一种模型训练的方法、业务风控的方法及装置制造方法及图纸

本说明书公开了一种模型训练的方法、业务风控的方法及装置。首先，确定预先构建的业务关系图。其次，获取业务序列数据。而后，将业务序列数据输入到待训练的预测模型中，以通过特征提取层，得到目标节点的第一序列特征，以及关联节点的第二序列特征。然后，通过注意力层，确定第一序列特征与第二序列特征之间的注意力权重，并根据注意力权重、第一序列特征以及第二序列特征，确定目标节点与关联节点之间的边的边特征。接着，将确定出的目标节点对应的节点特征以及边特征输入到决策层中，得到风险预测结果。最后，以最小化风险预测结果与标签之间的偏差为优化目标，对预测模型进行训练。本方法可以在用户执行业务过程中进行有效地业务风控。业务风控。业务风控。

【技术实现步骤摘要】
一种模型训练的方法、业务风控的方法及装置


[0001]本说明书涉及计算机
，尤其涉及一种模型训练的方法、业务风控的方法及装置。

技术介绍

[0002]随着互联网技术的快速发展，越来越多的业务可以通过互联网来实现(例如，支付、贷款)，相应的也伴随出现很多业务风险(例如，在线欺诈)，对业务进行风险控制以及隐私数据保护常常是业务流程中不可或缺的一部分。
[0003]目前，在业务风控过程中，常用的手段是收集大量的用户数据对风控模型进行训练，从而，通过训练后的风控模型对线上正在执行的业务进行及时的业务风控。但是，目前的风控模型的业务风控的能力较差。
[0004]因此，如何在用户执行业务过程中进行有效地业务风控，则是一个亟待解决的问题。

技术实现思路

[0005]本说明书提供一种模型训练的方法、装置、存储介质及电子设备，以在用户执行业务过程中进行有效地业务风控。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供了一种模型训练的方法，包括：
[0008]确定目标用户在预先构建的业务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练的方法，包括：确定目标用户在预先构建的业务关系图中对应的节点，作为目标节点，以及确定与所述目标节点相连的节点，作为关联节点，在所述业务关系图中，一个节点对应一个用户，具有业务关联的用户对应的节点由边相连；获取所述目标用户对应的业务序列数据，以及获取所述关联节点对应用户的业务序列数据，业务序列数据用于表示按照时间顺序进行排序的各业务数据；将所述目标用户的业务序列数据以及所述关联节点对应用户的业务序列数据输入到待训练的预测模型中，以通过所述预测模型中的特征提取层，从所述目标用户对应的业务序列数据中提取特征，得到第一序列特征，以及从所述关联节点对应用户的业务序列数据中提取特征，得到第二序列特征；通过所述预测模型中的注意力层，确定所述第一序列特征与所述第二序列特征之间的注意力权重，并根据所述注意力权重、所述第一序列特征以及所述第二序列特征，确定所述目标节点与所述关联节点之间的边的边特征；将确定出的所述目标节点对应的节点特征以及所述边特征输入到所述预测模型中的决策层中，得到风险预测结果；以最小化所述风险预测结果与所述目标用户对应的标签之间的偏差为优化目标，对所述预测模型进行训练。2.如权利要求1所述的方法，通过所述预测模型中的注意力层，确定所述第一序列特征与所述第二序列特征之间的注意力权重，具体包括：通过所述预测模型中的注意力层，针对所述第一序列特征中包含的每个时刻的业务特征，确定该时刻的业务特征与所述第二序列特征中的各时刻的业务特征之间的权重，作为所述第一序列特征中包含的该时刻的业务特征对应的权重；针对所述第二序列特征中包含的每个时刻的业务数据，确定该时刻的业务特征与所述第一序列特征中的各时刻的业务特征之间的权重，作为所述第二序列特征中包含的该时刻的业务特征对应的权重；根据所述第一序列特征中包含的各时刻的业务特征对应的权重以及所述第二序列特征中包含的各时刻的业务特征对应的权重，确定所述第一序列特征与所述第二序列特征之间的注意力权重。3.如权利要求1所述的方法，根据所述注意力权重、所述第一序列特征以及所述第二序列特征，确定所述目标节点与所述关联节点之间的边的边特征，具体包括：通过所述注意力权重对所述第一序列特征加权，得到加权后第一序列特征，以及，通过所述注意力权重对所述第二序列特征加权，得到加权后第二序列特征；根据所述加权后第一序列特征以及所述加权后第二序列特征，确定所述目标节点与所述关联节点之间的边的边特征。4.如权利要求3所述的方法，根据所述加权后第一序列特征以及所述加权后第二序列特征，确定所述目标节点与所述关联节点之间的边的边特征，具体包括：针对所述加权后第一序列特征中包含的每个时刻的加权后特征，根据该时刻的加权后特征中包含的各维度的子特征之间的权重，对该时刻的加权后特征进行特征压缩，得到所述加权后第一序列特征中包含的该时刻的压缩后特征；
针对所述加权后第二序列特征中包含的每个时刻的加权后特征，根据该时刻的加权后特征中包含的各维度的子特征之间的权重，对该时刻的加权后特征进行特征压缩，得到所述加权后第二序列特征中包含的该时刻的压缩后特征；根据所述加权后第一序列特征中包含的各时刻的压缩后特征以及所述加权后第二序列特征中包含的各时刻的压缩后特征，确定所述目标节点与所述关联节点之间的边的边特征。5.如权利要求1所述的方法，根据所述注意力权重、所述第一序列特征以及所述第二序列特征，确定所述目标节点与所述关联节点之间的边的边特征，具体包括：根据输入到所述预测模型中的业务序列数据，确定所述目标用户与所述关联节点对应用户在历史上分别针对同一业务对象所执行的业务数据，作为目标数据；根据所述注意力权重、所述第一序列特征、所述第二序列特征以...

【专利技术属性】
技术研发人员：但家旺，朱亮，田胜，孟昌华，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：