[发明专利]一种模型训练的方法、装置、存储介质及电子设备

权利要求书

1.一种模型训练的方法，所述方法包括：

获取样本业务数据；

将所述样本业务数据输入第一模型，获得第一模型输出的对所述样本业务数据的第一风控结果；并，将所述样本业务数据分别输入各第二模型，以通过所述各第二模型确定所述样本业务数据的特征，将所述特征输入适应层，以通过所述适应层确定每个第二模型在所述样本业务数据作为输入的条件下分别对应的权重，并基于所述特征获得每个第二模型输出的对所述样本业务数据的第二风控结果；

利用所述权重对所述第二风控结果进行加权，作为伪标签；

根据所述伪标签以及所述第一风控结果，对所述适应层及所述第一模型进行训练，训练后的第一模型用于对待风控业务数据进行风险判断。

2.如权利要求1所述的方法，根据所述伪标签以及所述第一风控结果，对所述适应层及所述第一模型进行训练，具体包括：

根据所述伪标签以及所述第一风控结果，确定所述伪标签以及所述第一风控结果的差异，作为第一损失；

以最小化所述第一损失为训练目标，调整所述适应层及所述第一模型的参数。

3.如权利要求1所述的方法，根据所述伪标签以及所述第一风控结果，对所述适应层及所述第一模型进行训练，具体包括：

根据所述样本业务数据，确定所述样本业务数据对应的业务的风险类型的真标签；

根据所述真标签、所述伪标签以及所述第一风控结果，对所述适应层及所述第一模型进行训练。

4.如权利要求3所述的方法，根据所述真标签、所述伪标签以及所述第一风控结果，对所述适应层及所述第一模型进行训练，具体包括：

根据所述伪标签以及所述第一风控结果，确定所述伪标签以及所述第一风控结果的差异，作为第一损失；

根据所述真标签以及所述第一风控结果，确定所述真标签以及所述第一风控结果的差异，作为第二损失；

根据所述第一损失及所述第二损失，对所述适应层及所述第一模型进行训练。

5.如权利要求4所述的方法，根据所述第一损失及所述第二损失，对所述适应层及所述第一模型进行训练，具体包括：

根据所述第一损失及所述第二损失，确定结果损失；

以最小化所述结果损失为训练目标，调整所述适应层及所述第一模型的参数。

6.如权利要求1所述的方法，针对每个第二模型，该第二模型包括特征提取层和输出层；

所述特征提取层用于确定输入该第二模型的样本业务数据的特征，并将所述特征输入所述输出层；

所述输出层用于根据输入的样本业务数据的特征，输出对所述样本业务数据的第二风控结果；

所述特征提取层还用于将所述特征输入所述适应层；

所述适应层用于输出该第二模型在所述样本业务数据作为输入的条件下对应的权重。

7.如权利要求1所述的方法，所述方法还包括：

当接收到所述待风控业务数据时，将所述待风控业务数据输入训练后的第一模型；

通过所述训练后的第一模型输出所述待风控业务数据对应的业务的风险类型。

8.一种模型训练的装置，所述装置包括：

样本获取模块，用于获取样本业务数据；

确定模块，用于将所述样本业务数据输入第一模型，获得第一模型输出的对所述业务数据的第一风控结果；并，将所述样本业务数据分别输入各第二模型，以通过所述各第二模型确定所述样本业务数据的特征，将所述特征输入适应层，以通过所述适应层确定每个第二模型在所述样本业务数据作为输入的条件下分别对应的权重，并基于所述特征获得每个第二模型输出的对所述样本业务数据的第二风控结果；

融合模块，用于利用所述权重对所述第二风控结果进行加权，作为伪标签；

模型训练模块，用于根据所述伪标签以及所述第一风控结果，对所述适应层及所述第一模型进行训练，训练后的第一模型用于对待风控业务数据进行风险判断。