[發明專利]模型訓練方法、異常數據檢測方法、裝置和電子設備

有效

• 申請號: 202010146141.X
• 申請日: 2020-03-05
• 公開（公告）號: CN111428757B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 顧喆旭;齊翔;吳新琪;周榮旺;樓景華;周斌
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 周達;劉飛

1.一種模型訓練方法，包括：

獲取訓練樣本集，所述訓練樣本集包括無標簽樣本集和有標簽樣本集，所述無標簽樣本集包括多個第一樣本，所述有標簽樣本集包括多個第二樣本和類型標簽，所述類型標簽用于表示所述有標簽樣本集中是否包含異常的第二樣本；

根據所述無標簽樣本集，對第一模型進行訓練，所述第一模型包括特征提取子模型；

根據所述有標簽樣本集和特征提取子模型的訓練結果，對第二模型進行訓練，所述第二模型包括特征提取子模型和異常數據檢測子模型，所述異常數據檢測子模型用于根據特征提取子模型的輸出檢測異常數據。

2.如權利要求1所述的方法，所述第一模型還包括數據關系檢測子模型，所述數據關系檢測子模型用于根據特征提取子模型的輸出檢測兩個無標簽樣本集是否對應同一業務對象；所述對第一模型進行訓練，包括：

將至少兩個無標簽樣本集輸入至特征提取子模型，得到至少兩個第一特征數據；

將至少兩個第一特征數據輸入至數據關系檢測子模型，得到至少一個數據關系檢測結果；

根據數據關系檢測結果，確定所述第一模型的模型參數。

3.如權利要求2所述的方法，所述特征提取子模型包括編碼模塊和注意力模塊；所述將至少兩個無標簽樣本集輸入至特征提取子模型，包括：

將至少兩個無標簽樣本集輸入至編碼模塊，得到至少兩個第一編碼數據集；

將至少兩個第一編碼數據集輸入至注意力模塊，得到至少兩個第一特征數據。

4.如權利要求3所述的方法，所述編碼模塊包括全連接層和自注意力層；所述將至少兩個無標簽樣本集輸入至編碼模塊，得到至少兩個第一編碼數據集，包括：

將至少兩個無標簽樣本集輸入至全連接層，以分別對所述至少兩個無標簽樣本集進行降維處理，得到至少兩個降維處理結果集；

將至少兩個降維處理結果集輸入至自注意力層，以分別對所述至少兩個降維處理結果集執行基于注意力機制的運算，得到至少兩個第一編碼數據集。

5.如權利要求3所述的方法，所述第一模型還包括數據預測子模型，所述數據預測子模型用于根據特征提取子模型的輸出進行數據預測；所述方法還包括：

將無標簽樣本集中的至少一個第一樣本替換為特定樣本；

將替換后的無標簽樣本集輸入至編碼模塊，得到第二編碼數據集；

將第二編碼數據集中與所述特定樣本相對應的編碼數據輸入至數據預測子模型，得到與所述特定樣本相對應的預測結果；

所述確定所述第一模型的模型參數，包括：

根據預測結果和數據關系檢測結果，確定所述第一模型的模型參數。

6.如權利要求1所述的方法，所述對第二模型進行訓練，包括：

將有標簽樣本集輸入至訓練后的特征提取子模型，得到第二特征數據；

將第二特征數據輸入至異常數據檢測子模型，得到異常數據檢測結果；

根據異常數據檢測結果，確定所述第二模型的模型參數。

7.如權利要求1所述的方法，所述無標簽樣本集包括財務數據集，所述第一樣本包括多個相同種類的財務指標數據，不同第一樣本所包括的財務指標數據的種類不同；

所述有標簽樣本集包括財務數據集，所述第二樣本包括多個相同種類的財務指標數據，不同第二樣本所包括的財務指標數據的種類不同。

8.一種異常數據檢測方法，包括：

將業務數據集輸入至使用權利要求1-7中任一項所述方法訓練后的第二模型，得到所述業務數據集的檢測結果，所述業務數據集包括多個業務數據。

9.如權利要求8所述的方法，所述業務數據集包括財務數據集，所述業務數據包括多個相同種類的財務指標數據，不同業務數據所包括的財務指標數據的種類不同。