风险识别模型训练方法、用户风险识别方法及相关装置.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CN112308453A(43)申请公布日2021.02.02(21)申请号202011301542.4(22)申请日2020.11.19(71)申请人上海优扬新媒信息技术有限公司地址201800上海市嘉定区汇源路55号8幢3层307室(72)发明人刘宏剑杨青(74)专利代理机构北京集佳知识产权代理有限公司11227代理人尹秀(51)Int.Cl.G06Q10/06(2012.01)G06F40/279(2020.01)G06F40/242(2020.01)G06K9/62(2006.01)权利要求书2页说明书9页附图4页(54)发明名称风险识别模型训练方法、用户风险识别方法及相关装置(57)摘要本发明公开了一种风险识别模型训练方法、用户风险识别方法及相关装置，该训练方法包括：对初始样本中的搜索日志进行去重处理，利用关键词典对各个单词进行排序，关键词字典是依据单词的重要程度设定的；将排序结果按照预设长度截取为至少一个输入文本；将至少一个输入文本作为训练样本，对风险识别模型进行训练，得到目标风险识别模型。上述方法，训练样本是对搜索日志经过去重，将得到各个单词依据关键词字典进行排序，并截取为预设长度得到的，相较于接拼接方式缩短了训练样本的长度，提高了训练效率，即便进行了截取，由于训练样本是基于关键词字典进行排序的，也会保留了重要程度较高的分词，同时也保证了训练的准确率。CN112308453ACN112308453A权利要求书1/2页1.一种风险识别模型训练方法，其特征在于，包括：获取初始样本；对所述初始样本中的搜索日志进行去重处理，得到各个单词；利用关键词典对所述各个单词进行排序，得到排序结果，所述关键词字典是预先建立的，包含有多个单词，且，所述单词的顺序依据单词的重要程度进行设定；将所述排序结果按照预设长度截取为至少一个输入文本；将所述至少一个输入文本作为训练样本，对风险识别模型进行训练，得到目标风险识别模型，其中，所述风险识别模型基于Embedding层和Transformer结构进行构建。2.根据权利要求1所述的方法，其特征在于，关键词字典的建立过程包括：将每一个用户的全部搜索日志拼接，得到拼接文本；对所述拼接文本进行分词，得到各个单词；计算每一个单词对应的高低风险区分度和出现的频数，将所述高低风险区分度和所述频数的乘积作为该分词的重要性值；对所述各个单词基于重要性值进行排序，得到所述关键词字典。3.根据权利要求2所述的方法，其特征在于，计算每一个单词对应的高低风险区分度，包括：统计搜索过该单词的各个用户的高风险用户的比例H和低风险用户的比例L；获取全部用户中高风险用户的比例H’和低风险用户的比例L’，基于预设公式计算高低风险区分度，其中，R表示高低风险区分度。4.根据权利要求1所述的方法，其特征在于，基于Embedding层和Transformer结构构建风险识别模型，包括：基于预设的训练语料对文本预测模型进行训练，得到目标文本预测模型，其中，所述目标文本训练模型包括：所述Embedding层和所述Transformer结构；当训练完成，获取所述Embedding层和所述Transformer结构；添加风险识别层、基于所述Embedding层、所述Transformer结构和所述风险识别层的顺序构建所述风险识别模型。5.根据权利要求1所述的方法，其特征在于，还包括：获取所述排序结果的长度；在所述长度小于所述预设长度的情况下，将所述排序结果中添加空白向将其补充为所述预设长度。6.一种用户风险识别方法，其特征在于，包括：在接收到对当前用户的风险识别请求的情况下，调用目标风险识别模型，其中，所述目标风险识别模型基于权利要求1-5任意一项所述训练方法进行训练得到；获取所述当前用户的当前搜索日志，对所述当前搜索日志进行去重处理，得到各个当前单词；将所述各个当前单词依据关键词字典进行排序，得到当前排序结果；将所述排序结果按照预设长度截取为当前输入文本；将所述当前输入文本传递给所述目标风险识别模型进行风险识别。2CN112308453A权利要求书2/2页7.一种风险识别模型训练装置，其特征在于，包括：初始样本获取模块，用于获取初始样本；第一去重模块，用于对所述初始样本中的搜索日志进行去重处理，得到各个单词；第一排序模块，用于利用关键词典对所述各个单词进行排序，得到排序结果，所述关键词字典是预先建立的，包含有多个单词，且，所述单词的顺序依据单词的重要程度进行设定；第一截取模块，用于将所述排序结果按照预设长度截取为至少一个输入文本；训练模块，用于将所述至少一个输入文本作为训练样本，对风险识别模型进行训练，得到目标风险识别模型，其中，所述风险识别模型基于Embeddi