一种模型训练方法、业务处理方法、装置及设备制造方法及图纸

本说明书实施例提供一种模型训练方法、业务处理方法、装置及设备。所述方法包括：获取至少一个历史记载业务；所述历史记载业务对应有业务信息；根据业务信息确定历史记载业务对应于至少一个预设判断规则的判断结果；所述判断结果包括正常业务和异常业务；利用判断结果中包括异常业务的历史记载业务的业务信息构建至少一个训练样本业务；所述训练样本业务的数量大于所述异常业务的数量；基于训练样本业务训练异常业务识别模型；所述异常业务识别模型用于识别异常业务。通过上述方法，在获取到异常业务后对异常业务的数量进行扩充，并利用扩充后的训练样本业务对模型进行训练，从而保证训练模型时具有充足的样本量，确保了识别异常业务的准确性。

【技术实现步骤摘要】
一种模型训练方法、业务处理方法、装置及设备
本说明书实施例涉及计算机
，特别涉及一种模型训练方法、业务处理方法、装置及设备。
技术介绍
随着人工智能技术的发展，人们可以借助计算机完成一些需要人类的智能才能完成的工作，例如对目标对象进行分类，或进行图像识别和处理等。而机器学习技术又是人工智能的核心技术，主要通过不断获取新的数据来完善对于某一事物的认知，例如当确定用于识别某一对象的模型之后，通过不断地获取对应于所述对象的样本数据，并利用所述样本数据进行训练以完善所述模型，进而使得所述模型更为准确地识别该对象。为了保证机器学习模型的准确性，在训练机器学习模型时往往需要利用大量的训练样本数据。但是，当用于训练模型的样本数据量过小时，可能无法训练出具有较高准确性的模型。例如，当训练模型对异常投标进行识别时，需要从以往的投标记录中筛选出异常投标记录，并利用标记后的数据对相应的模型进行训练。但是，实际生活中，诸如投标公司互相串通、投标公司预先获知标底信息等异常投标的情况并不常见，所获取到的投标记录中可能只包含有较少的异常投标记录，而在异常投标记本文档来自技高网...

【技术保护点】
1.一种异常业务识别模型训练方法，其特征在于，包括：/n获取至少一个历史记载业务；所述历史记载业务对应有业务信息；/n根据所述业务信息确定所述历史记载业务对应于至少一个预设判断规则的判断结果；所述判断结果包括正常业务和异常业务；/n利用判断结果中包括异常业务的历史记载业务的业务信息构建至少一个训练样本业务；所述训练样本业务的数量大于所述历史记载业务的数量；/n基于所述训练样本业务训练异常业务识别模型；所述异常业务识别模型用于识别异常业务。/n

【技术特征摘要】
1.一种异常业务识别模型训练方法，其特征在于，包括：
获取至少一个历史记载业务；所述历史记载业务对应有业务信息；
根据所述业务信息确定所述历史记载业务对应于至少一个预设判断规则的判断结果；所述判断结果包括正常业务和异常业务；
利用判断结果中包括异常业务的历史记载业务的业务信息构建至少一个训练样本业务；所述训练样本业务的数量大于所述历史记载业务的数量；
基于所述训练样本业务训练异常业务识别模型；所述异常业务识别模型用于识别异常业务。


2.如权利要求1所述的方法，其特征在于，所述历史记载业务包括投标业务；相应的，所述业务信息包括投标公司信息、投标公司员工信息、投标金额中的至少一种。


3.如权利要求1所述的方法，其特征在于，所述历史记载业务对应有目标对象；所述根据所述业务信息确定历史记载业务对应于至少一个预设判断规则的判断结果，包括：
判断对应于同一目标对象的至少两个历史记载业务的业务信息之间是否存在关联性；
若存在，将业务信息之间存在关联性的历史记载业务标识为异常业务。


4.如权利要求1所述的方法，其特征在于，所述历史记载业务对应有投标项目；所述业务信息中包含有投标金额；所述根据所述业务信息确定历史记载业务对应于至少一个预设判断规则的判断结果，包括：
获取对应于同一投标项目的至少两个历史记载业务的投标金额；
在不同的投标金额之间的差值大于投标金额最大差值或小于投标金额最小差值的情况下，判断所述投标金额对应的历史记载业务为异常业务。


5.如权利要求1所述的方法，其特征在于，所述历史记载业务对应有投标项目；所述投标项目对应有预算金额；所述历史记载业务的业务信息中包含投标金额；所述根据所述业务信息确定历史记载业务对应于至少一个预设判断规则的判断结果，包括：
获取所述历史记载业务对应的投标项目的预算金额；
在所述投标金额与所述预算金额之间的差值小于投标差值阈值的情况下，判断所述历史记载业务为异常业务。


6.如权利要求1所述的方法，其特征在于，所述根据所述业务信息确定历史记载业务对应于至少一个预设判断规则的判断结果，包括：
判断所述业务信息中是否包含失信记录；所述失信记录，用于表示所述历史记载业务对应的用户存在异常信用数据；
若存在，确定所述业务信息对应的历史记载业务为异常业务。


7.如权利要求1所述的方法，其特征在于，所述业务信息对应于至少两个业务特征；所述利用判断结果中包括异常业务的历史记载业务的业务信息构建至少一个训练样本业务，包括：
将判断结果中包含异常业务的历史记载业务标记为初始异常业务；
将所述初始异常业务的业务信息划分为对应于不同业务特征的业务特征信息；
将不同初始异常业务的业务特征信息分别进行组合得到候选样本业务；
基于候选样本业务之间的相似度将所述候选样本业务划分为至少两个候选样本业务集合；
获取包含有所述初始异常业务的候选样本业务集合中的候选样本业务作为训练样本业务。


8.如权利要求1所述的方法，其特征在于，所述基于所述训练样本业务训练异常业务识别模型，包括：
基于所述训练样本业务利用KNN算法训练异常业务识别模型。


9.一种模型训练装置，其特征在于，包括：
历史记载业务获取模块，用于获取至少一个历史记载业务；所述历史记载业务对应有业务信息；
判断结果确定模块，用于根据所述业务信息确定历史记载业务对应于至少一个...

【专利技术属性】
技术研发人员：王怡冰，朱克鹏，王德刚，申中华，张雨，贾飞，金亮，陆亦敏，李阳，魏聪惠，刘洋，薛飞，刘水泉，陈建文，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：北京;11