CN109325525A - 样本属性评估模型训练方法、装置及服务器 - Google Patents

Abstract

本说明书实施例提供了一种样本属性评估方法，首先确定训练样本，该训练样本中仅包括少量已确认属性的黑样本，还有大部分未确认属性的未知样本。基于训练样本对应的关系图，确定每个社区的黑样本浓度，结合社区黑样本浓度以及半监督机器学习算法，即使黑样本数量较少，本实施例中的方法也可以从未知样本中挖掘潜在黑样本，进而确定模型训练所需要的白样本，达到模型训练要求，使得训练出的模型能够准确地对样本是否属于黑样本的属性进行评估。

Description

样本属性评估模型训练方法、装置及服务器

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及一种样本属性评估模型训练方法、装置及服务器。

背景技术

随着互联网的快速发展，越来越多的业务可以通过网络实现，如在线支付、在线购物、线上保险理赔等互联网业务。互联网在给人们生活提供便利的同时，也带来了风险。不法人员可能会进行电子业务欺诈，给其它用户造成损失。对于庞大的业务样本集而言，明确属性为黑的风险黑样本数量较少，大部分是未知属性的样本，由于业务欺诈数据样本具有隐藏性，所以，为了能够提升整体风控能力，亟需设计一种能够基于少量已知黑样本训练得到能够准确对未知样本进行属性评估的方案。

发明内容

本说明书实施例提供及一种样本属性评估方法、装置及服务器。

第一方面，本说明书实施例提供一种样本属性评估方法，包括：确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

第二方面，本说明书实施例提供一种样本属性评估模型训练装置，包括：第一确定单元，用于确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；第二确定单元，用于基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；训练单元，用于基半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

第三方面，本说明书实施例提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述样本属性评估方法的步骤。

第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述样本属性评估方法的步骤。

本说明书实施例有益效果如下：

本说明书实施例中，通过确定训练样本，该训练样本中仅包括少量已确认属性的黑样本，还有大部分未确认属性的未知样本。基于训练样本对应的关系图，确定每个社区的黑样本浓度，结合社区黑样本浓度以及半监督机器学习算法，即使已知黑样本数量较少，本实施例中的方法也可以从未知样本中挖掘潜在黑样本，进而确定模型训练所需要的白样本，达到模型训练要求，使得训练出的模型能够准确地对样本是否属于黑样本的属性进行评估。

附图说明

图1为本说明书实施例样本属性评估应用场景示意图；

图2为本说明书实施例第一方面样本属性评估方法流程图；

图3为本说明书实施例第二方面样本属性评估模型训练装置结构示意图；

图4为本说明书实施例第三方面样本属性评估服务器结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。

请参见图1，为本说明书实施例的样本属性评估应用场景示意图。终端100位于用户侧，与网络侧的服务器200通信。用户可通过终端100中的APP或网站产生实时事件，一些业务数据。服务器200收集各个终端产生的实时事件，即可挑选出训练样本。本说明书实施例可应用于风险样本识别或保险理赔中骗保样本识别等风控场景，也可以应用于二分类的分类场景。

第一方面，本说明书实施例提供一种样本属性评估方法，请参考图2，包括步骤S201-S203。

S201：确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；

S202：基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；

S203：基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

具体的，在本实施例中，首先通过步骤S201确定训练样本，训练样本如前述所示，可以是各个终端侧产生的业务数据，训练样本中包括已经标记好属性的黑样本，还包括未知属性的未知样本。例如：在保险理赔场景中，训练样本为申请理赔的用户的相关数据，其中，确定骗保用户对应的样本为黑样本，保险理赔场景中已定骗保事实的黑样本较少，缺乏大量黑样本标记，从而导致样本属性评估模型精准度大大折扣，如何解决这种场景下的模型训练问题是非常重要工作。本实施例中的方法，可以结合样本的社区属性与半监督机器学习算法，来从大量未知样本中挖掘潜在的黑样本，达到模型训练所需要的黑样本数量，过滤得到信任度较高的白样本，训练时确保了黑样本和白样本的纯度，从而完成模型训练，得到精度较高的样本属性评估模型。

