[发明专利]一种交易偏好判别模型自适应方法

权利要求书

1.一种交易偏好判别模型自适应方法，其特征在于，包括如下步骤：

建立交易图数据库：收集交易数据并将各类交易数据转换为实体、属性结构，并抽取实体之间的关系和关联属性，构建基于图结构的交易关系数据库，即交易图数据库；

数据预处理：对收集的各类交易数据进行预先的数据转换处理，数据转换处理包括数据清洗、数据集成、数据变换、数据归约；

特征提取：针对用户交易特点对收集的各类交易数据提取相应的静态特征、交易行为特征、交易内容特征、图结构特征等，分析用户交易行为和交易内容；

建立交易行为分析模型，挖掘目标对象的交易行为规律，获得目标交易行为偏好的概率；

建立交易内容分析模型，挖掘目标对象的交易内容模式，获得目标交易内容偏好的置信度；

综合交易行为分析模型和交易内容分析模型进行交易偏好判别：按照用户交易行为偏好概率、交易内容偏好置信度、图结构关联关系偏好及核实反馈结果进行加权计算，得到最终的交易偏好判别结果；

根据交易偏好结果进行核实检索：专业人员定期随机对推荐的用户交易偏好进行核实检索，通过记录检索步骤并对检索步骤进行强化学习来固化核实流程，若核实交易偏好判别正确则以奖励的形式正反馈交易偏好判别模型，若核实交易偏好判别错误则以惩罚的形式负反馈交易偏好判别模型；

根据核实结果动态优化交易偏好判别模型：结合强化学习的核实检索步骤自动进行交易偏好判定结果的核实，根据反馈结果不断优化交易偏好判别模型，形成能够自适应用户行为变化的交易偏好判别模型，进行用户行为偏好的推荐。

2.根据权利要求1所述的交易偏好判别模型自适应方法，其特征在于，在建立交易图数据库的步骤中，交易数据包括反查数据、登录日志数据、交易记录数据、提现记录数据、账户明细数据、注册信息数据、转账明细数据。

3.根据权利要求1所述的交易偏好判别模型自适应方法，其特征在于，在数据预处理步骤中，处理方式如下：

将各类收集到的数据进行一致性转换，消除同一含义不同表达的差异性；

将能关联得出的缺失数据进行缺失填补，维护数据的完整性；

对关联数据中存在的冗余属性进行剔除；

增补能通过计算得出的属性信息。

4.根据权利要求1所述的交易偏好判别模型自适应方法，其特征在于，在所述特征提取步骤中，静态特征包括用户的基本属性信息，交易行为特征包括用户交易过程中的频次、周期性、变化性特征，交易内容特征包括用户交易过程中产生的文本数据中提取的内容特征，图结构特征包括用户交易关系中的相关特征。

5.根据权利要求1所述的交易偏好判别模型自适应方法，其特征在于，所述的交易行为分析模型是通过如下步骤建立的：

步骤一：设定时间窗口t划分数据构造行为特征矩阵，按照如权利要求1中所提取的交易行为特征构造时间窗口长度为t的行为特征矩阵X，X中包括x₁，x₂，…x_t，x_t表示时间t的行为特征向量，x_t中包括x_t1，x_t2，…x_tn，x_tn表示时间t的第n个特征；

步骤二：采用时序规律分析方法来构建模型构建交易行为分析模型并训练；步骤三：根据模型权重矩阵和预测结果判别交易行为偏好。