[發明專利]識別姓名國籍的方法、系統及判斷交易風險的方法、系統

在審

• 申請號: 201611169286.1
• 申請日: 2016-12-16
• 公開（公告）號: CN106600283A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 劉潤石;霍文虎;袁旭萍
• 申請（專利權）人: 攜程旅游信息技術（上海）有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40
• 代理公司: 上海弼興律師事務所31283
• 代理人: 薛琦,張冉

1.一種基于循環神經網絡的識別姓名的國籍的方法，其特征在于，所述循環神經網絡的輸入層為姓名，所述循環神經網絡的隱藏層為所述輸入層的當前輸入和所述隱藏層的前一隱藏層的函數，所述循環神經網絡的輸出層為所述姓名的國籍；

所述方法包括：

S₁、基于所述循環神經網絡建立RNN模型；

S₂、將待識別的第一姓名輸入所述RNN模型；

S₃、所述RNN模型輸出所述第一姓名的國籍。

2.如權利要求1所述的基于循環神經網絡識別姓名的國籍的方法，其特征在于，S₁包括：

S₁₁、獲取若干樣本及每一樣本對應的真實標簽，所述樣本為姓名，所述真實標簽為姓名的真實國籍；

S₁₂、從所述若干樣本中抽取部分樣本及對應的真實標簽用作訓練集，剩余的樣本及對應的真實標簽用作測試集；

S₁₃、基于所述循環神經網絡，利用所述訓練集訓練RNN模型；

S₁₄、利用所述測試集驗證S₁₃訓練后的RNN模型，得到優化后的RNN模型。

3.如權利要求2所述的基于循環神經網絡識別姓名的國籍的方法，其特征在于，所述輸入層為所述姓名的編碼，所述輸出層為所述姓名的國籍的編碼；

S₂包括：將所述第一姓名編碼，并將所述第一姓名的編碼輸入所述RNN模型；

S₃包括：所述RNN模型輸出所述第一姓名的國籍的編碼，通過將所述第一姓名的國籍的編碼反編碼，得到所述第一姓名的國籍。

4.如權利要求3所述的基于循環神經網絡識別姓名的國籍的方法，其特征在于，姓名的編碼通過以下步驟獲得：

將姓名中的每個字母分別轉換為26維的向量，所述向量包括0和1，其中1在所述向量中的位置與所述字母在英文字母表中排序的位置相同，所述向量中的其余位置均為0；

國籍的編碼為N維向量，N等于所述訓練集中國籍的種數。

5.如權利要求2所述的基于循環神經網絡識別姓名的國籍的方法，其特征在于，所述循環神經網絡的激活函數是tanh函數；

S_t＝tanh(Ux_t+Ws_t-1)

其中，S_t是當前的隱藏層；x_t是輸入層當前的輸入；U是輸入層的權重系數；s_t-1是當前的隱藏層的前一隱藏層；W是當前的隱藏層的前一隱藏層的權重系數；

${\hat{y}}_t=SOFTMAX\left({\mathrm{Vs}}_t\right)$

其中，是輸出層；V是隱藏層s_t到輸出層的權重系數。