进一步，再通过步骤S201确定与训练样本对应的关系图中每个社区的黑样本浓度。

具体的，在本实施例中，需要预先构建包括训练样本的关系图。具体的，每个训练样本对应一个节点，构建的关系图中可以仅包括训练样本对应的节点，还可以是全网节点对应的关系图。

图的构建过程可以是获取各节点在预定时间段内的历史事件，基于历史事件，按预设构图方法确定关系图，采用预设社区发现算法对关系图中的节点进行社区划分，其中，每个节点对应有该节点所属的社区标签。其中，预设时间段可以预先指定，预设构图方法需要定义以下各个内容：节点的定义，边的定义以及边的权重值的定义。

本实施例也不限制具体的构图规则。不同的场景、不同实现中可以采用不同的构图规则。举例而言，在保险理赔场景中，预设构图方法可以是：以用户为点，若在半年内两个用户有过金融交易(如：转账)，则将两个用户连接起来，边的权重可以是两个用户转账的次数。

具体的，在本实施例中，针对上述构建的关系图上给运行一个或多个预设社区发现算法，这样，每一个点得到一个该节点所属社区的社区标签。预设社区发现方法可以是标签传播算法(LPA，Label Propagation Algorithm)，也可以是快速折叠算法(FU，FastUnfolding)等等，在此，本申请不做限制。

其中，标签传播算法流程简述如下：

Step1：图上的每一个点都以自己点id作为自己的标签；

Step2：每一个点都从自己的邻居那获取各邻居标签；

Step3：每一个点收到来自所有邻居的标签之后，将收到标签中出现最多的作为自己的标签(如果有权图则是权重和最高的那个)。如果出现标签数相同多的标签，则在这些出现最多的标签中任选一个作为自己的标签；

Step4：将每个点上的标签作为自己的社区标签输出。

Step3：重复Step2直到所有点都不发生变化；

Step4：将Step3得到的每一个社区当成点，重复Step2直到所有社区不发生变化；

Step5：将每个点上的标签作为自己的社区标签输出。

在对关系图划分好社区后，即可计算得到每个社区的黑样本浓度，每个社区的黑样本浓度的确定方式包括但不限于以下三种：

第一种：确定每个社区中所有黑样本对应节点在该社区总节点中的第一占比，将所述第一占比作为该社区的黑样本浓度。

第二种：确定每个社区中所有黑样本对应节点在所述关系图中总节点中的第二占比，将所述第一占比作为该社区的黑样本浓度。

第三种：确定每个社区中所有黑样本对应节点在该社区总节点中的第三占比，以及该社区总节点在所述关系图中的总节点中的第四占比，获得所述第三占比与所述第四占比的加权平均值，将所述加权平均值作为该社区的黑样本浓度。

具体的，在本实施例中，采用第一种方式，黑样本浓度可以定义为社区内的黑样本个数除以社区节点总数。例如：社区A内总共包括5个节点，其中，有一个节点是黑样本对应的节点，这样，可计算得到社区A的黑样本浓度为1/5，该社区内所有节点的黑样本浓度均为1/5。

当然，还可以通过整个关系图规模，采用上述第二种方式定义。例如：社区A内总共包括5个节点，其中，有一个节点是黑样本对应的节点，关系图中包括10个节点，这样，可计算得到社区A的黑样本浓度为1/10，该社区内所有节点的黑样本浓度均为1/10。

当然，可以结合社区规模以及黑样本在社区中的占比两个维度来设定，采用上述第三种方式定义。例如：社区A内总共包括5个节点，其中，有一个节点是黑样本对应的节点，关系图中包括10个节点，这样，可计算得到社区A的黑样本浓度为K1*1/5+K2*5/10，其中，K1与K2表示加权系数，可根据实际需要继续进行设定，则该社区内所有节点的黑样本浓度均为0.2K1+0.5k2。在具体实施过程中，黑样本浓度的定义方式可根据实际需要进行设定，在此，本申请不做限制。

在确定好各个样本的黑样本浓度后，通过步骤S202，基于每个社区的黑样本浓度，确定每个未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本。

