[发明专利]风险识别模型的训练方法、风险识别方法、装置及设备

权利要求书

1.一种风险识别模型的训练方法，其特征在于，包括：

获取训练样本数据集，所述训练样本数据集包括多个训练样本数据，每个所述训练样本数据标注有风险概率值标签，且每个所述训练样本数据包括下述至少两个维度的数据：以太坊交易数据、智能合约操作码数据以及评论数据；

根据所述训练样本数据集，训练获取风险识别模型，所述风险识别模型用于识别区块链项目数据的风险概率值。

2.根据权利要求1所述的方法，其特征在于，所述风险识别模型包括：至少两个子识别模型以及分类器模型；

所述根据所述训练样本数据集，训练获取风险识别模型，包括：

根据所述训练样本数据集，提取下述至少两个维度的特征向量：交易行为特征向量、智能合约操作码特征向量、评论特征向量；

根据至少两个维度的所述特征向量，训练获取至少两个子识别模型，所述子识别模型用于识别区块链项目数据在对应数据维度上的风险概率值；

根据至少两个所述子识别模型训练获取分类器模型，所述分类器模型用于识别区块链项目数据在至少两个数据维度上的加权风险概率值。

3.根据权利要求2所述的方法，其特征在于，所述获取训练样本数据集，包括：

获取标注有风险概率值标签的初始训练样本数据集；

根据预设方式，划分训练样本数据集和测试样本数据集，所述测试样本数据集包括多个测试样本数据，每个所述测试样本数据包括下述至少两个维度的数据：以太坊交易数据、智能合约操作码数据以及评论数据。

4.根据权利要求3所述的方法，其特征在于，所述根据至少两个所述子识别模型训练获取分类器模型，包括：

根据至少两个所述子识别模型，获取所述测试样本数据集中每个所述测试样本数据在对应数据维度上的风险概率值；

根据所述测试样本数据集中每个所述测试样本数据在对应数据维度上的风险概率值和每个所述测试样本数据标注的风险概率值标签，训练获取所述分类器模型中每个所述子识别模型对应的风险概率权重值。

5.一种风险识别方法，其特征在于，包括：

获取待识别区块链项目数据，所述待识别区块链项目数据包括下述至少两个维度的数据：以太坊交易数据、智能合约操作码数据以及评论数据；

将所述待识别区块链项目数据输入风险识别模型，得到所述待识别区块链项目数据的风险概率值，所述风险识别模型根据训练样本数据集训练获取，所述训练样本数据集包括多个训练样本数据，每个所述训练样本数据标注有风险概率值标签，且每个所述训练样本数据包括下述至少两个维度的数据：以太坊交易数据、智能合约操作码数据以及评论数据。

6.根据权利要求5所述的方法，其特征在于，所述风险识别模型包括：至少两个子识别模型以及分类器模型；

所述将所述待识别区块链项目数据输入风险识别模型，得到所述待识别区块链项目数据的风险概率值，包括：

根据所述待识别区块链项目数据包括的数据维度，将所述待识别区块链项目数据输入至少两个子识别模型，得到所述待识别区块链项目数据在各个数据维度上的风险概率值；

将所述待识别区块链项目数据在各个数据维度的风险概率值输入分类器模型，得到所述待识别区块链项目数据在至少两个数据维度上的加权风险概率值。

7.根据权利要求6所述的方法，其特征在于，所述将所述待识别区块链项目数据输入至少两个子识别模型，包括：

对所述待识别区块链项目数据进行特征提取，得到目标特征向量；

基于所述目标特征向量所属的数据维度，分别将各数据维度下的目标特征向量输入所属数据维度的子识别模型。