一种风险地址识别方法、装置、设备和存储介质.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CN111711618A(43)申请公布日2020.09.25(21)申请号202010489800.X(22)申请日2020.06.02(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)发明人沈淑顾雷吴潇丽张天翼王爱凌王鑫云王嘉浩邹泊滔孙清清钱堃王淑钰(74)专利代理机构北京晋德允升知识产权代理有限公司11623代理人刘立升(51)Int.Cl.H04L29/06(2006.01)权利要求书2页说明书9页附图5页(54)发明名称一种风险地址识别方法、装置、设备和存储介质(57)摘要本申请公开了一种风险地址识别方法、设备和装置，该方法包括：获取待识别地址数据；将所述待识别地址数据通过第一预设模型划分为多个字符组；确定划分后的每个字符组对应的词嵌入向量；将每个字符组对应的词嵌入向量输入风险地址识别网络模型，得到所述待识别地址数据是否为风险地址。CN111711618ACN111711618A权利要求书1/2页1.一种风险地址识别方法，该方法包括：获取待识别地址数据；将所述待识别地址数据通过第一预设模型划分为多个字符组；确定划分后的每个字符组对应的词嵌入向量；将每个字符组对应的词嵌入向量输入风险地址识别网络模型，得到所述待识别地址数据是否为风险地址。2.根据权利要求1所述的方法，每个字符组对应的词嵌入向量为通过第二预设模型预先训练得到的，其中，通过第二预设模型预先训练得到词嵌入向量，具体包括：获取地址库，所述地址库中存储有收集到的地址数据；将所述地址库中的地址数据通过所述第一预设模型划分为多个字符组；将划分后的每个字符组输入所述第二预设模型进行训练，以得到每个字符组的词嵌入向量。3.根据权利要求2所述的方法，所述风险地址识别网络模型为对抗训练模型。4.根据权利要求3所述的方法，所述对抗训练模型的训练步骤包括：获取训练样本，所述训练样本包括已标记为风险地址的数据，以及使得机器学习算法产生误判的地址数据；将所述训练样本中的地址数据通过第一预设模型划分为多个字符组；确定划分后的每个字符组对应的词嵌入向量，所述词嵌入向量是通过第二预设模型训练得到的；将每个字符组对应的词嵌入向量输入所述对抗训练模型进行训练。5.根据权利要求4所述的方法，在所述将每个字符组对应的词嵌入向量输入所述对抗训练模型进行训练的步骤之前，所述训练步骤还包括：对每个字符组的词嵌入向量进行归一化操作。6.根据权利要求5所述的方法，在对每个字符组的词嵌入向量进行归一化操作的步骤中，归一化公式为：其中，fj为所有训练样本中第i个词出现的频率；vk为第k个词的词嵌入向量；为第k个词正则化后的词嵌入向量。7.根据权利要求5所述的方法，在所述将每个字符组对应的词嵌入向量输入所述对抗训练模型进行训练步骤中，所述训练方法还包括：在归一化后的向量中添加扰动项，并在所述对抗训练模型的损失函数中增加所述扰动项带来的损失。8.根据权利要求7所述的方法，在归一化后的向量中添加的扰动项公式为：radv＝-∈g/‖g‖2；2CN111711618A权利要求书2/2页所述损失函数如下：其中，radv为扰动项；s为输入向量；y为输出向量；为模型的参数预估值；θ为模型的参数真实值；Ladv为扰动项的损失函数。9.根据权利要求4所述的方法，在所述获取待识别地址数据的步骤之前，所述方法还包括：获取原始地址数据，对所述原始地址数据进行清洗以得到待识别地址数据；和/或，在所述获取地址库步骤之前，所述方法还包括：对地址库中的数据进行数据清洗；和/或，在所述获取训练样本的步骤之前，所述方法还包括：对训练样本中的数据进行数据清洗。10.根据权利要求1至9中任一项所述的方法，所述第一预设模型为三元Trigram模型；和/或，所述第二预设模型为Word2Vec模型。11.一种风险地址识别设备，包括：至少一个处理器和存储器，所述存储器存储有程序，并且被配置成由所述至少一个处理器执行以下步骤：获取待识别地址数据；将所述待识别地址数据通过第一预设模型划分为多个字符组；确定划分后的每个字符组的对应词嵌入向量；将每个字符组对应的词嵌入向量输入风险地址识别网络模型，得到所述待识别地址数据是否为风险地址。12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现权利要求1至10中任一项所述的风险地址识别方法。13.一种风险地址识别装置，该装置包括：获取模块，所述获取模块用于获取待识别地址数据；划分模块，所述划分模块包括第一预设模型，用于将所述待识别地址数据通过所述第一预设模型划分为多个字符组；确定模块，所述确定模块用于确定划分后的每个字符组