【技术实现步骤摘要】
本申请涉及数据处理，特别是涉及一种目标对象识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在现有风控场景中，通常存在一些高风险用户，以这些高风险用户为目标对象，在客群中识别并处理，以避免对未来造成实质性的损失，如恶意刷卡套现，信用卡违约不还等。
2、目前的目标对象识别方法，基于目标对象样本和非目标对象样本训练有监督式的机器学习算法，得到识别模型。然后，将待识别对象输入到识别模型中，得到识别结果。该识别结果表征待识别对象是否为高风险用户。
3、然而，目前的目标对象识别方法，由于目标对象样本和非目标对象的样本数量不平衡，将会导致识别模型的识别准确率降低，进而导致目标对象识别方法准确率较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种目标对象识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种目标对象识别方法，包括：
3、获取待识别对象集合，并将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合；所述第一目标对象集合中包含被初步确定的目标对象；
4、基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合；所述补偿模型是基于数量相等的目标对象训练样本和非目标对象训练样本进行半监督学习算法的训练得到的；
5、基于所述第一目标对象集合和所述第二目标对象集合，构建目标对象集合。
6、
7、获取初始样本数据集；所述初始样本数据集中包含多个含有第一标记的目标对象训练样本和多个含有第二标记的非目标对象训练样本；
8、将所述初始样本数据集输入预设的回归算法中，通过所述回归算法，对所述初始样本数据集中的各对象训练样本进行识别处理，直至训练后的所述回归算法满足预设的第一训练停止条件，将满足所述第一训练停止条件的所述训练后的所述回归算法作为回归模型。
9、在其中一个实施例中，所述获取初始样本数据集，包括：
10、获取预设时间周期内的各目标对象训练样本和各非目标对象训练样本；
11、对各所述目标对象训练样本添加第一标记，并对各所述非目标对象训练样本添加第二标记；
12、根据各含有所述第一标记的所述目标对象训练样本和各含有所述第二标记的所述非目标对象训练样本，构建初始样本数据集。
13、在其中一个实施例中，所述将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合，包括：
14、针对所述待识别对象集合中的每一待识别对象，将所述待识别对象输入预设的回归模型中，通过所述回归模型对所述待识别对象进行识别标记，得到识别标记结果；
15、基于所述识别标记结果对所述待识别对象集合进行划分，得到第一目标对象集合和初始非目标对象集合；
16、删除初始非目标对象集合中各所述待识别对象的标记识别结果。
17、在其中一个实施例中，所述基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合之前，所述方法还包括：
18、在所述初始样本数据集中确定目标样本数据集；所述目标样本数据集中所述目标对象训练样本的数量和所述非目标对象训练样本的数量相同；
19、将所述目标样本数据集输入预设的半监督学习算法中，通过所述半监督学习算法，对所述目标样本数据集中的各对象样本进行预测处理，直至训练后的所述半监督学习算法满足预设的第二训练停止条件，将满足所述第二训练停止条件的所述训练后的所述半监督学习算法作为补偿模型。
20、在其中一个实施例中，所述基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合，包括：
21、针对所述初始非目标对象集合中的每一待识别对象，将所述待识别对象输入预设的补偿模型中，通过所述补偿模型对所述待识别对象进行标记预测，得到所述待识别对象的标记预测结果；
22、若所述标记预测结果为第一标记，将所述待识别对象添加到第二目标对象集合中；
23、若所述标记预测结果为第二标记，将所述待识别对象添加到非目标对象集合中。
24、第二方面，本申请还提供了一种目标对象识别装置，包括：
25、获取模块，用于获取待识别对象集合，并将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合；所述第一目标对象集合中包含被初步确定的目标对象；
26、确定模块，用于基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合；所述补偿模型是基于数量相等的目标对象训练样本和非目标对象训练样本进行半监督学习算法的训练得到的；
27、构建模块，用于基于所述第一目标对象集合和所述第二目标对象集合，构建目标对象集合。
28、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
29、获取待识别对象集合，并将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合；所述第一目标对象集合中包含被初步确定的目标对象；
30、基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合；所述补偿模型是基于数量相等的目标对象训练样本和非目标对象训练样本进行半监督学习算法的训练得到的；
31、基于所述第一目标对象集合和所述第二目标对象集合，构建目标对象集合。
32、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
33、获取待识别对象集合，并将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合；所述第一目标对象集合中包含被初步确定的目标对象；
34、基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合；所述补偿模型是基于数量相等的目标对象训练样本和非目标对象训练样本进行半监督学习算法的训练得到的；
35、基于所述第一目标对象集合和所述第二目标对象集合，构建目标对象集合。
36、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
37、获取待识别对象集合，并将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合；所述第一目标对象集合中包含被初步确定的目标对象；
38、基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合；所述补偿模型是基于数量相等的目标对象训练样本和非目本文档来自技高网...
【技术保护点】
1.一种目标对象识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述获取初始样本数据集，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合，包括：
7.一种目标对象识别装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
<...【技术特征摘要】
1.一种目标对象识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述获取初始样本数据集，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述待识别对象集合输入预设的回归模型中，得到第一目标对象集合和初始非目标对象集合，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于补偿模型在所述初始非目标对象集合中确定第二目标对象集合和非目标对象集合之前，所述方法还包括：
6.根据权利要...
【专利技术属性】
技术研发人员：陈燕燕，
申请(专利权)人：中电金信软件上海有限公司，
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。