[发明专利]系统资源调整方法、装置及设备

权利要求书

1.一种系统资源调整方法，其特征在于，应用于服务器，所述方法包括：

根据具有用于表征用户风险特征的特征数据的特征类别，将特征数据分为至少三个子视角特征集和一个全视角特征集；

利用至少三个子视角特征集和一个全视角特征集对应构建得到至少四个分类器；

构建至少三个子视角特征集和一个全视角特征集分别对应的几何信息约束以及至少三个子视角特征集和一个全视角特征集对应的多视角协同约束；

利用至少四个分类器分别对至少三个子视角特征集和一个全视角特征集对应的训练样本进行风险预测；

根据至少四个分类器对训练样本的风险预测结果、训练样本对应的风险标签、几何信息约束和多视角协同约束对至少四个分类器进行优化，得到优化后的各分类器，以利用优化后的各分类器对目标用户进行风险预测，以基于风险预测结果对目标用户的系统资源进行调整。

2.如权利要求1所述的方法，其特征在于，利用至少四个分类器分别对至少三个子视角特征集和一个全视角特征集对应的训练样本进行风险预测，包括：

根据子视角特征集和全视角特征集对应的训练样本的风险标签，将至少三个子视角特征集以及一个全视角特征集对应的训练样本划分为第一类样本集和第二类样本集，其中，第一样本集中的样本数据的风险标签为有风险，第二类样本集中的样本数据的风险标签为无风险；

利用至少四个分类器分别对至少三个子视角特征集、一个全视角特征集对应的第一类样本集和第二类样本集中的训练样本进行风险预测。

3.如权利要求1所述的方法，其特征在于，根据具有用于表征用户风险特征的特征数据的特征类别，将特征数据分为至少三个子视角特征集和一个全视角特征集，包括：

将具有用于表征用户风险特征的特征数据中的基础信息特征、产品信息特征、行为信息特征分别添加到三个子视角特征集中，将具有用于表征用户风险特征的基础信息特征、产品信息特征、行为信息特征全部添加到全视角特征集中。

4.如权利要求1所述的方法，其特征在于，根据至少四个分类器对训练样本的风险预测结果、训练样本对应的风险标签、几何信息约束和多视角协同约束对至少四个分类器进行优化，包括：采用下述目标函数对至少四个分类器进行优化：

其中，L表示目标函数，α，β，λ为超参数，是第v个视角特征集对应的分类器的经验损失，为第v个视角特征集对应的分类器的几何信息约束，为第v个视角特征集对应的分类器的正则化项，R_col为多视角协同约束。

5.如权利要求2所述的方法，其特征在于，构建至少三个子视角特征集和一个全视角特征集分别对应的几何信息约束，包括：采用下述公式构建对应的几何信息约束：

其中，代表第v个视角特征集对应的几何信息约束，v＝0、1、2、3，分别对应全视角特征集和三个子视角特征集，N为训练样本的个数，W^v为第v个视角特征集对应的分类器的参数矩阵，为W^v的转置，ω₁为第一类样本集，ω₂为第二类样本集，x^v为第v个视角特征集的训练样本，为第v个视角特征集的第一类样本集中样本数据的均值，为第v个视角特征集的第二类样本集中样本数据的均值。

6.如权利要求1所述的方法，其特征在于，至少三个子视角特征集和一个全视角特征集对应的多视角协同约束采用下述公式构建：

其中，R_col为多视角协同约束，W^v为第v个子视角特征集对应的分类器的参数矩阵，X^v为第v个子视角特征集对应的训练样本集，W⁰为全视角特征集对应的分类器的参数矩阵，X⁰为全视角特征集对应的训练样本集。

7.如权利要求1所述的方法，其特征在于，基于下述判别函数对目标用户进行风险预测：

其中，F(x)表示判别函数，f_i(·)表示第i个分类器的判别函数，x为用于表征目标用户风险特征的特征数据。