[發明專利]一種風險行為生成模型的確定方法及裝置

有效

• 申請號: 201910758439.3
• 申請日: 2019-08-16
• 公開（公告）號: CN110633989B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 管楚;潘健民
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06Q40/04;G06N3/0475;G06N3/045;G06N3/0442;G06N3/084;G06N3/094;G06F18/2411;G06F18/27
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 張倩;朱文杰

1.一種風險行為生成模型的確定方法，包括：

按照預設的多個信息維度，對預設歷史時間段內用戶的真實行為數據進行維度劃分處理，并根據維度劃分后的所述真實行為數據生成真實樣本數據；其中，所述維度劃分處理包括對所述真實行為數據的每個數據項進行信息維度類型的標記，每條所述真實行為數據包括多個信息維度的數據項；

利用目標對抗神經網絡中的生成器并基于所述真實樣本數據，生成多個仿真樣本數據；

利用所述目標對抗神經網絡中的判別器對所述仿真樣本數據和所述真實樣本數據進行風險識別，得到風險識別結果；

根據所述風險識別結果，確定所述生成器的樣本生成水平和所述判別器的樣本判別水平；

若所述樣本生成水平和所述樣本判別水平滿足預設對抗終止條件，則根據所述判別器識別為非真實數據的仿真樣本數據對應的出現概率最大的目標信息維度，對生成器中與所述目標信息維度對應的參數進行修正，將修正后的所述生成器確定為風險行為生成模型；其中，所述風險行為生成模型用于預測未來時間段的風險行為數據以對線上風控策略進行更新；

若所述樣本生成水平和所述樣本判別水平不滿足預設對抗終止條件，則基于所述風險識別結果對所述生成器和所述判別器進行參數優化，得到下一輪的目標對抗神經網絡。

2.根據權利要求1所述的方法，其中，所述基于所述風險識別結果對所述生成器和所述判別器進行參數優化，得到下一輪的目標對抗神經網絡，包括：

采用梯度下降方法并基于所述風險識別結果，對所述生成器和所述判別器進行參數優化，得到優化后的生成器和優化后的判別器；

將所述優化后的生成器和所述優化后的判別器的組合，確定為下一輪的目標對抗神經網絡。

3.根據權利要求1所述的方法，其中，所述根據維度劃分后的所述真實行為數據生成真實樣本數據，包括：

針對每個信息維度，判斷該信息維度對應的真實行為數據的數據類型是否為數值型；

若否，則對所述信息維度對應的所述真實行為數據進行類型轉換，得到所述信息維度對應的數值型行為數據；

將各所述信息維度對應的數值型行為數據的集合確定為最終的真實樣本數據。

4.根據權利要求1所述的方法，其中，所述根據所述判別器識別為非真實數據的仿真樣本數據對應的出現概率最大的目標信息維度，對生成器中與所述目標信息維度對應的參數進行修正，將修正后的所述生成器確定為風險行為生成模型，包括：

根據所述風險識別結果，確定所述判別器識別為非真實數據的仿真樣本數據；

根據確定出的各所述仿真樣本數據對應的信息維度的所屬類型，確定出現概率最大的目標信息維度；

對所述生成器中與所述目標信息維度對應的模型參數進行修正，得到修正后的生成器；

將所述修正后的生成器確定為最終的用于預測未來時間段風險用戶行為的風險行為生成模型。

5.根據權利要求1所述的方法，其中，所述利用目標對抗神經網絡中的生成器并基于所述真實樣本數據，生成多個仿真樣本數據，包括：

利用目標對抗神經網絡中的生成器并基于所述真實樣本數據，生成多個初始仿真樣本數據；

在所述多個初始仿真樣本數據中，將滿足預設約束條件的初始仿真樣本數據確定為最終的多個仿真樣本數據。

6.根據權利要求1所述的方法，其中，所述根據所述風險識別結果，確定所述生成器的樣本生成水平和所述判別器的樣本判別水平，包括：

獲取各所述仿真樣本數據的第一標簽信息和各所述真實行為數據的第二標簽信息；

根據所述風險識別結果、所述第一標簽信息和所述第二標簽信息，確定用于表征所述判別器的識別正確程度的第一概率和用于表征所述生成器所生成的所述仿真樣本數據被識別出的第二概率；

根據所述第二概率確定所述生成器的樣本生成水平，以及根據所述第一概率確定所述判別器的樣本判別水平。