账户分类模型训练方法、装置、计算机设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115905858A(43)申请公布日2023.04.04(21)申请号202211302841.9G06F18/22(2023.01)(22)申请日2022.10.24G06N3/0455(2023.01)G06N3/047(2023.01)(71)申请人招联消费金融有限公司G06N3/048(2023.01)地址518000广东省深圳市前海深港合作G06N3/0895(2023.01)区前湾一路1号A栋201室（入驻深圳市G06Q30/0201(2023.01)前海商务秘书有限公司）申请人中山大学(72)发明人陈川赖金荣陈鸿林昊郑子彬邬稳纳颖泉(74)专利代理机构华进联合专利商标代理有限公司44224专利代理师张泽铭(51)Int.Cl.G06F18/214(2023.01)G06F18/2415(2023.01)权利要求书3页说明书17页附图7页(54)发明名称账户分类模型训练方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种账户分类模型训练方法、装置和计算机设备。所述方法包括：获取待训练账户的多视角信息对应的训练数据集；对训练数据集进行编码得到编码数据集，基于对编码数据集解码得到的解码数据集与所述训练数据集之间的差异得到重构损失；对所述编码数据集进行本质特征提取和语义特征提取，对得到的本质特征数据集和语义特征数据集分别进行视角间一致性约束，得到本质损失和语义损失；基于所述语义特征数据集和所述本质特征数据集进行语义特征预测得到的参考语义特征数据集得到自监督损失；基于所述重构损失、本质损失、语义损失和自监督损失，对初始账户分类模型进行训练，得到目标账户分类模型。采用本方法能够提高账户分类模型的准确性。CN115905858ACN115905858A权利要求书1/3页1.一种账户分类模型训练方法，其特征在于，所述方法包括：获取待训练账户的多视角信息对应的训练数据集；对所述训练数据集进行编码得到编码数据集，对所述编码数据集进行解码得到解码数据集，基于所述解码数据集与所述训练数据集之间的差异得到重构损失；对所述编码数据集进行本质特征提取得到本质特征数据集，对所述本质特征数据集进行视角间一致性约束，得到本质损失；对所述编码数据集进行语义特征提取得到语义特征数据集，对所述语义特征数据集进行视角间一致性约束，得到语义损失；对所述本质特征数据集进行语义特征预测，得到参考语义特征数据集，基于所述语义特征数据集和所述参考语义特征数据集得到自监督损失；基于所述重构损失、本质损失、语义损失和自监督损失，对初始账户分类模型进行训练，得到目标账户分类模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述重构损失、本质损失、语义损失和自监督损失，对初始账户分类模型进行训练，得到目标账户分类模型包括：基于所述重构损失对所述初始账户分类模型中的自编码器进行训练，得到所述自编码器对应的第一自编码参数；基于所述第一自编码参数、重构损失、本质损失和语义损失对所述初始账户分类模型中的自编码器、本质特征编码器和语义特征编码器进行训练，得到自编码器对应的第二自编码参数、本质特征编码器对应的第一本质编码参数和语义特征编码器对应的第一语义编码参数；基于所述第二自编码参数、第一本质编码参数和第一语义编码参数，以及所述重构损失、本质损失、语义损失和自监督损失，对所述初始账户分类模型中的自编码器、本质特征编码器、语义特征编码器和预测编码器进行训练，得到目标账户分类模型。3.根据权利要求1所述的方法，其特征在于，所述训练数据集中包括不少于两个账户的多个视角的训练数据；所述对所述训练数据集进行编码得到编码数据集，对所述编码数据集进行解码得到解码数据集，基于所述解码数据集与所述训练数据集之间的差异得到重构损失包括：针对每一个视角，通过与视角对应的自编码器对所述视角的训练数据进行编码，得到所述视角的编码数据；通过与所述视角对应的自编码器对所述编码数据进行解码，得到所述视角的解码数据；统计所述视角的解码数据与训练数据之间的差异，得到所述视角的自编码损失；基于所述多个视角对应的自编码损失，得到重构损失。4.根据权利要求1所述的方法，其特征在于，所述本质特征数据集中包括不少于两个账户的多个视角的本质特征数据；所述对所述本质特征数据集进行视角间一致性约束，得到本质损失包括：针对每一个账户，计算目标账户的目标视角的本质特征数据与所述目标账户的非目标视角的本质特征数据之间的第一相似度，计算所述目标账户的目标视角的本质特征数据与非目标账户的非目标视角的本质特征数据之间的第二相似度；2CN115905858A权利要求书2/3页基于所述第一相似度与所述第二相似度，得到所述目标视角对应的本质一致性约束；基于各个视角对应的本质一