本实施例的方法，在从未知样本中挖掘潜在黑样本时，结合社区属性，即使小部分未知样本在当前时刻没有体现出来黑样本真实特征，结合社区特性，进行深度挖掘，可以真实的扩大黑样本比例，达到模型训练要求。具体的，在本实施例中，针对训练样本中的每个未知样本，可以根据该样本的黑样本浓度确定该样本的白样本抽样概率。比如：如果未知样本1位于社区A，该社区A的黑样本浓度为1/5，所以，未知样本1的黑样本浓度为1/5，未知样本1的白样本抽样概率P1＝1-1/5＝4/5。进一步，在初始的第一次训练时，可以将每个未知样本的白样本抽样概率设定为固定值。比如：有100个未知样本，在第一次训练时可将每个未知样本的白样本抽样概率设定为1/100。在后续的多轮训练中再结合未知样本的黑样本浓度确定该未知样本的白样本抽样概率。

这样，在确定好各个未知样本的白样本抽样概率后，可以对未知样本按各自的白样本抽样概率进行白样本抽样，确定抽取到的白样本，然后，通过步骤S203结合已经标记属性的黑样本，基于半监督机器学习算法对黑样本与白样本进行训练，获得样本属性评估模型。具体实现可包括如下步骤：

基于半监督机器学习算法对黑样本与白样本进行训练，获得样本属性评估模型；

判断样本属性评估模型是否满足预设收敛条件；

如果否，更新每个社区的黑样本浓度，基于更新后的每个社区的黑样本浓度与半监督机器学习算法继续训练，直至训练得到的样本属性评估模型满足预设收敛条件，将满足预设收敛条件的样本属性评估模型作为目标样本属性评估模型。

本实施例中，采用半监督机器学习算法包括半监督(Positive and UnlabeledLearning，正样本和无标记学习)机器学习算法，它是一种半监督学习的机器学习算法，是指用于训练机器学习模型的训练样本中，仅部分训练样本是有标记样本，而其余的训练样本为无标记样本，利用无标记样本来辅助有标记样本的学习过程。应用于建模一方收集到的训练样本中只有少量有标记的黑样本，其余的样本均为无标记的未知样本，针对有标记的正样本和无标记样本的机器学习过程。

在构建好黑样本和白样本后，可以基于半监督机器学习算法对这些训练样本进行训练，来构建样本属性评估模型。对于半监督机器学习算法而言，通常可以包含多种机器学习策略。例如：半监督机器学习算法包含典型的机器学习策略，包括两阶段法(two-stagestrategy)和代价敏感法(cost-sensitive strategy)两类。所谓两阶段法，算法首先基于已知的正样本和无标记样本，在无标记样本中挖掘发现潜在的可靠负样本，然后基于已知的正样本和挖掘出来的可靠负样本，将问题转化为传统的有监督的机器学习的过程，来训练分类模型。

而对于代价敏感的策略而言，算法假设无标记样本中正样本的比例极低，通过直接将无标记样本看作负样本对待，为正样本设置一个相对于负样本更高的代价敏感权重。例如，通常会在基于代价敏感的半监督机器学习算法的目标方程中，为与正样本对应的损失函数，设置一个更高的代价敏感权重。通过给正样本设置更高的代价敏感权重，使得最终训练出的分类模型分错一个正样本的代价远远大于分错一个负样本的代价，如此一来，可以直接通过利用正样本和无标记样本(当作负样本)学习一个代价敏感的分类器，来对未知的样本进行分类。在本实施例中，既可以基于代价敏感的半监督机器学习算法对上述训练样本进行训练，也可以采用两阶段法对上述训练样本进行训练。在具体实施过程中，可根据需要进行设定，在此，本申请不做限制。

在本实施例中主要以两阶段的半监督机器学习算法进行详细介绍。以保险理赔场景为例，假设上述训练样本集中的黑样本被标记为1，表示该样本为已知的骗保的保险数据，白样本标记为0，表示该训练样本对应保险数据是正常的。在对黑样本和基于白样本抽样概率抽样出的白样本进行二分类模型训练后，得到样本属性评估模型，然后再采用该样本属性评估模型对未知样本进行评估，得到每个未知样本被标记为黑样本的黑样本评分，该黑样本评分为一个范围在0～1的数值，表明未知样本属于黑样本的概率。当然，还可以以其他方式定义黑样本白样本以及对应的黑样本评分，在此，本申请不做限制。

