[發明專利]業務數據處理方法及裝置

在審

• 申請號: 202110601533.5
• 申請日: 2021-05-31
• 公開（公告）號: CN113344581A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 王照;王娜;袁世聰
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06K9/62;G06N20/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;王濤

1.一種業務數據處理方法，其特征在于，包括：

獲取具有用于表征業務風險特征的特征數據的全特征樣本集及標簽集，其中，所述標簽集包括所述全特征樣本集中各全特征樣本所對應的風險類別；

根據預設業務邏輯將所述全特征樣本集拆分為多個部分特征樣本集；

利用所述多個部分特征樣本集中各部分特征樣本集和所述標簽集構建子分類器，得到所述各部分特征樣本集對應的子分類器；

依據所述各部分特征樣本集對應的子分類器對同一全特征樣本對應的部分特征樣本的風險分類結果之間的異同，生成多視角對比學習約束；

基于所述多視角對比學習約束對所述各部分特征樣本集對應的子分類器進行優化，其中，優化后的子分類器用于對目標業務數據進行處理。

2.根據權利要求1所述的方法，其特征在于，所述風險類別包括正類和負類，相應的，所述全特征樣本集中包括正樣本和負樣本，其中，所述全特征樣本集中正樣本的數目少于所述全特征樣本集中負樣本的數目，所述正樣本對應的標簽為正類，所述負樣本對應的標簽為負類；

在獲取具有用于表征業務風險特征的特征數據的全特征樣本集及標簽集之后，還包括：

對所述全特征樣本集進行隨機過采樣，以增加所述全特征樣本集中的正樣本的數目，得到過采樣后的全特征樣本集；

對所述過采樣后的全特征樣本集進行隨機欠采樣，以減少所述全特征樣本集中的負樣本的數目。

3.根據權利要求1所述的方法，其特征在于，在利用所述多個部分特征樣本集中各部分特征樣本集和所述標簽集構建子分類器，得到所述各部分特征樣本集對應的子分類器之后，還包括：

利用所述各部分特征樣本集對應的子分類器對所述各部分特征樣本集中各部分特征樣本進行分類；

提取所述各部分特征樣本集中各部分特征樣本的近鄰部分特征樣本，根據所述各部分特征樣本集中各部分特征樣本的類別與其近鄰部分特征樣本的類別之間的異同，計算所述各部分特征樣本集對應的類間相似度矩陣；

相應的，基于所述多視角對比學習約束對所述各部分特征樣本集對應的子分類器進行優化，包括：

基于所述各部分特征樣本集對應的類間相似度矩陣生成類間相似度約束；

根據所述多視角對比學習約束和所述類間相似度約束，對所述各部分特征樣本集對應的子分類器進行優化。

4.根據權利要求1所述的方法，其特征在于，所述多視角對比學習約束為：

其中，R_vcl為所述多視角對比學習約束，V為所述多個部分特征樣本集的個數，N為所述各部分特征樣本集中的部分特征樣本的個數，f^p為第p個部分特征樣本集對應的子分類器，f^q為第q個部分特征樣本集對應的子分類器，為第p個部分特征樣本集中的第i個部分特征樣本，為第q個部分特征樣本集中的第i個部分特征樣本，和均與所述全特征樣本集中的第i個全特征樣本對應。

5.根據權利要求3所述的方法，其特征在于，所述類間相似度矩陣中的元素為：

其中，為第v個部分特征樣本集對應的類間相似度矩陣中的元素，表示與之間的相似度，v＝1，2，...V，V為所述多個部分特征樣本集的個數，表示第v個部分特征樣本集中的第i個部分特征樣本，表示第v個部分特征樣本集中的第j個部分特征樣本，表示的近鄰部分特征樣本，表示的近鄰部分特征樣本，i，j＝1，2，...N，N為所述各部分特征樣本集中的部分特征樣本的個數。

6.根據權利要求3所述的方法，其特征在于，所述類間相似度約束為：

其中，R_bcs為所述類間相似度約束，V為所述多個部分特征樣本集的個數，N為所述各部分特征樣本集中的部分特征樣本的個數，表示第v個部分特征樣本集中的第i個部分特征樣本，表示第v個部分特征樣本集中的第j個部分特征樣本，f^v為第v個部分特征樣本集對應的子分類器，為第v個部分特征樣本集對應的類間相似度矩陣中的元素，表示與之間的相似度。