[發明專利]風險檢測模型訓練方法、裝置、介質及設備

在審

• 申請號: 202310364914.5
• 申請日: 2023-03-31
• 公開（公告）號: CN116468538A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 張雅淋;李龍飛;周俊
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06F18/214;G06N3/04;G06N5/01;G06N20/00
• 代理公司: 北京恒博知識產權代理有限公司 11528
• 代理人: 范勝祥

1.一種風險檢測模型訓練方法，包括：

對第一樣本數據進行規則學習，得到與所述第一樣本數據對應的風險檢測規則，所述第一樣本數據包括未標記樣本和標記風險樣本，所述未標記樣本的數量大于所述標記風險樣本的數量；

基于所述風險檢測規則對所述第一樣本數據中的所述未標記樣本進行標記，得到第二樣本數據，所述第二樣本數據包括潛在風險樣本、潛在正常樣本以及所述標記風險樣本；

基于所述第二樣本數據，對所述風險檢測模型進行訓練。

2.根據權利要求1所述的方法，其中，所述基于所述第二樣本數據，對所述風險檢測模型進行訓練，包括：

基于所述第二樣本數據，通過代價敏感學習的方式對所述風險檢測模型進行訓練，其中，所述第二樣本數據中所述潛在風險樣本的損失權重大于所述潛在正常樣本的損失權重。

3.根據權利要求2所述的方法，其中，所述基于所述第二樣本數據，通過代價敏感學習的方式對所述風險檢測模型進行訓練，包括：

基于所述潛在風險樣本的樣本數量與所述潛在正常樣本的樣本數量，確定所述潛在風險樣本的損失權重以及所述潛在正常樣本的損失權重；

基于所述損失權重，確定所述潛在風險樣本或所述潛在正常樣本對應的所述風險檢測模型的加權模型損失；

基于所述加權模型損失，對所述風險檢測模型進行訓練。

4.根據權利要求3所述的方法，其中，所述基于所述潛在風險樣本的樣本數量與所述潛在正常樣本的樣本數量，確定所述潛在風險樣本的損失權重以及所述潛在正常樣本的損失權重，包括：

確定所述潛在風險樣本的樣本數量與所述潛在正常樣本的樣本數量的比例；

基于所述比例確定所述潛在風險樣本的損失權重以及所述潛在正常樣本的損失權重，其中，所述潛在風險樣本與所述潛在正常樣本的損失權重與樣本數量之間成反比例。

5.根據權利要求1所述的方法，其中，在所述基于所述第二樣本數據，對所述風險檢測模型進行訓練之前，所述方法還包括：

基于上一訓練輪次的各個樣本數據的輸出得分，從多個所述潛在風險樣本中選取預定比例的潛在風險樣本；

所述基于所述第二樣本數據，對所述風險檢測模型進行訓練，包括：

針對當前訓練輪次，基于所述預定比例的潛在風險樣本，對所述風險檢測模型進行訓練。

6.根據權利要求1所述的方法，其中，所述風險檢測模型包括多個學習器，所述多個學習器中的一個學習器為當前學習器，所述多個學習器中的所述當前學習器之外的學習器為參考學習器，所述基于所述第二樣本數據，對所述風險檢測模型進行訓練，包括：

針對所述當前學習器，根據各個所述參考學習器的上一訓練輪次的樣本數據的輸出得分，獲取各個所述參考學習器對應的預定比例的參考樣本數據；

基于所述參考樣本數據，對所述當前學習器進行訓練，得到所述當前學習器的當前訓練輪次的各個參考樣本數據的輸出得分。

7.根據權利要求6所述的方法，其中，所述多個學習器包括第一學習器和第二學習器，所述針對所述當前學習器，根據各個所述參考學習器的上一訓練輪次的樣本數據的輸出得分，獲取各個所述參考學習器對應的預定比例的參考樣本數據，包括：

若所述第一學習器為當前學習器，所述第二學習器為參考學習器，則根據所述第二學習器的上一訓練輪次的各個樣本數據的輸出得分，獲取第一預定比例的參考樣本數據，

若所述第二學習器為當前學習器，所述第一學習器為參考學習器，則根據所述第一學習器的上一訓練輪次的各個樣本數據的輸出得分，獲取第二預定比例的參考樣本數據。

8.根據權利要求7所述的方法，其中，所述方法還包括：

獲取所述第一學習器的第一輸出得分以及所述第二學習器的第二輸出得分；

對所述第一輸出得分以及所述第二輸出得分進行平均處理，得到所述風險檢測模型的預測結果。