的情况下，处理所述业务处理请求对应的业务。


6.一种业务处理设备，包括存储器和处理器；
所述存储器，用于存储计算机程序指令；
所述处理器，用于执行所述计算机程序指令以实现以下步骤：接收业务处理请求；所述业...

【专利技术属性】
技术研发人员：李香元，李兴柯，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11