[发明专利]风险交易识别方法、装置、服务器及存储介质

权利要求书

1.一种风险交易识别方法，包括：

对待识别交易数据进行特征提取，得到用户类别特征及交易类别特征，其中，所述用户类别特征包括性别、年龄和历史交易笔数，所述交易类别特征包括成交量、交易额度和交易频次；

由所述用户类别特征及交易类别特征组合得到第一维度特征，并对所述第一维度特征进行降维处理，得到第二维度特征；

将所述第二维度特征输入至预先训练的深度森林网络，其中，所述深度森林网络包括多级决策树森林集，每一级决策树森林集中包括多个基分类器；

基于所述深度森林网络，对多维度特征进行决策分类，得到待识别交易数据为风险交易的概率；

所述对所述第一维度特征进行降维处理，得到第二维度特征包括：

根据特征类别，确定特征采样频率；

按照特征采样频率对所述第一维度特征进行采样，得到所述第二维度特征。

2.根据权利要求1所述的方法，还包括：基于交易样本训练出所述深度森林网络；

所述基于交易样本训练出所述深度森林网络包括：

收集有关风险交易的黑白样本，并对黑白样本数据进行特征提取得到第一维度特征，以及对第一维度特征进行降维处理，得到第二维度特征；

根据第二维度特征训练第一级决策树森林集的各个基分类器，并将前一级决策树森林集的输出特征与第二维度特征进行拼接，利用拼接特征训练下一级决策树森林集的各个基分类器；其中在每一级决策树森林集训练完成后判断是否达到预定结束条件，如果未达到才进行下一级决策树森林集的训练；

当达到预定结束条件时，结束训练，训练得到由多级决策树森林集构成的所述深度森林网络。

3.根据权利要求2所述的方法，所述基分类器包括一个或多个决策树；所述方法还包括：

根据黑白样本的比例，确定出决策树深度最大阈值；

设置所述基分类器中决策树的深度不超过所述深度最大阈值。

4.根据权利要求2所述的方法，

还包括：将黑白样本的数据划分为预置数目的分组；任选一个分组作为验证集，其余分组的数据集合作为训练集；

每级决策树森林集的训练过程中，是利用每个训练集分别训练每级决策树森林集中的各个基分类器的。

5.根据权利要求4所述的方法，还包括：

按照黑白样本比例，确定黑样本和白样本各自的样本采样频率；

按照黑白样各自的样本采样频率，分别对黑白样本进行采样，从而确保所述每个分组中黑白样本的数目相等。

6.一种用于风险交易识别的深度森林网络的训练方法，包括：

收集有关风险交易的黑白样本，并对黑白样本数据进行特征提取得到用户类别特征及交易类别特征，其中，所述用户类别特征包括性别、年龄和历史交易笔数，所述交易类别特征包括成交量、交易额度和交易频次；由用户类别特征及交易类别特征构建得到第一维度特征，以及对第一维度特征进行降维处理，得到第二维度特征；

根据第二维度特征训练第一级决策树森林集的各个基分类器，并将前一级决策树森林集的输出特征与第二维度特征进行拼接，利用拼接特征训练下一级决策树森林集的各个基分类器；其中在每一级决策树森林集训练完成后判断是否达到预定结束条件，如果未达到才进行下一级决策树森林集的训练；

当达到预定结束条件时，结束训练，训练得到由多级决策树森林集构成的所述深度森林网络；

所述对第一维度特征进行降维处理，得到第二维度特征，包括：

根据特征类别，确定特征采样频率；

按照特征采样频率对所述第一维度特征进行采样，得到所述第二维度特征。