风险识别模型的模型处理方法及装置制造方法及图纸

本说明书实施例提供了风险识别模型的模型处理方法及装置，其中，一种风险识别模型的模型处理方法包括：将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得交易事件样本在各风险项下的风险命中分数，借助风险命中分数、交易事件样本的样本分数、命中状态标签和风险识别模型的模型参数确定风险命中指标，通过损失函数基于风险命中指标和目标服务的风险约束指标计算训练损失，基于训练损失对风险识别模型进行参数调整。训练损失对风险识别模型进行参数调整。训练损失对风险识别模型进行参数调整。

【技术实现步骤摘要】
风险识别模型的模型处理方法及装置


[0001]本文件涉及数据处理
，尤其涉及一种风险识别模型的模型处理方法及装置。

技术介绍

[0002]随着互联网技术的不断发展，互联网在用户的工作、生活中得到广泛地应用，用户可以通过互联网提供的各种线上服务处理各种事务，比如线上交易服务的发展越来越迅速；随着线上交易服务的交易类型等方面越来越复杂，线上交易服务中存在的风险也越来越大，而线上交易服务中存在的风险可能导致交易失败，或者交易成本增加，同时用户对自己的隐私数据越来越关注，在此过程中，越来越多样化的风险逐渐成为服务方面临的挑战。

