[發明專利]一種分類模型訓練方法及裝置

在審

• 申請號: 202211413563.4
• 申請日: 2022-11-11
• 公開（公告）號: CN115660817A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 龐悅;郭佳宇;駱祥峰;鄭建賓;高鵬飛
• 申請（專利權）人: 中國銀聯股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/04;G06F18/214;G06F18/24;G06N3/0442;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 王媛媛

1.一種分類模型訓練方法，其特征在于，包括：

獲取樣本交易圖網絡中的多個樣本交易，并按照交易時間對所述多個樣本交易進行排序，獲得樣本交易序列；

按照設定的時間窗對所述樣本交易序列進行切分，得到多個子交易序列；

對每個子交易序列進行時序特征提取，獲得相應的時序序列表示；以及對每個子交易序列對應的子交易圖網絡進行空間特征提取，獲得相應的空間結構表示；

基于每個子交易序列的時序序列表示和空間結構表示，獲得每個子交易序列的目標特征向量，所述目標特征向量以及所述目標特征向量對應的標簽用于訓練交易分類模型。

2.如權利要求1所述的方法，其特征在于，還包括：

針對每個子交易序列，若所述子交易序列中的每個樣本交易均正常，則將相應的目標特征向量的標簽設置為正常；

若所述子交易序列中存在至少一個樣本交易異常，則將相應的目標特征向量的標簽設置為異常。

3.如權利要求1所述的方法，其特征在于，所述按照交易時間對所述多個樣本交易進行排序，獲得樣本交易序列，包括：

按照交易時間的先后順序對所述多個樣本交易進行排序，獲得樣本交易序列。

4.如權利要求1所述的方法，其特征在于，所述對每個子交易序列對應的子交易圖網絡進行空間特征提取，獲得相應的空間結構表示之前，還包括：

針對每個子交易序列，對所述樣本交易圖網絡中除所述子交易序列之外的樣本交易進行裁剪，獲得所述子交易序列對應的子交易圖網絡。

5.如權利要求1至4任一所述的方法，其特征在于，所述對每個子交易序列進行時序特征提取，獲得相應的時序序列表示，包括：

將每個子交易序列輸入長短期記憶網絡模型中進行時序特征提取，獲得相應的時序序列表示。

6.如權利要求1至4任一所述的方法，其特征在于，所述將對每個子交易序列對應的子交易圖網絡進行空間特征提取，獲得相應的空間結構表示，包括：

將每個子交易序列輸入到圖神經網絡模型中進行空間特征提取，獲得相應的空間結構表示。

7.一種交易序列檢測方法，其特征在于，包括：

獲取待檢測交易序列的特征向量；

將所述待檢測交易序列的特征向量輸入交易分類模型進行分類，獲得所述待檢測交易序列的異常檢測結果，其中，所述交易分類模型是采用權利要求1至6任一所述的方法訓練獲得的。

8.一種分類模型訓練裝置，其特征在于，包括：

獲取模塊，用于獲取樣本交易圖網絡中的多個樣本交易，并按照交易時間對所述多個樣本交易進行排序，獲得樣本交易序列；

處理模塊，用于按照設定的時間窗對所述樣本交易序列進行切分，得到多個子交易序列；

所述處理模塊，還用于對每個子交易序列進行時序特征提取，獲得相應的時序序列表示；以及對每個子交易序列對應的子交易圖網絡進行空間特征提取，獲得相應的空間結構表示；

所述處理模塊，還用于基于每個子交易序列的時序序列表示和空間結構表示，獲得每個子交易序列的目標特征向量，所述目標特征向量以及所述目標特征向量對應的標簽用于訓練交易分類模型。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1～7任一權利要求所述方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，其存儲有可由計算機設備執行的計算機程序，當所述程序在計算機設備上運行時，使得所述計算機設備執行權利要求1～7任一所述方法的步驟。