模型确定方法、装置和电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111898626A(43)申请公布日2020.11.06(21)申请号202010418654.1(22)申请日2020.05.18(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人管楚付子圣陈红(74)专利代理机构北京三友知识产权代理有限公司11127代理人周达刘飞(51)Int.Cl.G06K9/62(2006.01)G06Q40/04(2012.01)权利要求书2页说明书11页附图3页(54)发明名称模型确定方法、装置和电子设备(57)摘要本说明书实施例公开了一种模型确定方法、装置和电子设备的实施例。所述方法包括：获取T时刻的流式交易数据，所述T时刻为当前时刻；根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；判断候选模型的性能指标是否满足预设条件；若是，将候选模型确定为T+1时刻的异常交易数据检测模型。本说明书实施例的模型确定方法、装置和电子设备，可以根据预设条件有选择地更新异常交易数据检测模型，使异常交易数据检测模型保持好的预测效果。CN111898626ACN111898626A权利要求书1/2页1.一种模型确定方法，包括：获取T时刻的流式交易数据，所述T时刻为当前时刻；根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；判断候选模型的性能指标是否满足预设条件；若是，将候选模型确定为T+1时刻的异常交易数据检测模型。2.如权利要求1所述的方法，所述获取T时刻的流式交易数据，包括：获取T时刻的多个流式交易数据；所述确定候选模型，包括：从T时刻的多个流式交易数据中选取目标流式交易数据；根据目标流式交易数据和T时刻的异常交易数据检测模型，确定候选模型。3.如权利要求2所述的方法，所述从T时刻的多个流式交易数据中选取目标流式交易数据，包括：根据T时刻的异常交易数据检测模型，对T时刻的多个流式交易数据进行预测；根据预测结果，从T时刻的多个流式交易数据中选取目标流式交易数据。4.如权利要求3所述的方法，所述预测结果包括分值；所述从T时刻的多个流式交易数据中选取目标流式交易数据，包括：从T时刻的多个流式交易数据中选取对应的分值大于或等于第一阈值的流式交易数据、以及对应的分值小于或等于第二阈值的流式交易数据，作为目标流式交易数据；所述第一阈值大于所述第二阈值。5.如权利要求1所述的方法，所述异常交易数据检测模型通过在线学习算法得到；所述判断候选模型的性能指标是否满足预设条件，包括：计算在线学习算法在T时刻的悔恨值，作为候选模型的第一性能指标；判断所述第一性能指标是否满足第一预设条件。6.如权利要求5所述的方法，所述计算在线学习算法在T时刻的悔恨值，包括：根据公式计算在线学习算法在T时刻的悔恨值；其中，RT表示在线学习算法在T时刻的悔恨值，L(wt；xt)表示t时刻的异常交易数据检测模型的损失值，wt表示t时刻的异常交易数据检测模型的参数，表示t时刻的参考模型的损失值，表示t时刻的参考模型的参数，xt表示t时刻的流式交易数据。7.如权利要求5所述的方法，在将候选模型确定为T+1时刻的异常交易数据检测模型之前，还包括：计算候选模型的第二性能指标，所述第二性能指标取自精确率、准确率和召回率；判断所述第二性能指标是否满足第二预设条件；相应地，所述将候选模型确定为T+1时刻的异常交易数据检测模型，包括：若所述第一性能指标满足第一预设条件、并且所述第二性能指标满足第二预设条件，将候选模型确定为T+1时刻的异常交易数据检测模型。8.如权利要求7所述的方法，还包括：若所述第一性能指标满足第一预设条件、并且第二性能指标不满足第二预设条件，将T时刻的异常交易数据检测模型确定为T+1时刻的异常交易数据检测模型；或者，2CN111898626A权利要求书2/2页若所述第一性能指标不满足第一预设条件，将T时刻的异常交易数据检测模型确定为T+1时刻的异常交易数据检测模型。9.如权利要求1所述的方法，还包括：若否，将T时刻的异常交易数据检测模型确定为T+1时刻的异常交易数据检测模型。10.如权利要求1所述的方法，所述确定候选模型，包括：根据T时刻的异常交易数据检测模型，对T时刻的流式交易数据进行预测；根据预测结果，确定T时刻的异常交易数据检测模型的损失值；根据损失值，计算候选模型的参数。11.一种模型确定方法，包括：获取T时刻的流式交易数据，所述T时刻为当前时刻；根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；判断候选模型的性能指标是否满足预设条件；若否，将T时刻的异常交易数据检测模型确定为T+1时刻的异常交易数据检测模型。12.一种模型确定装置，