一种风险识别模型训练方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种风险识别模型训练方法、装置、存储介质和电子设备，所述方法包括：确定历史上用户的各交易事件为各训练样本，以及将各交易事件对应的风险情况作为各训练样本分别对应的标注。然后，确定待训练的风险识别模型中的各参数类型，并根据各参数类型，确定参数类型为指定类型的参数，作为指定参数。再根据各训练样本分别对应的标注，确定所述指定参数的参数值。然后，根据参数值对待训练的风险识别模型进行初始化，并根据各训练样本以及各标注，对初始化后的待训练的风险识别模型进行训练，提高风险识别模型的收敛速度，提升风险识别模型的训练效率，节约训练风险识别模型的资源。型的资源。型的资源。

【技术实现步骤摘要】
一种风险识别模型训练方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种风险识别模型训练方法、装置、存储介质及电子设备。

技术介绍

[0002]随着信息科技的发展，市场划分的越来越细致，出现很多为用户执行业务提供支持的服务提供方，例如，提供支付功能的服务提供方。同时，隐私数据的安全也受到了广泛的关注。
[0003]目前，用户在使用服务提供方提供的功能执行业务的过程中，可能出现违规行为，故服务提供方需要对用户执行的业务进行风险识别，确定用户执行的业务是否存在风险。例如，用户在使用服务提供方提供的支付工具进行支付的过程中，服务提供方需要对用户使用支付工具发生的交易事件进行风险识别，确定该笔交易事件是否存在风险。因此，如何训练一个风险识别模型以确定用户执行的业务是否存在风险是一个亟待解决的问题。
[0004]基于此，本说明书提供一种风险识别模型训练方法。

