[發明專利]機器學習模型的建模方法及裝置

有效

• 申請號: 201610094664.8
• 申請日: 2016-02-19
• 公開（公告）號: CN107103171B
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 張柯;褚崴;施興;謝樹坤;謝鋒
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00;G06K9/62;G06Q30/00
• 代理公司: 北京市惠誠律師事務所 11353
• 代理人: 劉子敬

本發明提供了機器學習模型的建模方法及裝置，通過針對每一個中間目標變量所對應的機器學習子模型進行訓練，獲得各機器學習子模型的概率值，進而將各機器學習子模型的概率值進行概率求和，基于求和所獲得的目標概率值以及用于描述交易行為的特征變量建立用于判定目標行為的目標機器學習模型。在虛假交易判斷的應用場景中，目標行為即為虛假交易，從而每一個機器學習子模型用于判定對應的中間目標變量所指示的虛假交易類型，對各機器學習子模型的概率值進行概率求和就能夠獲得用于判定屬于多種虛假交易類型中的至少一種的概率，基于這一概率值所構建的模型便能夠對于多種虛假交易類型進行判定，實現了節省成本，提高虛假交易的識別效率的目的。

技術領域

本發明涉及計算機技術，尤其涉及一種機器學習模型的建模方法及裝置。

背景技術

在利用機器學習模型進行行為模式的判定時，往往采用針對同屬于某一種目標行為的各種具體行為進行共性特征提取，從而依據這些共性特征構建機器學習模型。在判定某一個具體行為是否屬于該目標行為時，所構建的機器學習模型依據其是否具有這些共性特征，來確定是否為該目標行為。

以網絡中的虛假交易為例，虛假交易是指賣方用戶和/或買方用戶通過虛構或隱瞞交易事實、規避或惡意利用信用記錄規則、干擾或妨害信用記錄秩序等不正當方式獲取虛假的商品銷量、店鋪評分、信用積分或商品評論等不當利益的行為。例如現在已經出現了刷單、炒信、套現和制造虛假訂單貸款等虛假交易類型，為了規范網絡交易行為，需要對虛假交易這種行為模式進行判定。

由于虛假交易有著不同的類型，每一種類型的虛假交易又有著多種具體的實現方式，同時各種類型虛假交易之間的交易行為差異較大，在現有技術中，無法采用提取共性特征的方式構建用于判斷虛假交易的機器模型，因此，現有技術中采用了每一個機器學習模型針對某一種實現形式或者一個類型的虛假交易進行判定的方式。在利用機器學習模型識別虛假交易時，便需要建立多個模型，需要耗費大量成本，識別效率較低。

發明內容

本發明提供一種機器學習模型的建模方法及裝置，用于構建一個能夠適用于在目標行為具有多種不同類型的實現形式時，對目標行為進行綜合判定的機器學習模型，從而節省成本，提高識別效率。

為達到上述目的，本發明的實施例采用如下技術方案：

第一方面，提供了一種機器學習模型的建模方法，包括：

獲得互斥的各中間目標變量；其中，所述中間目標變量用于指示虛假交易的類型；

分別對各中間目標變量對應的機器學習子模型進行訓練，獲得各機器學習子模型的概率值；其中，所述機器學習子模型用于根據描述交易行為的特征變量判定對應中間目標變量指示的虛假交易類型；

對各機器學習子模型的概率值進行概率求和，獲得目標概率值；

根據所述目標概率值和所述特征變量，建立用于判定虛假交易的目標機器學習模型。

第二方面，提供了一種機器學習模型的建模裝置，包括：

獲得模塊，用于獲得互斥的各中間目標變量；其中，所述中間目標變量用于指示虛假交易的類型；

訓練模塊，用于分別對各中間目標變量對應的機器學習子模型進行訓練，獲得各機器學習子模型的概率值；其中，所述機器學習子模型用于根據描述交易行為的特征變量判定對應中間目標變量指示的虛假交易類型；

求和模塊，用于對各機器學習子模型的概率值進行概率求和，獲得目標概率值；

建模模塊，用于根據所述目標概率值和所述特征變量，建立用于判定虛假交易的目標機器學習模型。