本公开涉及一种账户的识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待识别账户的票据交互数据及账户数据；将所述票据交互数据及所述账户数据输入至账户检测模型，经所述账户检测模型输出第一评分；将所述票据交互数据及所述账户数据输入至分类模型，经所述分类模型输出第二评分；根据所述第一评分、所述第二评分确定所述待识别账户的账户评分；在所述账户评分高于预设阈值的情况下，确定所述待识别账户为第二账户类型。采用本方法能够提高账户类型的识别效率和准确率。准确率。准确率。
【技术实现步骤摘要】
账户的识别方法、装置、计算机设备和存储介质
[0001]本公开涉及数据处理
，特别是涉及一种账户的识别方法、装置、计算机设备和存储介质。
技术介绍
[0002]现有技术中，通过创建黑名单的方式判断账户是否为票据中介的账户，然而这种方法识别未知的或再次伪装的票据中介效果较差；还可以通过票据交互数据进行规则分析或人工根据业务经验判断账户是否为票据中介的账户，但是这种方法依赖人工分析，准确率较低，且效率较差。
技术实现思路
[0003]基于此，有必要针对上述技术问题，提供一种能够提高识别效率和准确性的账户的识别方法、装置、计算机设备和存储介质。
[0004]第一方面，本公开实施例提供了一种账户的识别方法。所述方法包括：
[0005]获取待识别账户的票据交互数据及账户数据；
[0006]将所述票据交互数据及所述账户数据输入至账户检测模型，经所述账户检测模型输出第一评分，其中，所述账户检测模型为利用第一账户类型对应账户的样本数据训练得到；
[0007]将所述票据交互数据及所述账户数据输入至分类模型，经所述分类模型输出第二评分，所述分类模型为根据账户的样本数据与账户类型之间的关系训练得到；
[0008]根据所述第一评分、所述第二评分确定所述待识别账户的账户评分；
[0009]在所述账户评分高于预设阈值的情况下，确定所述待识别账户为第二账户类型。
[0010]在其中一个实施例中，所述根据所述第一评分、所述第二评分确定所述待识别账户的账户评分，包括：/>[0011]获取所述账户检测模型对应的第一权重以及所述分类模型对应的第二权重；
[0012]根据所述第一评分、所述第二评分、所述第一权重以及所述第二权重确定所述待识别账户的账户评分。
[0013]在其中一个实施例中，所述第一权重和所述第二权重的确定方式，包括：
[0014]获取测试数据，其中，所述测试数据为标注有账户类型标签的票据交互数据及账户数据；
[0015]将所述测试数据输入至所述账户检测模型，并根据所述账户检测模型的输出评分与账户类型标签之间的差异得到第一识别准确率；
[0016]将所述测试数据输入至所述分类模型，并根据所述分类模型的输出评分与账户类型标签之间的差异得到第二识别准确率；
[0017]根据所述第一识别准确率和所述第二识别准确率确定第一权重和第二权重。
[0018]在其中一个实施例中，所述分类模型的获取方式，包括：
[0019]获取账户的样本数据，其中，所述样本数据包括标注有账户类型标签的账户的票据交互数据及账户数据；
[0020]构建初始分类模型，所述初始分类模型中设置有训练参数；
[0021]将所述样本数据输入至所述初始分类模型，得到输出结果；
[0022]基于所述输出结果与标注的账户类型标签的差异，对所述初始分类模型进行迭代调整，直至所述差异满足预设要求，得到分类模型。
[0023]在其中一个实施例中，所述获取账户的样本数据，包括：
[0024]获取初始样本数据，所述初始样本数据中包括标注有账户类型标签的账户的票据交互数据及账户数据；
[0025]对所述初始样本数据进行过采样处理得到账户的样本数据，其中，所述账户的样本数据对应的账户中，所述第一账户类型数量与所述第二账户类型的数量的比例满足预设要求。
[0026]在其中一个实施例中，所述账户检测模型的获取方式，包括：
[0027]获取第一账户类型对应账户的样本数据，其中，所述样本数据包括票据交互数据及账户数据；
[0028]构建初始账户检测模型，所述初始账户检测模型中设置有训练参数；
[0029]将所述样本数据输入至所述初始账户检测模型中，经所述初始账户检测模型输出结果；
[0030]基于所述输出结果与所述样本数据之间的差异对所述训练参数进行调整，直至所述初始账户检测模型达到收敛，得到账户检测模型。
[0031]在其中一个实施例中，所述将所述票据交互数据及所述账户数据输入至账户检测模型，经所述账户检测模型输出第一评分，包括：
[0032]将所述票据交互数据及所述账户数据输入至账户检测模型，经所述账户检测模型输出检测结果；
[0033]获取所述检测结果与所述票据交互数据、所述账户数据之间的距离；
[0034]对所述距离进行归一化处理，得到第一评分。
[0035]第二方面，本公开实施例还提供了一种账户的识别装置。所述装置包括：