技术实现思路

[0005]本说明书提供一种风险识别模型训练方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供一种风险识别模型训练方法，包括：
[0008]确定历史上用户的各交易事件为各训练样本，将所述各交易事件对应的风险情况作为所述各训练样本分别对应的标注；
[0009]确定待训练的风险识别模型中的各参数类型；
[0010]根据所述各参数类型，确定参数类型为指定类型的参数，作为指定参数；
[0011]根据所述各训练样本分别对应的标注，确定所述指定参数的参数值；
[0012]根据所述参数值对所述待训练的风险识别模型进行初始化，并根据所述各训练样本以及各标注，对初始化后的待训练的风险识别模型进行训练，其中，训练完成的风险识别模型用于根据待识别的交易事件，确定所述待识别的交易事件的风险情况。
[0013]可选地，所述待训练的风险识别模型为二分类的逻辑回归模型，所述风险情况包括有风险和无风险中的一种，所述指定参数为所述待训练的风险识别模型中的偏置参数；
[0014]根据所述各训练样本分别对应的标注，确定所述指定参数的参数值，具体包括：
[0015]根据所述各训练样本分别对应的标注，在所述各训练样本中，确定标注为无风险的训练样本的数量为第一数量，以及确定标注为有风险的训练样本的数量为第二数量；
[0016]根据所述第一数量以及所述第二数量，确定所述待训练的风险识别模型中的偏置参数的参数值。
[0017]可选地，根据所述第一数量以及所述第二数量，确定所述待训练的风险识别模型
中的偏执参数的参数值，具体包括：
[0018]确定所述第一数量与所述第二数量的比值的对数值；
[0019]将所述对数值作为所述待训练的风险识别模型中的偏置参数的参数值。
[0020]可选地，所述待训练的风险识别模型为多分类的逻辑回归模型，所述风险情况为各风险类型对应的风险中的一种，所述指定参数为所述待训练的风险识别模型中的偏置参数；
[0021]根据所述各训练样本分别对应的标注，确定所述指定参数的参数值，具体包括：
[0022]针对每一种风险类型，根据所述各训练样本分别对应的标注，在所述各训练样本中，确定标注为该风险类型对应的风险的训练样本的数量为该风险类型的数量；
[0023]根据所述各训练样本的数量以及该风险类型的数量，确定所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值；
[0024]根据所述各风险类型分别对应的偏置参数的参数值，确定所述待训练的风险识别模型中的偏置参数的参数值。
[0025]可选地，根据所述各训练样本的数量以及该风险类型的数量，确定所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值，具体包括：
[0026]确定该风险类型的数量与所述各训练样本的数量的比值的对数值；
[0027]将所述对数值作为所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值。
[0028]可选地，所述方法还包括：
[0029]确定待识别的交易事件；
[0030]将所述待识别的交易事件输入训练完成的风险识别模型，确定所述待识别的交易事件的风险情况；
[0031]根据所述风险情况，确定对所述待识别的交易事件对应的用户进行风险控制的风控策略；
[0032]根据所述风控策略，对所述用户进行风险控制。
[0033]本说明书提供了一种风险识别模型训练装置，包括：
[0034]确定模块，用于确定历史上用户的各交易事件为各训练样本，将所述各交易事件对应的风险情况作为所述各训练样本分别对应的标注；
[0035]参数模块，用于确定待训练的风险识别模型中的各参数类型；根据所述各参数类型，确定参数类型为指定类型的参数，作为指定参数；根据所述各训练样本分别对应的标注，确定所述指定参数的参数值；
[0036]训练模块，用于根据所述参数值对所述待训练的风险识别模型进行初始化，并根据所述各训练样本以及各标注，对初始化后的待训练的风险识别模型进行训练，其中，训练完成的风险识别模型用于根据待识别的交易事件，确定所述待识别的交易事件的风险情况。
[0037]可选地，所述待训练的风险识别模型为二分类的逻辑回归模型，所述风险情况包括有风险和无风险中的一种，所述指定参数为所述待训练的风险识别模型中的偏置参数；
[0038]所述参数模块具体用于，根据所述各训练样本分别对应的标注，在所述各训练样本中，确定标注为无风险的训练样本的数量为第一数量，以及确定标注为有风险的训练样
本的数量为第二数量；根据所述第一数量以及所述第二数量，确定所述待训练的风险识别模型中的偏置参数的参数值。
[0039]可选地，所述参数模块具体用于，确定所述第一数量与所述第二数量的比值的对数值；将所述对数值作为所述待训练的风险识别模型中的偏置参数的参数值。
[0040]可选地，所述待训练的风险识别模型为多分类的逻辑回归模型，所述风险情况为各风险类型对应的风险中的一种，所述指定参数为所述待训练的风险识别模型中的偏置参数；
[0041]所述参数模块具体用于，针对每一种风险类型，根据所述各训练样本分别对应的标注，在所述各训练样本中，确定标注为该风险类型对应的风险的训练样本的数量为该风险类型的数量；根据所述各训练样本的数量以及该风险类型的数量，确定所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值；根据所述各风险类型分别对应的偏置参数的参数值，确定所述待训练的风险识别模型中偏置参数的参数值。
[0042]可选地，所述参数模块具体用于，确定该风险类型的数量与所述各训练样本的数量的比值的对数值；将所述对数值作为所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值。
[0043]可选地，所述装置还包括：
[0044]应用模块，用于确定待识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险识别模型训练方法，包括：确定历史上用户的各交易事件为各训练样本，将所述各交易事件对应的风险情况作为所述各训练样本分别对应的标注；确定待训练的风险识别模型中的各参数类型；根据所述各参数类型，确定参数类型为指定类型的参数，作为指定参数；根据所述各训练样本分别对应的标注，确定所述指定参数的参数值；根据所述参数值对所述待训练的风险识别模型进行初始化，并根据所述各训练样本以及各标注，对初始化后的待训练的风险识别模型进行训练，其中，训练完成的风险识别模型用于根据待识别的交易事件，确定所述待识别的交易事件的风险情况。2.如权利要求1所述的方法，所述待训练的风险识别模型为二分类的逻辑回归模型，所述风险情况包括有风险和无风险中的一种，所述指定参数为所述待训练的风险识别模型中的偏置参数；根据所述各训练样本分别对应的标注，确定所述指定参数的参数值，具体包括：根据所述各训练样本分别对应的标注，在所述各训练样本中，确定标注为无风险的训练样本的数量为第一数量，以及确定标注为有风险的训练样本的数量为第二数量；根据所述第一数量以及所述第二数量，确定所述待训练的风险识别模型中的偏置参数的参数值。3.如权利要求2所述的方法，根据所述第一数量以及所述第二数量，确定所述待训练的风险识别模型中的偏执参数的参数值，具体包括：确定所述第一数量与所述第二数量的比值的对数值；将所述对数值作为所述待训练的风险识别模型中的偏置参数的参数值。4.如权利要求1所述的方法，所述待训练的风险识别模型为多分类的逻辑回归模型，所述风险情况为各风险类型对应的风险中的一种，所述指定参数为所述待训练的风险识别模型中的偏置参数；根据所述各训练样本分别对应的标注，确定所述指定参数的参数值，具体包括：针对每一种风险类型，根据所述各训练样本分别对应的标注，在所述各训练样本中，确定标注为该风险类型对应的风险的训练样本的数量为该风险类型的数量；根据所述各训练样本的数量以及该风险类型的数量，确定所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值；根据所述各风险类型分别对应的偏置参数的参数值，确定所述待训练的风险识别模型中的偏置参数的参数值。5.如权利要求4所述的方法，根据所述各训练样本的数量以及该风险类型的数量，确定所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值，具体包括：确定该风险类型的数量与所述各训练样本的数量的比值的对数值；将所述对数值作为所述待训练的风险识别模型中该风险类型对应的偏置参数的参数值。6.如权利要求1所述的方法，所述方法还包括：确定待识别的交易事件；将所述待识别的交易事件输入训练完成的风险识别模型，确定所述待识别的交易事件
的风险情况；根据所述风险情况，确定对所述待识别的交易事件对应的用户进行风险控制的风控策略；根据所述风控策略，对所述用户进行风险控制。7.一种风险识别模型训练装置，包括：确定模块...

【专利技术属性】
技术研发人员：王宁涛，金寅，傅幸，王维强，
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：