[發(fā)明專利]一種標簽預測方法、裝置、設備和存儲介質

在審

• 申請?zhí)枺?/td>: 201910910439.0
• 申請日: 2019-09-25
• 公開（公告）號: CN110688536A
• 公開（公告）日: 2020-01-14
• 發(fā)明（設計）人: 陳桂花;袁進威;林樂凝;伏峰;陳東偉
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06K9/62;G06N20/00;G06Q30/00
• 代理公司: 11332 北京品源專利代理有限公司
• 代理人: 孟金喆

1.一種標簽預測方法，其特征在于，包括：

確定待預測對象的基礎特征數(shù)據(jù)；

采用預設預測模型，根據(jù)所述基礎特征數(shù)據(jù)對所述待預測對象的可信度進行預測；其中，所述預設預測模型是根據(jù)樣本數(shù)據(jù)和鄰居特征數(shù)據(jù)訓練得到，所述鄰居特征數(shù)據(jù)是根據(jù)樣本數(shù)據(jù)中對象之間的關系圖譜確定。

2.根據(jù)權利要求1所述的方法，其特征在于，通過如下操作訓練所述預設預測模型，包括：

根據(jù)已知標簽樣本的基礎特征數(shù)據(jù)和可信度標簽，訓練得到初始模型；

基于所述初始模型對未知標簽樣本預測的候選標簽，以及所述未知標簽樣本的基礎特征數(shù)據(jù)和鄰居特征數(shù)據(jù)，訓練得到中間模型；

基于所述中間模型對所述未知標簽樣本預測的樣本標簽，以及所述未知標簽樣本的基礎特征數(shù)據(jù)，訓練得到最終的所述預測模型。

3.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)已知標簽樣本的基礎特征數(shù)據(jù)和可信度標簽，訓練得到初始模型，包括：

基于從所述已知標簽樣本中提取的特征數(shù)據(jù)進行穩(wěn)定性篩選；

對篩選后的特征數(shù)據(jù)進行特征衍生，得到所述基礎特征數(shù)據(jù)；

根據(jù)所述基礎特征數(shù)據(jù)和所述已知標簽樣本的可信度標簽進行有監(jiān)督學習，訓練得到所述初始模型。

4.根據(jù)權利要求2所述的方法，其特征在于，所述基于所述初始模型對未知標簽樣本預測的候選標簽，以及所述未知標簽樣本的基礎特征數(shù)據(jù)和鄰居特征數(shù)據(jù)，訓練得到中間模型，包括：

利用所述初始模型對所述未知標簽樣本進行標簽預測，得到所述未知標簽樣本的候選標簽；

根據(jù)所述樣本數(shù)據(jù)中對象之間的關系圖譜，確定所述未知標簽樣本的鄰居特征數(shù)據(jù)；

根據(jù)所述未知標簽樣本的基礎特征數(shù)據(jù)、所述候選標簽和所述鄰居特征數(shù)據(jù)，訓練得到中間預測模型。

5.根據(jù)權利要求4所述的方法，其特征在于，所述根據(jù)所述未知標簽樣本中各未知對象之間的關系圖譜，確定所述未知標簽樣本的鄰居特征數(shù)據(jù)，包括：

根據(jù)所述未知標簽樣本的候選標簽確定所述候選標簽的置信度；

根據(jù)所述候選標簽的置信度對所述未知標簽樣本進行排序，選取排序結果中置信度數(shù)值達到預設閾值的目標對象；

從所述已知標簽樣本中，根據(jù)所述關系圖譜確定與所述目標對象具有直接關聯(lián)關系的候選對象；

根據(jù)所述關系圖譜中所述目標對象與所述候選對象之間的關系權重，確定所述目標對象的鄰居特征數(shù)據(jù)。

6.根據(jù)權利要求2所述的方法，其特征在于，所述基于所述初始模型對未知標簽樣本預測的候選標簽，以及所述未知標簽樣本的基礎特征數(shù)據(jù)和鄰居特征數(shù)據(jù)，訓練得到中間模型，包括：

采用上一輪訓練得到的中間模型對所述未知標簽樣本進行預測，以更新所述候選標簽；

根據(jù)更新后的所述候選標簽，更新所述未知標簽樣本的鄰居特征數(shù)據(jù)；

根據(jù)所述未知標簽樣本的基礎特征數(shù)據(jù)、更新后的所述候選標簽和所述鄰居特征數(shù)據(jù)進行本輪訓練，得到本輪迭代訓練的中間模型。

7.根據(jù)權利要求4所述的方法，其特征在于，在所述根據(jù)所述樣本數(shù)據(jù)中對象之間的關系圖譜，確定所述未知標簽樣本的鄰居特征數(shù)據(jù)之前，還包括：

依據(jù)所述未知標簽樣本和所述已知標簽樣本中任意兩個對象之間的關聯(lián)關系，構建關系圖譜。

8.一種標簽預測裝置，其特征在于，包括：

基礎特征數(shù)據(jù)確定模塊，用于確定待預測對象的基礎特征數(shù)據(jù)；

可信度預測模塊，用于采用預設預測模型，根據(jù)所述基礎特征數(shù)據(jù)對所述待預測對象的可信度進行預測；其中，所述預設預測模型是根據(jù)樣本數(shù)據(jù)和鄰居特征數(shù)據(jù)訓練得到，所述鄰居特征數(shù)據(jù)是根據(jù)樣本數(shù)據(jù)中對象之間的關系圖譜確定。

9.一種計算機設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如權利要求1-7中任一所述的標簽預測方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權利要求1-7中任一所述的標簽預測方法。