技术实现思路

[0003]本说明书一个或多个实施例提供了一种风险识别模型的模型处理方法，所述方法包括：将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得所述交易事件样本在各风险项下的风险命中分数。根据所述风险命中分数、所述交易事件样本的样本分数、命中状态标签和所述风险识别模型的模型参数，确定风险命中指标。将所述风险命中指标和所述目标服务的风险约束指标输入损失函数进行损失计算，获得训练损失。所述损失函数，基于通过激活函数对所述风险识别模型的预设训练指标进行转换处理获得的目标训练指标构建。基于所述训练损失对所述风险识别模型进行参数调整，以得到训练后的风险识别模型。
[0004]本说明书一个或多个实施例提供了一种风险识别模型的模型处理装置，所述装置包括：分数计算模块，被配置为将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得所述交易事件样本在各风险项下的风险命中分数。指标确定模块，被配置为根据所述风险命中分数、所述交易事件样本的样本分数、命中状态标签和所述风险识别模型的模型参数，确定风险命中指标。损失计算模块，被配置为将所述风险命中指标和所述目标服务的风险约束指标输入损失函数进行损失计算，获得训练损失；所述损失函数，基于通过激活函数对所述风险识别模型的预设训练指标进行转换处理获得的目标训练指标构建。参数调整模块，被配置为基于所述训练损失对所述风险识别模型进行参数调整，以得到训练后的风险识别模型。
[0005]本说明书一个或多个实施例提供了一种风险识别模型的模型处理设备，所述风险识别模型的模型处理设备包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得所述交易事件样本在各风险项下的风险命中分数。根据所述风险命中分数、所述交易事件样本的样本分数、命中状态标签和所述风险识别模型的模型参数，确定风险命中指标。将所述风险命中指标和所述目标服务的风险约束指标输入损失函数进行损失计算，获得训练损失。所述损失函数，基于通过激活函数对所述风险
识别模型的预设训练指标进行转换处理获得的目标训练指标构建。基于所述训练损失对所述风险识别模型进行参数调整，以得到训练后的风险识别模型。
[0006]本说明书一个或多个实施例提供了一种存储介质，所述存储介质用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得所述交易事件样本在各风险项下的风险命中分数。根据所述风险命中分数、所述交易事件样本的样本分数、命中状态标签和所述风险识别模型的模型参数，确定风险命中指标。将所述风险命中指标和所述目标服务的风险约束指标输入损失函数进行损失计算，获得训练损失。所述损失函数，基于通过激活函数对所述风险识别模型的预设训练指标进行转换处理获得的目标训练指标构建。基于所述训练损失对所述风险识别模型进行参数调整，以得到训练后的风险识别模型。
附图说明
[0007]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
[0008]图1为本说明书一个或多个实施例提供的一种风险识别模型的模型处理方法实施环境的示意图；
[0009]图2为本说明书一个或多个实施例提供的一种风险识别模型的模型处理方法处理流程图；
[0010]图3为本说明书一个或多个实施例提供的一种应用于交易场景的风险识别模型的模型处理方法处理流程图；
[0011]图4为本说明书一个或多个实施例提供的一种风险识别模型的模型处理装置实施例的示意图；
[0012]图5为本说明书一个或多个实施例提供的一种风险识别模型的模型处理设备的结构示意图。
具体实施方式
[0013]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0014]参照图1，本说明书一个或多个实施例提供的风险识别模型的模型处理方法实施环境的示意图。
[0015]本说明书一个或多个实施例提供的风险识别模型的模型处理方法，可适用于风险识别模型的模型训练这一实施环境，该实施环境至少包括进行风险识别模型的模型训练的服务器101。此外，该实施环境还可包括目标服务的服务平台102。
[0016]其中，服务器101可以对应一台服务器，或者对应若干台服务器组成的服务器集
群，或者对应云计算平台中的一个或者多个云服务器，用于对风险识别模型进行模型训练。
[0017]服务平台102也可以对应一台服务器，或者对应若干台服务器组成的服务器集群，或者对应云计算平台中的一个或者多个云服务器，服务平台102可将目标服务下的历史候选交易事件以及历史候选交易事件的相关数据发送至服务器101，服务器101可基于历史候选交易事件和历史候选交易事件的相关数据构建交易事件样本，或者服务平台102可将目标服务下的历史候选交易事件以及历史候选交易事件的相关数据发送至第三方平台，第三方平台可根据历史候选交易事件以及历史候选交易事件的相关数据构建目标服务下的交易事件样本，并将交易事件样本发送至服务器101。此处的相关数据包括历史候选交易事件的风险命中分数和命中状态标签，还可包括其他类型的数据。
[0018]该实施环境中，服务器101可将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得交易事件样本在各风险项下的风险命中分数，借助风险命中分数、交易事件样本的样本分数、交易事件样本的命中状态标签和风险识别模型的模型参数，确定风险命中指标，通过由激活函数对风险识别模型的预设训练指标进行转换处理获得的目标训练指标构建的损失函数，基于风险命中指标和目标服务的风险约束指标计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险识别模型的模型处理方法，所述方法包括：将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得所述交易事件样本在各风险项下的风险命中分数；根据所述风险命中分数、所述交易事件样本的样本分数、命中状态标签和所述风险识别模型的模型参数，确定风险命中指标；将所述风险命中指标和所述目标服务的风险约束指标输入损失函数进行损失计算，获得训练损失；所述损失函数，基于通过激活函数对所述风险识别模型的预设训练指标进行转换处理获得的目标训练指标构建；基于所述训练损失对所述风险识别模型进行参数调整，以得到训练后的风险识别模型。2.根据权利要求1所述的方法，所述根据所述风险命中分数、所述交易事件样本的样本分数、命中状态标签和所述风险识别模型的模型参数，确定风险命中指标，包括：根据所述风险命中分数和所述命中状态标签，计算所述交易事件样本的第一风险命中指标；根据所述样本分数、所述模型参数和所述命中状态标签，计算所述交易事件样本的第二风险命中指标。3.根据权利要求2所述的方法，所述根据所述风险命中分数和所述命中状态标签，计算所述交易事件样本的第一风险命中指标，包括：将所述风险命中分数输入自定义函数进行数值计算，获得目标数值；所述自定义函数基于所述激活函数构建获得；根据所述命中状态标签和所述目标数值，确定所述交易事件样本的第一真实命中量和第一误命中量。4.根据权利要求2所述的方法，所述根据所述样本分数、所述模型参数和所述命中状态标签，计算所述交易事件样本的第二风险命中指标，包括：将所述样本分数和分数阈值输入所述激活函数进行激活数值计算，获得所述交易事件样本的激活数值；将所述激活数值和所述模型参数中的所述各风险项的特征数据输入自定义函数进行风险命中状态确定，获得所述交易事件样本的风险命中状态；根据所述风险命中状态和所述命中状态标签，确定所述交易事件样本的第二真实命中量和第二误命中量。5.根据权利要求1所述的方法，所述将所述风险命中指标和所述目标服务的风险约束指标输入损失函数进行损失计算，获得训练损失，包括：根据第二误命中量和第一误命中量计算第一比值，并根据第二真实命中量和第一真实命中量计算第二比值；根据所述第一比值、所述第二比值和所述风险约束指标，计算所述训练损失。6.根据权利要求5所述的方法，所述根据所述第一比值、所述第二比值和所述风险约束指标，计算所述训练损失，包括：将所述第一比值输入第一自定义函数进行第一数值计算获得第一数值，以及将所述第二比值和所述风险约束指标输入第二自定义函数进行第二数值计算获得第二数值；
根据所述第一数...

【专利技术属性】
技术研发人员：郑行，袁始股，吴歌，王巍，孙清清，张天翼，
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：