[發明專利]負面標簽權重的獲取方法、終端設備及介質

在審

• 申請號: 201810436265.4
• 申請日: 2018-05-09
• 公開（公告）號: CN108647714A
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 任鋼林
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06Q40/02
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 官建紅

1.一種負面標簽權重的獲取方法，其特征在于，包括：

若檢測到客戶關系網絡拓撲出現更新，則獲取其中多個節點所分別對應的客戶樣本數據，所述客戶樣本數據包括畫像特征、負面標簽類型以及每一所述負面標簽類型的權重值；

基于所述客戶樣本數據，構建并訓練神經網絡模型；

將業務審批系統中各個待審核客戶的所述畫像特征輸入所述神經網絡模型，以輸出每一所述待審核客戶分別在每一所述負面標簽類型上的權重值；

根據所述負面標簽類型相同的各個所述權重值，計算該負面標簽類型的標簽權重。

2.如權利要求1所述的負面標簽權重的獲取方法，其特征在于，所述若檢測到客戶關系網絡拓撲出現更新，則獲取其中多個節點所分別對應的客戶樣本數據，包括：

將更新后的客戶關系網絡拓撲分成多個子網絡拓撲；

在每一所述子網絡拓撲中，查找出攜帶負面標簽的各個節點，并計算查找出的所述各個節點在該子網絡拓撲中的第一占比值；

獲取所述客戶關系網絡拓撲中攜帶負面標簽的各個節點的第二占比值；

若任一所述子網絡拓撲的所述第一占比值與所述第二占比值的差值小于第一預設閾值，則將該子網絡拓撲中各個所述節點所分別對應的客戶數據確定為所述客戶樣本數據。

3.如權利要求2所述的負面標簽權重的獲取方法，其特征在于，所述若任一所述子網絡拓撲的所述第一占比值與所述第二占比值的差值小于第一預設閾值，則將該子網絡拓撲中各個所述節點所分別對應的客戶數據確定為所述客戶樣本數據，包括：

若任一所述子網絡拓撲的所述第一占比值與所述第二占比值的差值小于預設閾值，則獲取該子網絡拓撲對應各個所述負面標簽類型的第一節點分布以及所述客戶關系網絡拓撲對應各個所述負面標簽類型的第二節點分布；

若所述第一節點分布與所述第二節點分布的相似度大于第二預設閾值，則將該子網絡拓撲中各個所述節點所分別對應的客戶數據確定為所述客戶樣本數據。

4.如權利要求1所述的負面標簽權重的獲取方法，其特征在于，所述基于所述客戶樣本數據，構建并訓練神經網絡模型，包括：

獲取所述客戶樣本數據中攜帶所述負面標簽的負面樣本數據以及攜帶正面標簽的正面樣本數據；

根據所述負面樣本數據以及所述正面樣本數據所分別對應的負面標簽節點以及正面標簽節點，查找與所述負面標簽節點以及與所述正面標簽節點均具有關聯關系的測試節點，并獲取各個所述測試節點所對應的測試樣本數據；

將所述客戶樣本數據、所述負面樣本數據以及所述測試樣本數據分別輸入初始化的神經網絡模型的輸入層、輸出層以及隱含層；

基于預設的邊權重和點閾值，通過反向傳播算法，訓練所述神經網絡模型。

5.如權利要求1所述的負面標簽權重的獲取方法，其特征在于，所述基于預設的邊權重和點閾值，通過反向傳播算法，訓練所述神經網絡模型，包括：

通過預設的梯度下降法，分別對訓練層中每一節點以及每一條邊的權重值進行迭代調整，并記錄當前時刻的迭代次數；所述訓練層包括所述輸入層、輸出層以及隱含層；

當所述迭代次數達到第三預設閾值時，或者，當所述神經網絡模型輸出的任一所述負面標簽類型的權重值達到第四預設閾值時，完成對所述神經網絡模型訓練；否則，返回執行所述通過預設的梯度下降法，分別對訓練層中每一節點以及每一條邊的權重值進行迭代調整，并記錄當前時刻的迭代次數的操作。

6.一種終端設備，包括存儲器以及處理器，所述存儲器中存儲有可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如下步驟：

若檢測到客戶關系網絡拓撲出現更新，則獲取其中多個節點所分別對應的客戶樣本數據，所述客戶樣本數據包括畫像特征、負面標簽類型以及每一所述負面標簽類型的權重值；

基于所述客戶樣本數據，構建并訓練神經網絡模型；

將業務審批系統中各個待審核客戶的所述畫像特征輸入所述神經網絡模型，以輸出每一所述待審核客戶分別在每一所述負面標簽類型上的權重值；

根據所述負面標簽類型相同的各個所述權重值，計算該負面標簽類型的標簽權重。