[发明专利]机器学习模型的训练方法、装置、设备及存储介质

权利要求书

1.一种机器学习模型的训练方法，其特征在于，所述方法包括：

获取样本用户帐号对应的行为序列集，所述行为序列集包括所述样本用户帐号执行的按照时间排序的多个行为事件，所述样本用户帐号对应有标签；

根据自定义的行为模式筛选条件从所述行为序列集中，提取所述样本用户帐号的行为模式集，所述行为模式集采用行为子序列集表示，所述行为子序列集是所述行为序列集的子集；

从所述行为模式集中筛选出行为特征表示集，所述行为特征表示集包括所述样本用户帐号对应的普遍行为模式集和罕见行为模式集中的至少一种集合；

将所述行为特征表示集和所述标签作为所述样本用户帐号对应的样本对，对所述机器学习模型进行训练，得到训练后的机器学习模型。

2.根据权利要求1所述的方法，其特征在于，所述从所述行为模式集中筛选出行为特征表示集，包括：

根据第一范围从所述行为模式集中筛选出所述普遍行为模式集，所述普遍行为模式集是响应于第一用户帐号与所述样本用户帐号满足第一比例时，所述第一用户帐号共享的行为模式集；

根据第二范围从所述行为模式集中筛选出所述罕见行为模式集，所述罕见行为模式集是响应于第二用户帐号与所述样本用户帐号满足第二比例时，所述第二用户帐号共享的行为模式集，所述第一比例大于所述第二比例；

将提取出的所述普遍行为模式集和所述罕见行为模式集中的至少一种，作为所述行为特征表示集。

3.根据权利要求2所述的方法，其特征在于，

所述根据第一范围从所述行为模式集中筛选出所述普遍行为模式集，包括：

响应于所述第一比例满足所述第一范围，将所述第一用户帐号共享的行为模式集作为所述普遍行为模式集；

所述根据第二范围从所述行为模式集中筛选出所述罕见行为模式集，包括：

响应于所述第二比例满足所述第二范围，将所述第二用户帐号共享的行为模式集作为所述罕见行为模式集。

4.根据权利要求1至3任一所述的方法，其特征在于，所述根据自定义的行为模式筛选条件从所述行为序列集中，提取所述样本用户帐号的行为模式集，包括：

获取第一行为模式，所述第一行为模式是由第一行为模式筛选条件确定的，所述第一行为模式包括已定义取值的第一变量，所述第一变量包括所述行为事件的类型、所述行为事件的执行次数和所述行为事件的执行时间中的至少一种；

从所述行为序列集中提取出与所述第一行为模式一致的行为序列，得到所述第一行为模式集。

5.根据权利要求1至3任一所述的方法，其特征在于，所述根据自定义的行为模式筛选条件从所述行为序列集中，提取所述样本用户帐号的行为模式集，包括：

获取第二变量的取值集合，所述第二变量包括所述行为事件的类型、所述行为事件的执行次数和所述行为事件的执行时间中的至少一种；

根据第二行为模式筛选条件和所述第二变量的取值集合，生成第二行为模式；

从所述行为序列集中提取出与所述第二行为模式一致的行为序列，得到所述第二行为模式集。

6.根据权利要求1至3任一所述的方法，其特征在于，所述将所述行为特征表示集和所述标签作为所述样本用户帐号对应的样本对，对所述机器学习模型进行训练，得到训练后的机器学习模型，包括：

将所述行为特征表示集和所述标签输入至所述机器学习模型中，得到所述样本用户帐号属于恶意用户帐号的预测概率；

计算所述标签与所述预测概率之间的误差；

根据所述误差训练所述机器学习模型，得到所述训练后的机器学习模型。