风险识别模型的训练方法、风险识别方法及装置制造方法及图纸

本公开涉及计算机技术领域，具体涉及一种风险识别模型的训练方法、风险识别方法、风险识别模型的训练装置、风险识别装置、计算机可读存储介质及电子设备，上述方法包括：根据第一用户信息矩阵与第二用户信息矩阵得到第一差异矩阵，根据第一商家信息矩阵与第二商家信息矩阵得到第二差异矩阵，根据第一联合信息矩阵与第二联合信息矩阵得到联合差异矩阵，根据联合差异矩阵确定异常行为对应的预测风险类型，根据预测风险类型以及异常行为对应的真实风险类型进行迭代训练。通过本公开实施例的技术方案，可以解决现有技术中进行风险预测时延迟性较高的问题。迟性较高的问题。迟性较高的问题。

【技术实现步骤摘要】
风险识别模型的训练方法、风险识别方法及装置


[0001]本公开涉及计算机
，具体而言，涉及一种风险识别模型的训练方法、风险识别方法及装置。

技术介绍

[0002]随着互联网的快速发展，网络购物逐渐成为人们生活中不可或缺的一部分。在网络购物的场景中，用户或者商家都有可能存在一些风险行为，导致用户或者商家的体验较差。举例而言，商家可能会存在延迟发货的行为。
[0003]在现有技术的方案中，在发现用户或者商家的风险行为之后，可以对用户或者商家进行举报，客服人员在接受到举报之后，可以对确认存在风险行为的用户或者商家进行标注，以进行相应的管控。或者，网络购物平台可以设定交易规则，并通过交易规则对用户或者商家进行标注。举例而言，当发现商家短时间内频繁退货时，可以对该商家给予较低的评分，从而限制该商家。
[0004]然而，现有技术中的方案，比较依赖人工标注，物力人力成本较高，并且容易受到标注人员主观情绪因素的影响，对于交易规则的方案，需要提前建立交易规则，且交易规则的建立难度较大，容易出现漏洞。此外，由于现有技术中的方案较为依赖历史数据，在遇到突发性风险行为时，无法适用当前方案，其机动性较差，且由于现有技术中的方案，需要风险行为发生之后才能被检测到，其通常已经造成了严重后果。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0006]本公开的目的在于提供一种风险识别模型的训练方法、风险识别方法、风险识别模型的训练装置、风险识别装置、计算机可读存储介质及电子设备，可以解决现有技术中进行风险预测时延迟性较高的问题。
[0007]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0008]根据本公开的第一方面，提供了一种风险识别模型的训练方法，包括：获取异常行为对应的用户事件信息集，将所述用户事件信息集转化为第一用户信息矩阵，对所述第一用户信息矩阵融入用户先验知识得到第二用户信息矩阵，根据所述第一用户信息矩阵与所述第二用户信息矩阵得到第一差异矩阵；获取所述异常行为对应的商家事件信息集，将所述商家事件信息集转化为第一商家信息矩阵，对所述第一商家信息矩阵融入商家先验知识得到第二商家信息矩阵，根据所述第一商家信息矩阵与所述第二商家信息矩阵得到第二差异矩阵；将所述第一差异矩阵与所述第二差异矩阵融合为第一联合信息矩阵，对所述第一联合信息矩阵融入联合先验知识得到第二联合信息矩阵，根据所述第一联合信息矩阵与所述第二联合信息矩阵得到联合差异矩阵；根据所述联合差异矩阵确定所述异常行为对应的
预测风险类型，根据所述预测风险类型以及所述异常行为对应的真实风险类型进行迭代训练，以训练所述风险识别模型。
[0009]在本公开的一种示例性实施例中，基于前述方案，所述根据所述第一用户信息矩阵与所述第二用户信息矩阵得到第一差异矩阵，包括：根据所述第一用户信息矩阵与第一用户权重参数确定第一用户预测矩阵，根据所述第二用户信息矩阵与第二用户权重参数确定第二用户预测矩阵；根据所述第一用户预测矩阵与所述第二用户预测矩阵确定第一差异矩阵。
