【技术实现步骤摘要】
模型训练方法、异常商品识别方法、电子设备及存储介质
[0001]本申请涉及互联网
,尤其涉及一种模型训练方法、异常商品识别方法、电子设备及存储介质。
技术介绍
[0002]随着互联网、大数据等技术的不断发展,涌现出越来越多的提供交易服务的电商平台,例如,商家对商家(Business to Business,B2B)电商平台、商家对消费者(Business to Consumer,B2C)电商平台或者消费者对消费者(Consumer to Consumer,C2C)电商平台。
[0003]在各大电商平台的日常运营中,需要准确识别并删除电商平台上的各种异常商品。目前,通常采用传统的机器学习或深度学习方法,基于商品的属性特征来识别商品是否为异常商品。然而,异常商品的属性特征容易被篡改得和合法商品非常相似,致使难以准确地识别异常商品。
技术实现思路
[0004]本申请的多个方面提供一种模型训练方法、异常商品识别方法、电子设备及存储介质,用以准确地识别异常商品。
[0005]本申请实施例提供一种模型训练方法,包括:获取多个样本商品,多个样本商品中至少包括具有真实标签的样本标签商品和具有异常标签的样本异常商品,真实标签为异常标签或正常标签;根据多个样本商品的相关信息,构建反映样本商品之间的风险关联关系的风险图,以及根据多个样本商品的属性特征,构建反映样本商品之间的属性关联关系的属性图;根据风险图和属性图训练初始图神经网络模型,得到能够用于异常商品识别的目标图神经网络模型。
[0006 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,其特征在于,包括:获取多个样本商品,所述多个样本商品中至少包括具有真实标签的样本标签商品和具有异常标签的样本异常商品,所述真实标签为异常标签或正常标签;根据所述多个样本商品的相关信息,构建反映样本商品之间的风险关联关系的风险图,以及根据所述多个样本商品的属性特征,构建反映样本商品之间的属性关联关系的属性图;根据所述风险图和所述属性图训练初始图神经网络模型,得到能够用于异常商品识别的目标图神经网络模型。2.根据权利要求1所述的方法,其特征在于,根据所述多个样本商品的相关信息,构建反映样本商品之间的风险关联关系的风险图,包括:将所述样本商品抽象为所述风险图中的节点;基于所述多个样本商品的相关信息确定存在风险关联关系的每两个样本商品,并为存在风险关联关系的每两个样本商品在所述风险图中创建连接对应两个节点的连边,其中,每种风险关联关系创建一条连边。3.根据权利要求1所述的方法,其特征在于,根据所述多个样本商品的属性特征,构建反映样本商品之间的属性关联关系的属性图,包括:将所述样本商品抽象为所述属性图中的节点;针对任意两个样本商品,根据两个样本商品各自的属性特征计算两个样本商品之间的第一属性相似度;确定第一属性相似度大于第一相似度阈值的两个样本商品之间存在属性关联关系,并为存在属性关联关系的两个样本商品在所述属性图中创建连接对应两个节点的连边。4.根据权利要求1所述的方法,其特征在于,根据所述风险图和所述属性图训练初始图神经网络模型,得到能够用于异常商品识别的目标图神经网络模型,包括:将所述风险图和所述属性图输入所述初始图神经网络模型中进行图结构学习,以得到所述样本标签商品的第一商品特征表示以及所述样本异常商品的第二商品特征表示;根据所述第一商品特征表示、所述第二商品特征表示以及所述真实标签,更新所述初始图神经网络模型的模型参数,以得到所述目标图神经网络模型。5.根据权利要求4所述的方法,其特征在于,根据所述第一商品特征表示、所述第二商品特征表示以及所述真实标签,更新所述初始图神经网络模型的模型参数,以得到所述目标图神经网络模型包括:将所述第一商品特征表示以及所述第二商品特征表示输入所述初始图神经网络模型中的多层感知机层进行度量学习,以预测所述样本标签商品的标签为异常标签的概率;根据所述样本标签商品的真实标签及其预测标签结果,更新所述初始图神经网络模型的模型参数,以得到所述目标图神经网络模型。6.根据权利要求5所述的方法,其特征在于,根据所述样本标签商品的真实标签及其预测标签结果,更新所述初始图神经网络模型的模型参数,以得到所述目标图神经网络模型,包括:根据所述样本标签商品的真实标签及其预测标签结果创建初始损失函数;根据所述初始图神经网络模型的当前模型参数生成正则化项,以及根据所述初始损失
函数和所述正则化项生成目标损失函数;根据目标损失函数,更新所述初始图神经网络模型的当前模型参数,以得到所述目标图神经网络模型。7.根据权利要求4所述的方法,其特征在于,将所述风险图和所述属性图输入所述初始图神经网络模型中进行图结构学习,以得到所述样本标签商品的第一商品特征表示以及所述样本异常商品的第二商品特征表示,包括:针对多个样本商品中任一第一样本商品,从所述风险图和所述属性图中确定所述第一样本商品对应的至少一个第一连边,每条第一连边连接所述第一样本商品对应的节点和所述第一样本商品的一个邻居商品对应的节点;根据至少一个第一连边的边权重和对应的至少一个邻居商品的属性特征的向量化表示,生成待拼接的向量化表示;将所述第一样本商品的属性特征的向量化表示和所述...
【专利技术属性】
技术研发人员:吉余岗,李傲,向婷妍,李东,
申请(专利权)人:阿里巴巴中国有限公司,
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。