事件预测模型的训练方法及装置制造方法及图纸

本说明书实施例提供了事件预测模型的训练方法及装置，其中，一种事件预测模型的训练方法包括：通过事件预测模型的特征处理网络基于第一属性编码进行事件特征融合以及事件特征转换，获得融合事件特征，通过事件预测模型的特征分割网络基于融合事件特征进行特征分割处理，获得各事件属性的属性特征，借助各事件属性的属性特征和下一操作事件的各事件属性的第二属性编码计算训练损失，并根据训练损失对事件预测模型进行参数调整，也即对事件预测模型中的特征处理网络和特征分割网络进行参数调整。参数调整。参数调整。

【技术实现步骤摘要】
事件预测模型的训练方法及装置


[0001]本文件涉及数据处理
，尤其涉及一种事件预测模型的训练方法及装置。

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服务处理各种事务，比如交易服务的发展越来越迅速；随着交易服务的交易类型等方面越来越复杂，交易服务中存在的风险也越来越大，而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事件预测模型的训练方法，所述方法包括：获取事件预测模型的训练数据。所述训练数据包括操作事件序列中各操作事件的事件属性的第一属性编码。将所述第一属性编码输入所述事件预测模型中的特征处理网络进行事件特征融合以及事件特征转换，获得融合事件特征。将所述融合事件特征输入所述事件预测模型中的特征分割网络进行特征分割处理，获得各事件属性的属性特征。基于所述属性特征和下一操作事件的事件属性的第二属性编码计算训练损失，并基于所述训练损失对所述事件预测模型进行参数调整。
[0004]本说明书一个或多个实施例提供了一种风险识别处理方法，所述方法包括：获取历史操作事件的事件属性的第一属性数据和用户操作事件的事件属性的第二属性数据。基于所述第一属性数据进行编码处理获得第一编码，以及基于所述第二属性数据进行编码处理获得第二编码。将所述第一编码和所述第二编码输入事件预测模型进行特征融合以及特征转换，获得目标融合事件特征。将所述目标融合事件特征输入风险识别模型进行风险识别，获得所述用户操作事件的风险识别结果。其中，所述事件预测模型，在根据基于各事件属性的属性特征和下一操作事件的事件属性的第二属性编码计算获得的训练损失进行模型参数调整后获得。所述属性特征，在基于操作事件序列中各操作事件的事件属性的第一属性编码进行事件特征融合、事件特征转换以及特征分割处理后获得。
[0005]本说明书一个或多个实施例提供了一种事件预测模型的训练装置，所述装置包括：数据获取模块，被配置为获取事件预测模型的训练数据；所述训练数据包括操作事件序列中各操作事件的事件属性的第一属性编码。特征转换模块，被配置为将所述第一属性编码输入所述事件预测模型中的特征处理网络进行事件特征融合以及事件特征转换，获得融合事件特征。特征分割模块，被配置为将所述融合事件特征输入所述事件预测模型中的特征分割网络进行特征分割处理，获得各事件属性的属性特征。参数调整模块，被配置为基于所述属性特征和下一操作事件的事件属性的第二属性编码计算训练损失，并基于所述训练损失对所述事件预测模型进行参数调整。
[0006]本说明书一个或多个实施例提供了一种风险识别处理装置，所述装置包括：属性
数据获取模块，被配置为获取历史操作事件的事件属性的第一属性数据和用户操作事件的事件属性的第二属性数据。编码处理模块，被配置为基于所述第一属性数据进行编码处理获得第一编码，以及基于所述第二属性数据进行编码处理获得第二编码。特征融合模块，被配置为将所述第一编码和所述第二编码输入事件预测模型进行特征融合以及特征转换，获得目标融合事件特征。风险识别模块，被配置为将所述目标融合事件特征输入风险识别模型进行风险识别，获得所述用户操作事件的风险识别结果。其中，所述事件预测模型，在根据基于各事件属性的属性特征和下一操作事件的事件属性的第二属性编码计算获得的训练损失进行模型参数调整后获得；所述属性特征，在基于操作事件序列中各操作事件的事件属性的第一属性编码进行事件特征融合、事件特征转换以及特征分割处理后获得。