[0010]在本公开的一种示例性实施例中，基于前述方案，所述根据所述第一商家信息矩阵与所述第二商家信息矩阵得到第二差异矩阵，包括：根据所述第一商家信息矩阵与第一商家权重参数确定第一商家预测矩阵，根据所述第二商家信息矩阵与第二商家权重参数确定第二商家预测矩阵；根据所述第一商家预测矩阵与所述第二商家预测矩阵确定第二差异矩阵。
[0011]在本公开的一种示例性实施例中，基于前述方案，所述根据所述第一联合信息矩阵与所述第二联合信息矩阵得到联合差异矩阵，包括：根据所述第一联合信息矩阵与第一联合权重参数确定第一联合预测矩阵，根据所述第二联合信息矩阵与第二联合权重参数确定第二联合预测矩阵；根据所述第一联合预测矩阵与所述第二联合预测矩阵确定联合差异矩阵。
[0012]在本公开的一种示例性实施例中，基于前述方案，所述根据所述联合差异矩阵确定所述异常行为对应的预测风险类型，包括：根据所述联合差异矩阵判断所述异常行为是否具有风险；在判断所述异常行为具有风险时，根据所述联合差异矩阵确定所述异常行为对应的预测风险类型。
[0013]在本公开的一种示例性实施例中，基于前述方案，所述在判断所述异常行为具有风险时，根据所述联合差异矩阵确定所述异常行为对应的预测风险类型，包括：根据所述联合差异矩阵确定所述异常行为对应的至少一个候选预测风险类型以及所述候选预测风险类型对应的概率；根据所述候选预测风险类型对应的概率确定所述异常行为对应的预测风险类型。
[0014]在本公开的一种示例性实施例中，基于前述方案，所述根据所述候选预测风险类型对应的概率确定所述异常行为对应的预测风险类型，包括：将所述概率最大的候选预测风险类型确定为所述异常行为对应的预测风险类型。
[0015]在本公开的一种示例性实施例中，基于前述方案，所述根据所述预测风险类型以及所述异常行为对应的真实风险类型进行迭代训练，包括：根据所述预测风险类型与所述真实风险类型确定预测误差；根据所述预测误差调整所述第一用户权重参数、所述第二用户权重参数、所述第一商家权重参数、所述第二商家权重参数、所述第一联合权重参数和所述第二联合权重参数。
[0016]在本公开的一种示例性实施例中，基于前述方案，所述根据所述预测误差调整所述第一用户权重参数、所述第二用户权重参数、所述第一商家权重参数、所述第二商家权重参数、所述第一联合权重参数和所述第二联合权重参数，包括：通过反向传播算法调整所述第一用户权重参数、所述第二用户权重参数、所述第一商家权重参数、所述第二商家权重参数、所述第一联合权重参数和所述第二联合权重参数。
[0017]在本公开的一种示例性实施例中，基于前述方案，所述训练方法还包括：根据所述联合差异矩阵确定所述预测风险类型对应的风险对象；其中，所述风险对象包括用户风险对象、商家风险对象、联合风险对象。
[0018]根据本公开的第二方面，提供了一种风险识别方法，包括：获取异常行为对应的用户事件信息集以及所述异常行为对应的商家事件信息集，将所述用户事件信息集以及所述商家事件信息集输入所述风险识别模型中；其中，所述风险识别模型是通过如上述风险识别模型的训练方法得到的；根据所述风险识别模型确定所述异常行为对应的风险类型。
[0019]在本公开的一种示例性实施例中，基于前述方案，所述获取获取异常行为对应的用户事件信息集以及所述异常行为对应的商家事件信息集，包括：监听用户行为以及与所述用户行为相关联的商家行为，并根据所述用户行为以及所述商家行为确定异常行为；根据所述异常行为确定所述异常行为对应的用户事件信息集以及所述异常行为对应的商家事件信息集。
