[发明专利]数据合作处理方法、装置、电子设备及计算机存储介质

说明书

本发明实施例公开了一种数据合作处理方法、装置、电子设备及计算机存储介质，所述方法包括：获取训练数据，其中，所述训练数据包括带有标签的第一训练数据和不带标签的第二训练数据；根据所述训练数据进行合作训练，得到数据合作处理模型；获取待处理数据，并利用所述数据合作处理模型对于所述待处理数据进行合作处理，得到数据合作处理结果。该技术方案能够综合不同模型的优点，既能够保证异常操作识别的有效性、提高异常操作的识别准确率，还能够提高异常操作识别的灵活性，进而能够避免操作主体产生损失，维护市场的健康发展。

技术领域

本发明实施例涉及数据仿真技术领域，具体涉及一种数据合作处理方法、装置、电子设备及计算机存储介质。

背景技术

随着互联网技术的发展，越来越多的商家或者服务提供商通过互联网平台来为用户提供服务，为了获取更多的用户交易数据，创造更多的利润，很多商家、服务提供商或者中间机构都会开展丰富的优惠活动，但在活动开展过程中，出现了一些异常或非法行为，比如，有些用户频繁恶意刷单、有些商家作弊比如联合用户或者伪装成用户多次下单等等，这些异常行为严重扰乱了市场秩序，给操作主体带来了巨大的损失，不利于市场的健康发展。

现有技术中，对于异常行为的识别大多是基于人工规则或半监督方式进行的，其中，基于人工规则的方式是首先根据人工经验配置各种异常操作的规则，若当前交易命中某个规则，则认为当前交易为异常操作，但这种方式；基于半监督的方式一般根据交易数据对用户或商品进行聚类，则出现异常聚集的用户商品对组成的交易就会被判断为异常操作。上述基于人工规则的方式存在以下缺点：1)依赖人工经验，规则配置成本高；2)规则之间相互独立，互不影响，不同规则之间难以共享信息；3)通常规则匹配的条件是固定的，匹配的结果或者是命中或者不命中，规则泄露后很容易被规避，进而导致识别模型的失效；4)无法识别新的异常操作。另外，上述基于半监督的方式存在以下缺点：1)无法利用已有人工经验，从而影响识别模型的有效性；2)误判率高，借助聚类操作发现的异常操作虽然有可能是异常操作团伙，但也有可能是集中交易事件或者是促销交易等等。因此，对于异常操作，急需一种有效的、能够提高异常操作识别率的方案。

发明内容

本发明实施例提供一种数据合作处理方法、装置、电子设备及计算机可读存储介质。

第一方面，本发明实施例中提供了一种数据合作处理方法。

具体的，所述数据合作处理方法，包括：

获取训练数据，其中，所述训练数据包括带有标签的第一训练数据和不带标签的第二训练数据；

根据所述训练数据进行合作训练，得到数据合作处理模型；

获取待处理数据，并利用所述数据合作处理模型对于所述待处理数据进行合作处理，得到数据合作处理结果。

结合第一方面，本发明实施例在第一方面的第一种实现方式中，所述根据所述训练数据进行合作训练，得到数据合作处理模型，包括：

基于所述第一训练数据进行训练，得到第一数据合作处理子模型；

将所述第二训练数据输入至所述第一数据合作处理子模型中，得到所述第二训练数据的初始标签；

基于所述第一训练数据和带有初始标签的第二训练数据，利用第二数据合作处理子模型对于所述第二训练数据的初始标签进行更新，得到所述第二训练数据的目标标签；

基于所述第一训练数据和带有目标标签的第二训练数据，对于所述第一数据合作处理子模型进行再训练，将再训练得到的模型确定为所述数据合作处理模型。

结合第一方面和第一方面的第一种实现方式，本发明实施例在第一方面的第二种实现方式中，所述基于所述第一训练数据进行训练，得到所述第一数据合作处理子模型之前，包括：