[0036]获取模块，用于获取待识别账户的票据交互数据及账户数据；
[0037]第一输入模块，用于将所述票据交互数据及所述账户数据输入至账户检测模型，经所述账户检测模型输出第一评分，其中，所述账户检测模型为利用第一账户类型对应账户的样本数据训练得到；
[0038]第二输入模块，用于将所述票据交互数据及所述账户数据输入至分类模型，经所述分类模型输出第二评分，所述分类模型为根据账户的样本数据与账户类型之间的关系训练得到；
[0039]第一确定模块，用于根据所述第一评分、所述第二评分确定所述待识别账户的账户评分；
[0040]第二确定模块，用于在所述账户评分高于预设阈值的情况下，确定所述待识别账户为第二账户类型。
[0041]在其中一个实施例中，所述第一确定模块，包括：
[0042]获取子模块，用于获取所述账户检测模型对应的第一权重以及所述分类模型对应的第二权重；
[0043]确定子模块，用于根据所述第一评分、所述第二评分、所述第一权重以及所述第二权重确定所述待识别账户的账户评分。
[0044]在其中一个实施例中，所述第一权重和所述第二权重的确定模块，包括：
[0045]获取子模块，用于获取测试数据，其中，所述测试数据为标注有账户类型标签的票据交互数据及账户数据；
[0046]第一输入子模块，用于将所述测试数据输入至所述账户检测模型，并根据所述账户检测模型的输出评分与账户类型标签之间的差异得到第一识别准确率；
[0047]第二输入子模块，用于将所述测试数据输入至所述分类模型，并根据所述分类模型的输出评分与账户类型标签之间的差异得到第二识别准确率；
[0048]确定子模块，用于根据所述第一识别准确率和所述第二识别准确率确定第一权重和第二权重。
[0049]在其中一个实施例中，所述分类模型的获取模块，包括：
[0050]获取子模块，用于获取账户的样本数据，其中，所述样本数据包括标注有账户类型标签的账户的票据交互数据及账户数据；
[0051]构建模块，用于构建初始分类模型，所述初始分类模型中设置有训练参数；
[0052]输入子模块，用于将所述样本数据输入至所述初始分类模型，得到输出结果；
[0053]调整模块，用于基于所述输出结果与标注的账户类型标签的差异，对所述初始分类模型进行迭代调整，直至所述差异满足预设要求，得到分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种账户的识别方法，其特征在于，所述方法包括：获取待识别账户的票据交互数据及账户数据；将所述票据交互数据及所述账户数据输入至账户检测模型，经所述账户检测模型输出第一评分，其中，所述账户检测模型为利用第一账户类型对应账户的样本数据训练得到；将所述票据交互数据及所述账户数据输入至分类模型，经所述分类模型输出第二评分，所述分类模型为根据账户的样本数据与账户类型之间的关系训练得到；根据所述第一评分、所述第二评分确定所述待识别账户的账户评分；在所述账户评分高于预设阈值的情况下，确定所述待识别账户为第二账户类型。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一评分、所述第二评分确定所述待识别账户的账户评分，包括：获取所述账户检测模型对应的第一权重以及所述分类模型对应的第二权重；根据所述第一评分、所述第二评分、所述第一权重以及所述第二权重确定所述待识别账户的账户评分。3.根据权利要求2所述的方法，其特征在于，所述第一权重和所述第二权重的确定方式，包括：获取测试数据，其中，所述测试数据为标注有账户类型标签的票据交互数据及账户数据；将所述测试数据输入至所述账户检测模型，并根据所述账户检测模型的输出评分与账户类型标签之间的差异得到第一识别准确率；将所述测试数据输入至所述分类模型，并根据所述分类模型的输出评分与账户类型标签之间的差异得到第二识别准确率；根据所述第一识别准确率和所述第二识别准确率确定第一权重和第二权重。4.根据权利要求1所述的方法，其特征在于，所述分类模型的获取方式，包括：获取账户的样本数据，其中，所述样本数据包括标注有账户类型标签的账户的票据交互数据及账户数据；构建初始分类模型，所述初始分类模型中设置有训练参数；将所述样本数据输入至所述初始分类模型，得到输出结果；基于所述输出结果与标注的账户类型标签的差异，对所述初始分类模型进行迭代调整，直至所述差异满足预设要求，得到分类模型。5.根据权利要求4所述的方法，其特征在于，所述获取账户的样本数据，包括：获取初始样本数据，所述初始样本数据中包括标注有账户类型标签的账户的票据交互数据及账户数据；对所述初始样本数据进行过采样处理得到账户的样本数据，其中，所述账户的样本数据对应的账户中...
【专利技术属性】
技术研发人员：施煜波，居胜峰，浦进，黄烨，闻怡，刘煜，
申请(专利权)人：江苏常熟农村商业银行股份有限公司，
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。