[发明专利]一种识别模型的确定方法和相关装置在审

专利信息
申请号: 202210264304.3 申请日: 2022-03-17
公开(公告)号: CN114528994A 公开(公告)日: 2022-05-24
发明(设计)人: 龙贺兆 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06N3/08 分类号: G06N3/08;G06N20/00;G06Q30/00
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 罗晓敏
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 识别 模型 确定 方法 相关 装置
【权利要求书】:

1.一种识别模型的确定方法,其特征在于,所述方法包括:

根据对象对产品产生的历史交互行为确定样本二部图,所述样本二部图包括图节点和关联关系,所述图节点的节点类型包括标识所述对象的对象节点和标识所述产品的产品节点,所述关联关系用于体现所述对象与所述产品基于所述历史交互行为的关联;

根据所述样本二部图,通过初始编码子模型得到所述图节点的初始节点向量;

根据所述关联关系和所述初始节点向量确定第一损失函数;其中,针对所述样本二部图中的目标图节点,所述第一损失函数用于标识所述目标图节点的初始节点向量与关联节点的初始节点向量的相似度差异,以及所述图节点的初始节点向量与非关联节点的初始节点向量的区别度差异;所述关联节点为所述样本二部图中与所述目标图节点的关联关系满足关联阈值、且与所述目标图节点具有不同节点类型的图节点,所述非关联节点为所述样本二部图中与所述目标图节点的关联关系不满足所述关联阈值、且与所述目标图节点具有不同节点类型的图节点;

通过所述第一损失函数,基于最小化所述相似度差异、最大化所述区别度差异的训练方向对所述初始编码子模型进行无监督训练,得到编码子模型;

根据所述编码子模型确定所述样本二部图中具有样本标签的对象产品对的对向量,所述样本标签用于标识所述对象产品对中的对象和产品间的关联关系是否具有交互风险;

根据所述对向量,通过初始预测子模型确定所述对象产品对的风险预测结果,并基于所述风险预测结果与所述样本标签的差异对所述初始预测子模型进行监督训练,得到预测子模型;

根据所述编码子模型和所述预测子模型,确定用于对待处理交互行为进行交互风险识别的识别模型。

2.根据权利要求1所述的方法,其特征在于,所述根据对象对产品产生的历史交互行为确定样本二部图,包括:

按照固定时长将所述历史交互行为划分为M个子历史交互行为;

确定与所述M个子历史交互行为一一对应的M个样本二部图;

所述根据所述样本二部图,通过初始编码子模型得到所述图节点的初始节点向量,包括:

将所述M个样本二部图分别输入至一一对应的M个初始编码子模型,得到所述M个样本二部图的图节点的初始节点向量;所述根据编码子模型和所述预测子模型,确定用于待处理交互行为进行交互风险识别的识别模型,包括:

根据M个编码子模型和所述预测子模型,确定所述识别模型,所述M个编码子模型是所述M个初始编码子模型分别通过所述无监督训练得到的。

3.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述历史交互行为中的对象标签和产品标签,所述对象标签用于标识所述对象是否异常,所述产品标签用于标识所述产品是否异常;

根据所述对象标签和所述产品标签确定所述对象产品对的样本标签;其中,针对所述对象标签所对应对象和所述产品标签所对应产品构成的目标对象产品对;所述对象标签和所述产品标签均为正常时,所述目标对象产品对的样本标签为不具有交互风险,所述对象标签和所述产品标签均为异常时,所述目标对象产品对的样本标签为具有交互风险。

4.根据权利要求3所述的方法,其特征在于,所述获取所述历史交互行为中的对象标签和所述产品标签,包括:

获取所述历史交互行为中的对象标签;

根据所述对象标签确定所述历史交互行为中被标识为正常的第一对象和被标识为异常的第二对象;

确定所述历史交互行为中所述产品所关联的对象集合;

根据所述对象集合中的所述第一对象和所述第二对象,确定所述产品对应的所述产品标签。

5.根据权利要求1所述的方法,其特征在于,所述根据所述样本二部图,通过初始编码子模型得到所述图节点的初始节点向量,包括:

根据所述样本二部图中对象节点在所述历史交互行为中对应的对象交互参数,确定所述对象节点的对象特征;根据所述样本二部图中产品节点在所述历史交互行为中对应的产品响应参数,确定所述产品节点的产品特征;

根据所述对象特征和所述产品特征,通过所述初始编码子模型得到所述图节点的初始节点向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210264304.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top