[发明专利]针对目标交易的风险评估方法及装置

说明书

本说明书实施例提供一种针对目标交易的风险评估方法，该方法包括：首先，将目标域服务平台中的第一原始交易数据输入第一特征映射模型中，得到模拟源域服务平台中交易数据的第一模拟交易数据；接着，将第一模拟交易数据输入第二特征映射模型中，得到模拟第一原始交易数据的第一复原交易数据；然后，确定第一原始交易数据和第一复原交易数据之间的相似度；再接着，基于相似度，至少训练第一特征映射模型；其中，第一特征映射模型用于将目标域服务平台中待评估的目标交易的交易数据转换为模拟交易数据，进而将模拟交易数据输入至少基于第二服务平台中的交易数据训练得到的风险评估模型中，对应得到针对目标交易的风险评估结果。

技术领域

本说明书实施例涉及对机器学习的算法框架进行改进，应用于风险评估技术领域，具体地，涉及针对目标交易的风险评估方法及装置、用于对目标样本进行分类的方法及装置。

背景技术

人们越来越频繁使用各种各样的服务平台中所提供的服务，由此将产生大量的交易。进一步地，服务平台希望可以对其中发生的交易进行风险评估，以根据评估结果决定是否对该交易进行干预操作，例如，当评估出交易风险低时，准许交易成功完成，当评估出交易风险中等时，要求用户进行身份认证，而当评估出交易风险高时，直接中断交易或冻结用户账户。因此，对交易风险的准确评估尤为重要。

通常情况下，可以采用历史交易数据训练预测模型，实现风险评估。然而，某些服务平台出于不同原因，例如，刚上线等，其用于训练预测模型的数据量不足，导致训练出的预测模型性能不佳。

因此，迫切需要一种可靠的方案，可以基于服务平台中有限的历史交易数据，实现对该服务平台中所发生交易的风险评估。

发明内容

本说明书中的一个或多个实施例提供的一种针对目标交易的风险评估方法及装置，通过改进对抗迁移算法框架，大幅提高针对目标交易进行风险评估所得评估结果的准确性。

第一方面，提供一种针对目标交易的风险评估方法，该方法包括：将目标域服务平台中的第一原始交易数据输入第一特征映射模型中，得到模拟源域服务平台中交易数据的第一模拟交易数据；将所述第一模拟交易数据输入第二特征映射模型中，得到模拟所述第一原始交易数据的第一复原交易数据；确定所述第一原始交易数据和所述第一复原交易数据之间的相似度；基于所述相似度，至少训练所述第一特征映射模型；其中，所述第一特征映射模型用于将目标域服务平台中待评估的目标交易的交易数据转换为模拟交易数据，进而将所述模拟交易数据输入至少基于所述第二服务平台中的交易数据训练得到的风险评估模型中，对应得到针对所述目标交易的风险评估结果。

在一个实施例中，所述确定所述第一原始交易数据和所述第一复原交易数据之间的相似度，包括：计算所述第一原始交易数据所对应向量与所述第一复原交易数据所对应向量之间的差值的绝对值，作为所述相似度；或，计算所述第一原始交易数据所对应向量与所述第一复原交易数据所对应向量之间的平方差，作为所述相似度。

在一个实施例中，所述基于所述相似度，至少训练所述第一特征映射模型，还包括：基于所述相似度，训练所述第二特征映射模型。

在一个实施例中，所述方法还包括：将源域服务平台中的第二原始交易数据输入所述第一特征映射模型中，得到第二修正交易数据；利用所述第二修正交易数据和预先获取的所述第二原始交易数据的风险标签，训练所述风险评估模型。

第二方面，提供一种用于对目标样本进行分类的方法，其中，所述方法包括：将目标域中的第一原始样本输入第一特征映射模型中，得到模拟源域中样本的第一模拟样本，所述目标域和所述源域具有相同的分类任务；将所述第一模拟样本输入第二特征映射模型中，得到模拟所述第一原始样本的第一复原样本；确定所述第一原始样本和所述第一复原样本之间的相似度；基于所述相似度，至少训练所述第一特征映射模型；所述第一特征映射模型用于将所述目标域中待分类的目标样本转换为模拟源域中样本的模拟样本，进而将所述模拟样本输入至少基于所述源域中的样本训练得到的分类模型中，对应得到针对所述目标样本的分类结果。