[0007]本说明书一个或多个实施例提供了一种事件预测模型的训练设备，所述设备包括：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：获取事件预测模型的训练数据。所述训练数据包括操作事件序列中各操作事件的事件属性的第一属性编码。将所述第一属性编码输入所述事件预测模型中的特征处理网络进行事件特征融合以及事件特征转换，获得融合事件特征。将所述融合事件特征输入所述事件预测模型中的特征分割网络进行特征分割处理，获得各事件属性的属性特征。基于所述属性特征和下一操作事件的事件属性的第二属性编码计算训练损失，并基于所述训练损失对所述事件预测模型进行参数调整。
[0008]本说明书一个或多个实施例提供了一种风险识别处理设备，所述设备包括：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：获取历史操作事件的事件属性的第一属性数据和用户操作事件的事件属性的第二属性数据。基于所述第一属性数据进行编码处理获得第一编码，以及基于所述第二属性数据进行编码处理获得第二编码。将所述第一编码和所述第二编码输入事件预测模型进行特征融合以及特征转换，获得目标融合事件特征。将所述目标融合事件特征输入风险识别模型进行风险识别，获得所述用户操作事件的风险识别结果。其中，所述事件预测模型，在根据基于各事件属性的属性特征和下一操作事件的事件属性的第二属性编码计算获得的训练损失进行模型参数调整后获得。所述属性特征，在基于操作事件序列中各操作事件的事件属性的第一属性编码进行事件特征融合、事件特征转换以及特征分割处理后获得。
[0009]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：获取事件预测模型的训练数据。所述训练数据包括操作事件序列中各操作事件的事件属性的第一属性编码。将所述第一属性编码输入所述事件预测模型中的特征处理网络进行事件特征融合以及事件特征转换，获得融合事件特征。将所述融合事件特征输入所述事件预测模型中的特征分割网络进行特征分割处理，获得各事件属性的属性特征。基于所述属性特征和下一操作事件的事件属性的第二属性编码计算训练损失，并基于所述训练损失对所述事件预测模型进行参数调整。
[0010]本说明书一个或多个实施例提供了另一种存储介质，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：获取历史操作事件的事件属性的第一属性数据和用户操作事件的事件属性的第二属性数据。基于所述第一属性数据进行编码处理获得第一编码，以及基于所述第二属性数据进行编码处理获得第二
编码。将所述第一编码和所述第二编码输入事件预测模型进行特征融合以及特征转换，获得目标融合事件特征。将所述目标融合事件特征输入风险识别模型进行风险识别，获得所述用户操作事件的风险识别结果。其中，所述事件预测模型，在根据基于各事件属性的属性特征和下一操作事件的事件属性的第二属性编码计算获得的训练损失进行模型参数调整后获得。所述属性特征，在基于操作事件序列中各操作事件的事件属性的第一属性编码进行事件特征融合、事件特征转换以及特征分割处理后获得。
附图说明
[0011]为了更清楚地说明本说明书一个或多个实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事件预测模型的训练方法，所述方法包括：获取事件预测模型的训练数据；所述训练数据包括操作事件序列中各操作事件的事件属性的第一属性编码；将所述第一属性编码输入所述事件预测模型中的特征处理网络进行事件特征融合以及事件特征转换，获得融合事件特征；将所述融合事件特征输入所述事件预测模型中的特征分割网络进行特征分割处理，获得各事件属性的属性特征；基于所述属性特征和下一操作事件的事件属性的第二属性编码计算训练损失，并基于所述训练损失对所述事件预测模型进行参数调整。2.