[發明專利]訓練樣本篩選方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010568902.0
• 申請日: 2020-06-19
• 公開（公告）號: CN111881936A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 王峰;鄧錦君;李磊;羅恒亮;張慶
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F21/36
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

本公開提供了一種訓練樣本篩選方法、裝置、電子設備及計算機可讀存儲介質。所述方法包括：根據訓練樣本集中任意兩個訓練樣本的樣本特征之間的關聯性，確定待篩選樣本集；根據待篩選樣本集中每個訓練樣本與每個訓練樣本的鄰接訓練樣本之間的連接關系，從待篩選樣本集中篩選出預設個數的訓練樣本，生成候選樣本集；每個訓練樣本的鄰接訓練樣本是指與訓練樣本具有連接關系的訓練樣本；根據候選樣本集中每個訓練樣本與每個訓練樣本的鄰接訓練樣本，確定每個訓練樣本對應的標簽融合信息熵；根據各標簽融合信息熵，從候選樣本集中篩選出用于訓練圖卷積神經網絡的目標訓練樣本。本公開能夠使用較少的樣本數量達到全量數據所獲得的性能，減少計算耗時。

技術領域

本公開的實施例涉及互聯網技術領域，尤其涉及一種訓練樣本篩選方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

滑塊驗證作為一種快捷且有效的人機驗證手段，在反爬，批量注冊等風控領域是基礎能力和強需求。除了使用人工策略進行分析外，大多算法采用深度學習DNN(DeepNeural Network，深層神經網絡)、GNN(GraphNeural Network，圖神經網絡)對滑塊軌跡和運動特征特進行分析和識別。近來的研究結果表明：GNN有著比DNN更高的精度和更長的模型退化周期。為了達到理想的性能，GNN需要使用大量的標簽樣本和預測樣本共同作為節點進行建圖。大量節點的建圖在計算上的耗時成為了線上微服務實時部署的瓶頸。

發明內容

本公開的實施例提供一種訓練樣本篩選方法、裝置、電子設備及計算機可讀存儲介質，用以對圖卷積神經網絡的訓練樣本進行篩選，能夠使用較少的樣本數量達到全量數據所獲得的性能，同時極大地減少了計算耗時。

根據本公開的實施例的第一方面，提供了一種訓練樣本篩選方法，包括：

根據訓練樣本集中任意兩個訓練樣本的樣本特征之間的關聯性，確定待篩選樣本集；

根據所述待篩選樣本集中每個所述訓練樣本與每個所述訓練樣本的鄰接訓練樣本之間的連接關系，從所述待篩選樣本集中篩選出預設個數的訓練樣本，生成候選樣本集；所述每個所述訓練樣本的鄰接訓練樣本是指與所述訓練樣本具有連接關系的訓練樣本；

根據所述候選樣本集中每個所述訓練樣本與每個所述訓練樣本的鄰接訓練樣本，確定每個所述訓練樣本對應的標簽融合信息熵；

根據各所述標簽融合信息熵，從所述候選樣本集中篩選出用于訓練圖卷積神經網絡的目標訓練樣本。

可選地，所述根據訓練樣本集中任意兩個訓練樣本的樣本特征之間的關聯性，確定待篩選樣本集，包括：

根據所述訓練樣本集中的各個訓練樣本，構建訓練樣本圖；每個所述訓練樣本為所述訓練樣本圖上的一個節點；

計算得到所述訓練樣本集中任意兩個節點的樣本特征之間的歐式距離；

在所述歐式距離小于或者等于距離閾值時，確定所述任意兩個節點之間具有關聯關系；

根據所述訓練樣本圖上所有具有關聯關系的節點，生成所述待篩選樣本集。

可選地，所述根據所述訓練樣本圖上所有具有關聯關系的節點，生成所述待篩選樣本集，包括：

在任意兩個節點之間的歐式距離小于或者等于所述距離閾值時，將所述任意兩個節點相連接；

循環次執行上述在任意兩個節點之間的歐式距離小于或者等于所述距離閾值時，將所述任意兩個節點相連接，生成連接的兩個節點步驟；

直到對所述訓練樣本集中的所有樣本執行完成后，剔除所述訓練樣本圖上沒有連接關系的訓練樣本，得到所述待篩選樣本集。