【技术实现步骤摘要】
本专利技术涉及计算机，尤其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
1、风控识别是指对风控数据进行识别，判断出是否具有风险或风险类型。风控数据是由一系列风控事件构成，比如登录、核身、支付、转账、红包以及其他多种事件，即风控数据是一种长时间序列数据。目前，通常采用神经网络对风控数据进行识别。由于风控数据在时间上的顺序依赖特性及数据量较大的特点，通常训练出的风险识别模型会占用较大空间，模型的训练和计算速度较慢，在线上使用时，也很难把全部历史数据保存到能够实时读取的存储中。
技术实现思路
1、本说明书的一个或多个实施例提供了一种风险识别模型的训练方法、风险识别方法及装置，能够至少部分地克服上述技术问题。
2、根据第一方面，提供了一种风险识别模型的训练方法，包括：
3、获取风控样本数据；
4、将所述风控样本数据按照预设的时间粒度拆分为子样本序列；
5、将所述子样本序列输入编码器，得到第一样本特征向量；
6、将所述第一...
【技术保护点】
1.一种风险识别模型的训练方法，包括：
2.一种风险识别方法，包括：
3.如权利要求2所述的方法，还包括：
4.如权利要求3所述的方法，获取待识别的风控数据，具体包括：
5.如权利要求3所述的方法，将所述风控数据输入风险识别模型，得到所述风险识别模型针对所述风控数据的预测结果；具体包括：
6.一种风险识别模型的训练装置，包括：
7.一种风险识别装置，包括：
8.如权利要求7所述的装置，还包括：
9.如权利要求8所述的装置，所述第二数据获取模块具体用于针对目标风控场景，基于预...
【技术特征摘要】
1.一种风险识别模型的训练方法，包括：
2.一种风险识别方法，包括：
3.如权利要求2所述的方法，还包括：
4.如权利要求3所述的方法，获取待识别的风控数据，具体包括：
5.如权利要求3所述的方法，将所述风控数据输入风险识别模型，得到所述风险识别模型针对所述风控数据的预测结果；具体包括：
6.一种风险识别模型的训练装置，包括：
7.一种风险识别装置，包括：
8.如权利要求7所述的装置，还包括：
9.如权利要求8所述的装置，所述第二数据获取模块具体用于针对目标风控场景，基于预设的时间窗口，采集该目标风控场景当前的风控数据；所述目标风控场景当前的风控数据的长度与所述子序列的长度相...
【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：
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。