System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请实施例涉及支付领域,特别涉及一种支付风险识别方法、装置、计算机设备及存储介质。
技术介绍
1、在线支付的场景中,支付程序会对交易是否存在欺诈风险进行评估,以减少欺诈事件的发生、降低资金损失的可能。
2、相关技术中,通常会通过有监督的机器学习方法训练风险识别模型,以预测交易存在风险的可能性。
3、然而,在社交支付的欺诈识别领域,风险识别模型的训练过程面对很多问题。例如,社交支付场景下标签数据稀缺,训练样本的收集和标注过程既耗时又昂贵;同时,标签数据可能存在不纯净的问题,即标签数据可能不准确或带有噪声,这将影响模型的性能和泛化能力。
技术实现思路
1、本申请实施例提供了一种支付风险识别方法、装置、计算机设备及存储介质。所述技术方案如下:
2、一方面,本申请实施例提供了一种支付风险识别方法,所述方法包括:
3、提取支付行为对应的支付特征;
4、将所述支付特征分别输入第一风险识别模型中的多个基分类器,得到多个基分类器输出的子风险识别结果,所述基分类器中包括通过无监督学习得到的一类支持向量机;
5、基于多个所述子风险识别结果确定所述支付行为的第一风险识别结果,所述第一风险识别结果用于表征所述支付行为是否存在支付风险;
6、基于所述第一风险识别结果对应的目标支付处理策略处理所述支付行为。
7、另一方面,本申请实施例提供了一种支付风险识别装置,所述装置包括:
8、提取模块,用于提取支
9、识别模块,用于将所述支付特征分别输入第一风险识别模型中的多个基分类器,得到多个基分类器输出的子风险识别结果,所述基分类器中包括通过无监督学习得到的一类支持向量机;
10、所述识别模块,还用于基于多个所述子风险识别结果确定所述支付行为的第一风险识别结果,所述第一风险识别结果用于表征所述支付行为是否存在支付风险;
11、处理模块,用于基于所述第一风险识别结果对应的目标支付处理策略处理所述支付行为。
12、另一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现上述方面所述的方法。
13、另一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如上述方面所述的方法。
14、另一方面,本申请实施例提供了一种计算机程序产品,该计算机程序产品包括计算机指令,该计算机指令存储在计算机可读存储介质中。终端的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该终端执行上述方面的各种可选实现方式中提供的方法。
15、本申请实施例中,通过将支付特征分别输入第一风险识别模型中的多个基分类器,得到多个子风险识别结果,由于基分类器中包括通过无监督学习得到的一类支持向量机,因此无需对训练数据进行标注,降低了标注的时间和金钱成本,避免了标注数据不纯净的问题;另一方面,基于多个子风险识别结果确定支付行为的第一风险识别结果,可以对多个基分类器进行集成,提升了模型的鲁棒性、稳定性和泛化能力,减少过拟合,以更精确地区分出正常支付行为与异常支付行为。
本文档来自技高网...【技术保护点】
1.一种支付风险识别方法,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,所述基于多个所述子风险识别结果确定所述支付行为的第一风险识别结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述风险评分,确定所述第一风险识别结果,包括:
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述异常样本集和所述正常样本集中包含样本支付特征对应的风险等级标签;
6.根据权利要求5所述的方法,其特征在于,所述第一风险识别结果中包含第一风险等级,所述第二风险识别结果中包含第二风险等级;
7.根据权利要求2所述的方法,其特征在于,所述第一风险识别模型中包含至少两种类型的基分类器;
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,所述基于第二样本集的所述输入特征,通过无监督学习方式训练所述第一风险识别模型的多个所述基分类器,包括:
10.根据权利要求8所
11.一种支付风险识别装置,其特征在于,所述装置包括:
12.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如权利要求1至10任一项所述的支付风险识别方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至10任一项所述的支付风险识别方法。
14.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机指令,所述计算机指令存储在计算机可读存储介质中;终端的处理器从所述计算机可读存储介质读取所述计算机指令,所述处理器执行所述计算机指令,使得所述终端执行如权利要求1至10任一项所述的支付风险识别方法。
...【技术特征摘要】
1.一种支付风险识别方法,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,所述基于多个所述子风险识别结果确定所述支付行为的第一风险识别结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述风险评分,确定所述第一风险识别结果,包括:
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述异常样本集和所述正常样本集中包含样本支付特征对应的风险等级标签;
6.根据权利要求5所述的方法,其特征在于,所述第一风险识别结果中包含第一风险等级,所述第二风险识别结果中包含第二风险等级;
7.根据权利要求2所述的方法,其特征在于,所述第一风险识别模型中包含至少两种类型的基分类器;
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,所述基于第二样本集的所述输入特征,通过无监督学习方式训练所述第一风险识别模...
【专利技术属性】
技术研发人员:黄自豪,
申请(专利权)人:腾讯科技深圳有限公司,
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。