[發明專利]資損識別方法、裝置及設備

在審

• 申請號: 201910936745.1
• 申請日: 2019-09-29
• 公開（公告）號: CN110728442A
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 袁錦程;許遼薩
• 申請（專利權）人: 支付寶(杭州)信息技術有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06K9/62;G06N20/00
• 代理公司: 11415 北京博思佳知識產權代理有限公司
• 代理人: 彭路兒

1.一種資損識別方法，包括：

利用資損案件的屬性信息的相關性，從包括多個歷史資損案件的歷史數據中查找出屬于團伙作案的案件，獲得第一資損案件數據；

收集網絡資損案件數據，從所述網絡資損案件數據中獲取第二資損案件數據，其中，所述第一資損案件數據與所述第二資損案件數據滿足相似度條件；

利用所述第一資損案件數據與所述第二資損案件數據構建訓練樣本集后，通過所述訓練樣本集對機器學習模型進行訓練，獲得資損識別模型，所述資損識別模型用于對被監控對象進行資損識別。

2.根據權利要求1所述的方法，所述屬性信息的相關性包括：地理位置信息的相關性和/或案件時間的相關性。

3.根據權利要求1所述的方法，所述相似度條件基于如下一種或多種信息進行配置：

地位位置信息的相似度、案件時間的相似度或案件描述語句的相似度。

4.根據權利要求1所述的方法，所述訓練樣本集中包括多個配置有標簽的樣本以及多個未配置有標簽的樣本，所述標簽指示對應樣本為正樣本或負樣本，所述多個未配置有標簽的樣本的標簽通過如下方式確定：

由主動學習模型利用所述配置有標簽的樣本進行學習，進而對所述未配置有標簽的樣本進行標簽的配置，并將配置結果輸出；在輸出所述配置結果后，若獲取到對所述配置結果的修改指令，修改對應樣本的標簽。

5.根據權利要求1所述的方法，所述訓練樣本集中樣本標注有分數，所述分數與對應樣本為資損案件的程度具有正相關關系，所述分數通過情緒識別模型對樣本進行情緒識別而確定。

6.一種資損識別方法，包括：

獲取被監控對象的資金操作數據；

獲取所述資金操作數據的目標特征；

將所述資金操作數據的目標特征輸入至資損識別模型，利用所述資損識別模型對被監控對象進行資損識別；其中，所述資損識別模型通過如下方式訓練得到：利用資損案件的屬性信息的相關性，從包括多個歷史資損案件的歷史數據中查找出屬于團伙作案的案件，獲得第一資損案件數據；收集網絡資損案件數據，從所述網絡資損案件數據中獲取第二資損案件數據，其中，所述第一資損案件數據與所述第二資損案件數據滿足相似度條件；利用所述第一資損案件數據與所述第二資損案件數據構建訓練樣本集后，通過所述訓練樣本集對機器學習模型進行訓練獲得。

7.一種資損識別裝置，包括：

第一數據獲取模塊，用于：利用資損案件的屬性信息的相關性，從包括多個歷史資損案件的歷史數據中查找出屬于團伙作案的案件，獲得第一資損案件數據；

第二數據獲取模塊，用于：收集網絡資損案件數據，從所述網絡資損案件數據中獲取第二資損案件數據，其中，所述第一資損案件數據與所述第二資損案件數據滿足相似度條件；

訓練識別模塊，用于：利用所述第一資損案件數據與所述第二資損案件數據構建訓練樣本集后，通過所述訓練樣本集對機器學習模型進行訓練，獲得資損識別模型，所述資損識別模型用于對被監控對象進行資損識別。

8.根據權利要求7所述的裝置，所述訓練樣本集中包括多個配置有標簽的樣本以及多個未配置有標簽的樣本，所述標簽指示對應樣本為正樣本或負樣本，所述多個未配置有標簽的樣本的標簽通過如下方式確定：

由主動學習模型利用所述配置有標簽的樣本進行學習，進而對所述未配置有標簽的樣本進行標簽的配置，并將配置結果輸出；在輸出所述配置結果后，若獲取到對所述配置結果的修改指令，修改對應樣本的標簽。