[发明专利]行为预测模型的训练方法、风险行为预测方法和装置

说明书

本说明书实施例描述了行为预测模型的训练方法、风险行为预测方法和装置。根据实施例的方法，可以在训练行为预测模型时获取样本行为事件的类型标识以及样本行为事件所发生的时间信息。然后将样本行为事件在连续的时间域上进行表征，进而根据在连续时间域上表征后的行为事件表征训练行为预测模型，以对行为预测模型输出的类型标识和时间的预测值进行优化。通过将样本行为事件在连续的时间域上表征，实现了行为事件和其所发生的的时间的关联，使得模型能够充分学习到行为事件和其所发生的时间所呈现出的规律和周期性的特征，从而能够提高风险行为预测的准确性。

技术领域

本说明书一个或多个实施例涉及人工智能领域，尤其涉及行为预测模型的训练方法、风险行为预测方法和装置。

背景技术

数据风控主要基于历史行为事件的数据判别当前行为事件的风险。其通过将当前行为事件的信息与风控引擎中记录的历史行为事件的信息作对比，根据异常程度判别当前行为事件的风险高低，是目前工业界使用最广泛的风险防控手段。

然而，用户的行为事件通常会在连续时间域上呈现相应的规律或周期性变动，这导致基于离散时间点上的数据进行的行为预测方法准确性较低。

发明内容

本说明书一个或多个实施例描述了行为预测模型的训练方法、风险行为预测方法和装置，能够提高风险行为预测的准确性。

根据第一方面，提供了行为预测模型的训练方法，包括：

从历史行为数据中获取样本行为事件的类型标识以及样本行为事件所对应的时间信息；其中，每一种类型的样本行为事件对应一个类型标识；

根据所述样本行为事件的类型标识和时间信息，对所述样本行为事件在连续时间域上进行表征，得到行为事件表征；

根据所述行为事件表征训练所述行为预测模型，以对行为预测模型输出的类型标识和时间的预测值进行优化。

在一种可能的实现方式中，所述根据所述样本行为事件的类型标识和时间信息对所述样本行为事件在连续时间域上进行表征得到行为事件表征，包括：

针对每一个样本行为事件，均执行：

将当前样本行为事件的类型标识映射到预设的空间中，得到当前样本行为事件的映射向量；

获取上一个样本行为事件的行为事件表征；其中，当所述当前样本行为事件为第一个样本行为事件时，所述上一个样本行为事件的行为事件表征为0；

根据所述当前样本行为事件的映射向量、当前样本行为事件对应的时间信息、以及所述上一个样本行为事件的行为事件表征，确定所述当前样本行为事件的行为事件表征。

在一种可能的实现方式中，所述根据所述当前样本行为事件的映射向量、当前样本行为事件对应的时间信息、以及所述上一个样本行为事件的行为事件表征确定所述当前样本行为事件的行为事件表征，包括：

利用如下计算式，确定第j个样本行为事件的行为事件表征：

h_j＝max{W_y*y_j+W_t*t_j+W_h*h_j-1+b_h,0}