根据权利要求1所述的方法，所述进行事件特征融合，包括：生成初始化特征矩阵，并按照所述第一属性编码在所述初始化特征矩阵中查找对应的特征向量；所述初始化特征矩阵，基于所述第一属性编码的编码参数生成；将查找到的各操作事件的事件属性的特征向量进行特征拼接，获得中间事件特征。3.根据权利要求2所述的方法，所述按照所述第一属性编码在所述初始化特征矩阵中查找对应的特征向量，包括：在所述初始化特征矩阵中查找所述第一属性编码对应的行向量作为所述特征向量；相应的，所述将查找到的各操作事件的事件属性的特征向量进行特征拼接，获得中间事件特征，包括：将查找到的各操作事件的事件属性的特征向量进行特征拼接，获得所述各操作事件的第一事件特征；将所述各操作事件的第一事件特征进行特征拼接，获得所述中间事件特征。4.根据权利要求2所述的方法，所述事件特征转换，包括：将所述第一属性编码的编码参数和所述中间事件特征输入所述事件预测模型中的特征转换网络进行特征转换处理，获得所述融合事件特征；其中，所述融合事件特征的特征参数等于所述第一属性编码的编码参数。5.根据权利要求1所述的方法，所述进行特征分割处理，包括：按照所述第一属性编码中各事件属性的属性编码的子编码参数，对所述融合事件特征进行特征分割，获得所述各事件属性的候选属性特征；对所述候选属性特征进行归一化处理，获得所述各事件属性的属性特征。6.根据权利要求1所述的方法，所述各操作事件的事件属性包括类别属性；其中，所述事件属性的第一属性编码，通过如下方式获得：基于所述各操作事件的类别属性的属性数据构建编码映射表，并在所述编码映射表中查找所述属性数据对应的类别属性编码。7.根据权利要求1所述的方法，所述各操作事件的事件属性包括数值属性；其中，所述事件属性的第一属性编码，通过如下方式获得：基于所述各操作事件的数值属性的属性数据确定编码分割点，并根据所述编码分割点生成编码区间；根据所述编码区间与所述数值属性的属性数据的匹配结果，确定所述数值属性的数值属性编码。
8.根据权利要求1所述的方法，所述各操作事件的事件属性包括标识属性；其中，所述事件属性的第一属性编码，通过如下方式获得：确定所述操作事件序列的标识属性的属性数据中目标属性数据的数目；根据所述数目生成所述各操作事件的标识属性的标识属性编码。9.根据权利要求8所述的方法，所述根据所述数目生成所述各操作事件的标识属性的标识属性编码，包括：根据所述数目随机生成标识编码映射表，在所述标识编码映射表中查找所述各操作事件的标识属性的属性数据对应的标识属性编码；或者，确定所述数目对应的标识属性的属性数据的出现次数，并基于所述出现次数生成所述各操作事件的标识属性的标识属性编码。10.根据权利要求1所述的方法，所述将所述第一属性编码输入所述事件预测模型中的特征处理网络进行事件特征融合以及事件特征转换，获得融合事件特征步骤执行之后，还包括：将所述融合事件特征输入风险识别模型进行风险识别，获得风险识别结果；基于所述风险识别结果和预测操作事件的风险类型标签计算损失值，并基于所述损失值对所述风险识别模型进行参数调整。11.根据权利要求1所述的方法，还包括：将历史操作事件的第一编码和用户操作事件的第二编码输入事件预测模型进行特征融合以及特征转换，获得目标融合事件特征；将所述目标融合事件特征输入风险识别模型进行风险识别，获得所述用户操作事件的风险类型。12.根据权利要求1所述的方法，所述第二属性编码，通过如下方式获得：基于所述下一操作事件的各事件属性的属性数据进行编码处理，获得所述下一操作事件的各事件属性的属性编码；对所述下一操作事件的各事件属性的属性编码进行更新处理，获得所述第二属性编码。13.根据权利要求12所述的方法，所述对所述下一操作事件的各事件属性的属性编码进行更新处理，获得所述第二属性编码，包括：检测所述下一操作事件的各事件属性的属性编码之间是否存在交集编码；若存在，确定所述下一操作事件的各事件属性的更...

【专利技术属性】
技术研发人员：杨阳，
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：