【技术实现步骤摘要】
【国外来华专利技术】在机器学习模型的嵌入之间映射用户向量
技术介绍
[0001]存在处理对访问资源的访问请求并且可确定特定访问请求的置信等级(例如，欺诈风险)的实体。在一个示例中，授权实体可向授权用户发行用户装置(例如，访问卡)，其允许用户利用与账户相关联的凭证(例如，账号等)来访问资源。中间实体(例如，处理网络)可利用预测模型代表授权实体来确定特定访问请求的访问评分，并且将该评分传输到授权实体以用于确定是否批准该请求。
[0002]当前预测模型在生成访问评分方面并不完全准确，并且有时导致推荐(或批准)欺诈性请求(或反之亦然)。当授权用户的行为模式已改变时，这些预测模型尤其成问题。例如，授权用户可能已从一个城市移动到另一个城市，并且因此现在从与过去不同的资源提供商获得资源。除非预测模型可并入授权用户在其中行事的新上下文(context)，否则预测模型的准确性可能降低。
[0003]因此，需要一种更准确地并入授权用户的上下文(以及对授权用户的上下文的更新)的机制，以供机器学习模型在确定是否授予对特定访问请求的访问时使用。
[0004]本公开的实施方...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，包括由处理计算机执行：接收由用户装置访问资源的访问请求，所述访问请求包括资源提供商标识符以及分别与多个用户装置相关联的多个用户标识符中的用户标识符；从嵌入表检索用户嵌入，所述用户嵌入与所述用户标识符相关联并且包括多个维度，所述多个维度中的每个维度与在时间上接近来自所述多个用户装置中的其他用户装置的子集的其他访问请求的先前访问请求中出现的所述用户标识符的上下文相关联，其中所述用户嵌入提供指示所述用户装置与所述其他用户装置的子集的相似性的多维数据点；将所述用户嵌入输入到所述处理计算机的第一机器学习模型中，所述第一机器学习模型使用所述嵌入表来训练；以及由所述第一机器学习模型确定访问评分，以确定是否授权所述用户装置访问所述资源，所述访问评分对应于授权所述用户装置访问所述资源的真实性级别。2.根据权利要求1所述的计算机实现的方法，其中所述用户标识符与所述用户装置的用户的用户账号相关联。3.根据权利要求1所述的计算机实现的方法，其中所述用户嵌入是所述嵌入表内的多个用户嵌入中的一个用户嵌入，所述多维数据点对应于向量，所述向量的每个值与所述多个维度中的维度相关联。4.根据权利要求3所述的计算机实现的方法，其中至少部分地基于比较各自相关联的向量内的每个值来确定所述用户装置与所述其他用户装置的子集的所述相似性。5.根据权利要求1所述的计算机实现的方法，其中所述第一机器学习模型包括神经网络，所述神经网络至少部分地基于利用与所述用户嵌入的维度相对应的值作为输入来确定所述神经网络的节点的权重而被训练。6.根据权利要求1所述的计算机实现的方法，还包括：向授权计算机传输包括所述访问评分的授权请求消息；接收包括授权响应的授权响应消息，所述授权响应至少部分地基于所述访问评分；以及向与资源提供商相关联的访问装置传输所述授权响应，所述授权响应用于确定是否授权所述用户装置访问所述资源。7.根据权利要求1所述的计算机实现的方法，还包括：接收训练数据，所述训练数据包括第二多个用户标识符，所述第二多个用户标识符分别与所述其他用户装置的子集相关联，所述第二多个用户标识符中的每个用户标识符至少部分地基于出现在具有所述资源提供商标识符的所述先前访问请求中的至少一个先前访问请求中而被选择为被包括在所述训练数据中；将所述训练数据输入到所述处理计算机的第二机器学习模型中；由所述第二机器学习模型至少部分地基于所述训练数据来生成所述嵌入表；以及使用所述训练数据和所述嵌入表来训练所述第一机器学习模型，其中所述先前访问请求的真实性是已知的。8.根据权利要求7所述的计算机实现的方法，其中所述第二机器学习模型至少部分地基于最小化损失函数来训练，所述损失函数被配置成确定地面真值用户标识符与预测用户标识符之间的差异。
9.根据权利要求1所述的计算机实现的方法，其中所述第一机器学习模型被进一步训练，以至少部分地基于对应于所述资源提供商标识符的资源提供商嵌入来生成所述访问评分。10.根据权利要求1所述的计算机实现的方法，还包括执行：在生成所述用户嵌入之后，接收由所述用户装置访问第二资源的第二访问请求，所述第二访问请求包括第二资源提供商标识符以及分别与所述多个用户装置相关联的所述多个用户标识符中的所述用户标识符；从第二嵌入表检索第二用户嵌入，所述第二用户嵌入与所述用户标识符相关联并且包括第二多个维度，所述第二多个维度中的每个维度...
【专利技术属性】
技术研发人员：郑艳，张皓宇，张维，仰颢，
申请(专利权)人：维萨国际服务协会，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。