[发明专利]一种模型训练和业务处理的方法及装置

权利要求书

1.一种模型训练的方法，其特征在于，包括：

获取目标业务对应的历史业务数据；

根据所述历史业务数据中包含的各业务对象以及各业务对象之间的业务关系，构建拓扑图，不同业务对象在所述拓扑图中对应不同的节点；

将所述拓扑图输入到待训练的特征提取模型中，以针对所述拓扑图中的每个节点，通过所述特征提取模型，从位于该节点的预设邻接范围内的其他节点中确定至少部分其他节点作为该节点对应的关联节点，并根据确定出的该节点的每个关联节点在当前对应的特征向量以及该节点的历史特征向量，确定该节点在当前对应的特征向量；

根据所述拓扑图中各节点在当前对应的特征向量，确定针对所述目标业务的预测结果；

以最小化所述目标业务的标注结果与所述预测结果之间的偏差为优化目标，对所述特征提取模型进行模型训练，所述特征提取模型用于对所述目标业务进行业务处理，其中，在迭代训练过程中，确定出在节点的预设邻接范围内未曾被选取为关联节点的其他节点，并提高这些其他节点在所述迭代训练过程中被选取为该节点的关联节点的选取概率。

2.如权利要求1所述的方法，其特征在于，将所述拓扑图输入到待训练的特征提取模型中，以针对所述拓扑图中的每个节点，通过所述特征提取模型，从位于该节点的预设邻接范围内的其他节点中确定至少部分其他节点作为该节点对应的关联节点，具体包括：

将所述拓扑图输入到所述特征提取模型中，以针对该节点对应的每个关联层级，通过所述特征提取模型，从该关联层级包含的其他节点中选取出该关联层级对应的设定数量的其他节点，作为该节点在该关联层级对应的关联节点，该节点对应的第N关联层级所包含的其他节点，是与该节点具有N阶邻接关系的其他节点，N为不小于1的正整数。

3.如权利要求2所述的方法，其特征在于，确定该节点的每个关联节点在当前对应的特征向量，具体包括：

针对该节点对应的第N关联层级所包含的每个关联节点，根据该节点对应的第N+1关联层级所包含的与该关联节点具有一阶邻接关系的其他节点在当前对应的特征向量，以及该关联节点对应的历史特征向量，确定该关联节点在当前对应的特征向量。

4.如权利要求1所述的方法，其特征在于，根据所述拓扑图中各节点在当前对应的特征向量，确定针对所述目标业务的预测结果，具体包括：

针对所述拓扑图中的每个节点，从所述拓扑图中确定与该节点对应的业务对象不同类型的其他节点，作为该节点在所述拓扑图中对应的业务相关节点；

根据该节点在当前对应的特征向量以及所述业务相关节点在当前对应的特征向量，确定针对该节点的预测结果。

5.如权利要求4所述的方法，其特征在于，以最小化所述目标业务的标注结果与所述预测结果之间的偏差为优化目标，对所述特征提取模型进行模型训练，具体包括：

以最小化针对该节点的预测结果与针对该节点的标注结果之间的偏差为优化目标，对所述特征提取模型进行模型训练。

6.一种业务处理的方法，其特征在于，包括：

获取设定业务对象针对目标业务对应的历史业务数据；

根据所述历史业务数据中包含的各业务对象以及各业务对象之间的业务关系，构建拓扑图，不同业务对象在所述拓扑图中对应不同的节点；

将所述拓扑图输入到预设的特征提取模型中，以通过所述特征提取模型，从位于所述设定业务对象对应节点的预设邻接范围内的其他节点中，确定至少部分其他节点作为所述设定业务对象对应节点的关联节点，并根据所述设定业务对象对应节点的每个关联节点对应的特征向量以及所述设定业务对象对应节点的历史特征向量，确定所述设定业务对象对应节点的特征向量，所述特征提取模型是通过如权利要求1～5任一项所述的方法训练得到的；

根据所述设定业务对象对应节点的特征向量，确定所述目标业务中针对所述设定业务对象的预测结果，并根据所述预测结果对所述目标业务进行业务处理。