交易风险确定方法、装置和服务器制造方法及图纸

本说明书提供了交易风险确定方法、装置和服务器。基于该方法，具体实施前，可以充分、有效地利用聚类中心点与样本数据之间的流形信息，根据预设的聚类和流形规则，通过半监督学习，训练得到预设的风险确定模型；具体实施时，可以先获取目标交易数据，以及与目标交易数据相关的目标关联数据；再根据上述目标交易数据和目标关联数据，提取出所需要的目标特征；进而可以调用上述预设的风险确定模型处理上述目标特征，以输出对应的目标处理结果；根据目标处理结果确定目标交易数据是否存在预设的交易风险。从而可以快速地训练得到精度较高的预设的风险确定模型，并基于该模型准确地预测出目标交易数据是否存在预设的交易风险。出目标交易数据是否存在预设的交易风险。出目标交易数据是否存在预设的交易风险。

【技术实现步骤摘要】
交易风险确定方法、装置和服务器


[0001]本说明书属于人工智能
，尤其涉及交易风险确定方法、装置和服务器。

技术介绍

[0002]在交易数据处理场景中，常常需要先耗费大量的计算资源和时间训练得到用于预测交易风险的模型，再利用该模型来处理交易数据以检测交易数据是否存在相应的交易风险。
[0003]但是，基于现有方法，在训练模型时往往存在训练效率较低、训练精度较差等问题，进而导致基于上述模型进行交易风险预测时容易出现误差，影响交易风险确定的准确度。
[0004]针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本说明书提供了一种交易风险确定方法、装置和服务器，以快速地训练得到精度较高的预设的风险确定模型，并基于该模型准确地预测出目标交易数据是否存在预设的交易风险。
[0006]本说明书提供了一种交易风险确定方法，包括：
[0007]获取目标交易数据，以及与目标交易数据相关的目标关联数据；
[0008]根据所述目标交易数据、目标关联数据，提取得到目标特征；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交易风险确定方法，其特征在于，包括：获取目标交易数据，以及与目标交易数据相关的目标关联数据；根据所述目标交易数据、目标关联数据，提取得到目标特征；调用预设的风险确定模型处理所述目标特征，得到对应的目标处理结果；其中，所述预设的风险确定模型为预先根据预设的聚类和流形规则，通过半监督学习训练得到的分类模型；根据所述目标处理结果，确定目标交易数据是否存在预设的交易风险。2.根据权利要求1所述的方法，其特征在于，所述目标关联数据包括以下至少之一：目标交易数据所涉及的交易对象的用户信息、目标交易数据的交易媒介、目标交易数据的交易附言。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本数据集；其中，所述样本数据集包括有标签的样本数据集和无标签的样本数据集；对所述样本数据集进行聚类处理，得到聚类中心集；根据所述聚类中心集，构建基于聚类和流形的目标函数；利用所述目标函数和所述样本数据集，进行模型训练，以得到预设的风险确定模型。4.根据权利要求3所述的方法，其特征在于，对所述样本数据集进行聚类处理，得到聚类中心集，包括：调用KNN聚类模型处理所述样本数据集，以得到对应的聚类中心集；其中，所述聚类中心集包含有预设个数个聚类中心点。5.根据权利要求3所述的方法，其特征在于，根据所述聚类中心集，构建基于聚类和流形的目标函数，包括：根据聚类中心集和样本数据集，计算局部权重矩阵和样本距离矩阵；根据所述局部权重矩阵，构建聚类流形第一正则化项；根据所述局部权重矩阵和样本距离矩阵，构建聚类流形第二正则化项；根据所述聚类流形第一正则化项和所述聚类流形第二正则化项，构建得到目标函数。6.根据权利要求5所述的方法，其特征在于，根据聚类中心集和样本数据集，计算局部权重矩阵，包括：按照以下算式，计算权重系数，作为局部权重矩阵中的矩阵元素：其中，z
i,j
为x
i
与u
j
之间的权重系数，x
i
为编号为i的样本数据，u
j
为编号为j的聚类中心点，d(x
i
,u
j
)为x
i
与u
j
之间的距离，k为聚类中心集中所包含的聚类中心点的总数。7.根据权利要求6所述的方法，其特征在于，根据所述局部权重矩阵，构建聚类流形第一正则化项，包括：按照以下算式，构建聚类流形第一正则化项：
其中，R1为第一正则化项参数，x
i
为编号为i的样本数据，u
j
为编号为j...

【专利技术属性】
技术研发人员：陈李龙，王娜，倪俊，冯歆然，
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：