[發明專利]一種識別模型的確定方法和相關裝置

在審

• 申請號: 202210264304.3
• 申請日: 2022-03-17
• 公開（公告）號: CN114528994A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 龍賀兆
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N20/00;G06Q30/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 羅曉敏

1.一種識別模型的確定方法，其特征在于，所述方法包括：

根據對象對產品產生的歷史交互行為確定樣本二部圖，所述樣本二部圖包括圖節點和關聯關系，所述圖節點的節點類型包括標識所述對象的對象節點和標識所述產品的產品節點，所述關聯關系用于體現所述對象與所述產品基于所述歷史交互行為的關聯；

根據所述樣本二部圖，通過初始編碼子模型得到所述圖節點的初始節點向量；

根據所述關聯關系和所述初始節點向量確定第一損失函數；其中，針對所述樣本二部圖中的目標圖節點，所述第一損失函數用于標識所述目標圖節點的初始節點向量與關聯節點的初始節點向量的相似度差異，以及所述圖節點的初始節點向量與非關聯節點的初始節點向量的區別度差異；所述關聯節點為所述樣本二部圖中與所述目標圖節點的關聯關系滿足關聯閾值、且與所述目標圖節點具有不同節點類型的圖節點，所述非關聯節點為所述樣本二部圖中與所述目標圖節點的關聯關系不滿足所述關聯閾值、且與所述目標圖節點具有不同節點類型的圖節點；

通過所述第一損失函數，基于最小化所述相似度差異、最大化所述區別度差異的訓練方向對所述初始編碼子模型進行無監督訓練，得到編碼子模型；

根據所述編碼子模型確定所述樣本二部圖中具有樣本標簽的對象產品對的對向量，所述樣本標簽用于標識所述對象產品對中的對象和產品間的關聯關系是否具有交互風險；

根據所述對向量，通過初始預測子模型確定所述對象產品對的風險預測結果，并基于所述風險預測結果與所述樣本標簽的差異對所述初始預測子模型進行監督訓練，得到預測子模型；

根據所述編碼子模型和所述預測子模型，確定用于對待處理交互行為進行交互風險識別的識別模型。

2.根據權利要求1所述的方法，其特征在于，所述根據對象對產品產生的歷史交互行為確定樣本二部圖，包括：

按照固定時長將所述歷史交互行為劃分為M個子歷史交互行為；

確定與所述M個子歷史交互行為一一對應的M個樣本二部圖；

所述根據所述樣本二部圖，通過初始編碼子模型得到所述圖節點的初始節點向量，包括：

將所述M個樣本二部圖分別輸入至一一對應的M個初始編碼子模型，得到所述M個樣本二部圖的圖節點的初始節點向量；所述根據編碼子模型和所述預測子模型，確定用于待處理交互行為進行交互風險識別的識別模型，包括：

根據M個編碼子模型和所述預測子模型，確定所述識別模型，所述M個編碼子模型是所述M個初始編碼子模型分別通過所述無監督訓練得到的。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述歷史交互行為中的對象標簽和產品標簽，所述對象標簽用于標識所述對象是否異常，所述產品標簽用于標識所述產品是否異常；

根據所述對象標簽和所述產品標簽確定所述對象產品對的樣本標簽；其中，針對所述對象標簽所對應對象和所述產品標簽所對應產品構成的目標對象產品對；所述對象標簽和所述產品標簽均為正常時，所述目標對象產品對的樣本標簽為不具有交互風險，所述對象標簽和所述產品標簽均為異常時，所述目標對象產品對的樣本標簽為具有交互風險。

4.根據權利要求3所述的方法，其特征在于，所述獲取所述歷史交互行為中的對象標簽和所述產品標簽，包括：

獲取所述歷史交互行為中的對象標簽；

根據所述對象標簽確定所述歷史交互行為中被標識為正常的第一對象和被標識為異常的第二對象；

確定所述歷史交互行為中所述產品所關聯的對象集合；

根據所述對象集合中的所述第一對象和所述第二對象，確定所述產品對應的所述產品標簽。

5.根據權利要求1所述的方法，其特征在于，所述根據所述樣本二部圖，通過初始編碼子模型得到所述圖節點的初始節點向量，包括：

根據所述樣本二部圖中對象節點在所述歷史交互行為中對應的對象交互參數，確定所述對象節點的對象特征；根據所述樣本二部圖中產品節點在所述歷史交互行為中對應的產品響應參數，確定所述產品節點的產品特征；

根據所述對象特征和所述產品特征，通過所述初始編碼子模型得到所述圖節點的初始節點向量。