[0020]在本公开的一种示例性实施例中，基于前述方案，所述根据所述异常行为确定所述异常行为对应的用户事件信息集以及所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险识别模型的训练方法，其特征在于，所述训练方法包括：获取异常行为对应的用户事件信息集，将所述用户事件信息集转化为第一用户信息矩阵，对所述第一用户信息矩阵融入用户先验知识得到第二用户信息矩阵，根据所述第一用户信息矩阵与所述第二用户信息矩阵得到第一差异矩阵；获取所述异常行为对应的商家事件信息集，将所述商家事件信息集转化为第一商家信息矩阵，对所述第一商家信息矩阵融入商家先验知识得到第二商家信息矩阵，根据所述第一商家信息矩阵与所述第二商家信息矩阵得到第二差异矩阵；将所述第一差异矩阵与所述第二差异矩阵融合为第一联合信息矩阵，对所述第一联合信息矩阵融入联合先验知识得到第二联合信息矩阵，根据所述第一联合信息矩阵与所述第二联合信息矩阵得到联合差异矩阵；根据所述联合差异矩阵确定所述异常行为对应的预测风险类型，根据所述预测风险类型以及所述异常行为对应的真实风险类型进行迭代训练，以训练所述风险识别模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一用户信息矩阵与所述第二用户信息矩阵得到第一差异矩阵，包括：根据所述第一用户信息矩阵与第一用户权重参数确定第一用户预测矩阵，根据所述第二用户信息矩阵与第二用户权重参数确定第二用户预测矩阵；根据所述第一用户预测矩阵与所述第二用户预测矩阵确定第一差异矩阵。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一商家信息矩阵与所述第二商家信息矩阵得到第二差异矩阵，包括：根据所述第一商家信息矩阵与第一商家权重参数确定第一商家预测矩阵，根据所述第二商家信息矩阵与第二商家权重参数确定第二商家预测矩阵；根据所述第一商家预测矩阵与所述第二商家预测矩阵确定第二差异矩阵。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一联合信息矩阵与所述第二联合信息矩阵得到联合差异矩阵，包括：根据所述第一联合信息矩阵与第一联合权重参数确定第一联合预测矩阵，根据所述第二联合信息矩阵与第二联合权重参数确定第二联合预测矩阵；根据所述第一联合预测矩阵与所述第二联合预测矩阵确定联合差异矩阵。5.根据权利要求1所述的方法，其特征在于，所述根据所述联合差异矩阵确定所述异常行为对应的预测风险类型，包括：根据所述联合差异矩阵判断所述异常行为是否具有风险；在判断所述异常行为具有风险时，根据所述联合差异矩阵确定所述异常行为对应的预测风险类型。6.根据权利要求5所述的方法，其特征在于，所述在判断所述异常行为具有风险时，根据所述联合差异矩阵确定所述异常行为对应的预测风险类型，包括：根据所述联合差异矩阵确定所述异常行为对应的至少一个候选预测风险类型以及所述候选预测风险类型对应的概率；根据所述候选预测风险类型对应的概率确定所述异常行为对应的预测风险类型。7.根据权利要求6所述的方法，其特征在于，所述根据所述候选预测风险类型对应的概率确定所述异常行为对应的预测风险类型，包括：
将所述概率最大的候选预测风险类型确定为所述异常行为对应的预测风险类型。8.根据权利要求2
‑
4中的任一项所述的方法，其特征在于，所述根据所述预测风险类型以及所述异常行为对应的真实风险类型进行迭代训练，包括：根据所述预测风险类型与所述真实风险类型确定预测误差；根据所述预测误差调整所述第一用户权重参数、所述第二用户权重参数、所述第一商家权重参数、所述第二商家权重参数、所述第一联合权重参数和所述第二联合权重参数。9.根据权利要求8所述的方法，其特征在于，所述根据所述预测误差调整所述第一用户权重参数、所述第二用户权重参数、所述第一商家权重参数、所述第二商家权重参数、所述第一联合权重参数和所述第二联合权重参数，包括：通过反向传播算法调整所述第一用户权重参数、所述第二用户权重参数、所述第一商家权重参数、所述第二商家权重参数、所述第一联合权重参数和所述第二联合权重参数。10.根据权利要求1所述的方法，其特征在于，所述训练方法还包括：根据所述联合差异矩阵确定所述预测风险类型对...

【专利技术属性】
技术研发人员：李薛，许业锁，李进，国雷达，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：