按照这样的方式对训练样本进行多轮训练，每轮训练后得到对应的样本属性评估模型，需要判断该样本属性评估模型是否满足预设收敛条件，如果模型收敛，则将该轮训练得到的样本属性评估模型作为最终的目标样本属性评估模型。如果模型还没有收敛，则更新每个未知样本的黑样本浓度后继续按照前述方式进行训练，直至训练得到的模型达到收敛条件。

在本实施例中，判断模型是否收敛可以通过如下步骤实现：

基于样本属性评估模型对每个未知样本进行评估，获得每个未知样本的本轮属性评估结果，共计获得M个本轮属性评估结果，M为未知样本的个数；

基于M个本轮属性评估结果与M个上一轮属性评估结果，判断样本属性评估模型是否满足预设收敛条件。

其中，基于样本属性评估模型对每个未知样本进行评估，获得每个未知样本的本轮属性评估结果，包括：

基于样本属性评估模型对每个未知样本进行评估，获得每个未知样本的黑样本评分，如果黑样本评分值大于预设分值，将该未知样本的属性信息标记为黑样本，其中，每个未知样本的本轮属性评估结果中包括该未知样本的属性信息。

具体的，在本实施例中，在每轮训练得到该轮训练对应的样本属性评估模型，利用该模型对每个未知样本的黑样本评分，可以根据评分对该未知样本进行标记。具体的，如果黑样本评分值大于预设分值，将该未知样本的属性信息标记为黑样本。举例来说，预设分值设定为0.8，未知样本1的黑样本评分为0.9，将该未知样本1的属性信息标记为黑样本。未知样本2的黑样本评分为0.4，将该未知样本2的属性信息保持不变，还是未知属性样本。通过这样的方式，可以确定出每个未知样本在该轮训练中的属性评估结果，该评估结果中可包括该未知样本在本轮训练中的黑样本评分和属性信息。未知样本个数为M，则得到M个本轮属性评估结果。

进而，还可获得未知样本在上一轮训练对应的属性评估结果，即M个上一轮属性评估结果。通过M个本轮属性评估结果与M个上一轮属性评估结果，即可判断样本属性评估模型是否满足预设收敛条件，具体可通过如下步骤实现：

判断每个未知样本的本轮属性评估结果中的属性信息与该未知样本的上一轮属性评估结果中的属性信息是否一致，如果是，表明本轮样本属性评估模型满足预设收敛条件。

具体的，在本实施例中，通过M个上一轮属性评估结果中每个评估结果中的属性信息，确定在上一轮训练中被标记为黑样本包括哪些未知样本，以及通过M个本轮属性评估结果中每个评估结果中的属性信息，确定在本轮训练中被标记为黑样本包括哪些未知样本。如果上一轮被标记为黑样本的未知样本与本轮被标记为黑样本的未知样本一致，表明每个未知样本的标记已经没有变化，模型达到收敛。举例而言，上一轮中训练中未知样本中的黑样本包括未知样本1、未知样本2、未知样本5、未知样本10。本轮训练中的黑样本也包括未知样本1、未知样本2、未知样本5、未知样本10，表明未知样本没有变化，本轮训练出的样本属性评估模型已达到收敛。将该轮训练得到的样本属性评估模型作为目标样本属性评估模型。

进一步，判定模型是否达到收敛的预设收敛条件可以根据实际需要进行设定，上述示例只是具体实现的一种示例，并不对本申请构成限定。例如：还可以设定为如果上一轮被标记为黑样本的未知样本与本轮被标记为黑样本的未知样本一致的未知样本数量占比达到预设占比，表明每个未知样本的标记已经没有变化，模型达到收敛。

进一步，如果确定本轮训练得到的样本属性评估模型不满足预设收敛条件，则表明模型还没有收敛，需要进行下一轮训练。在进行下一轮训练之前，由于标记的黑样本相对于上一轮训练发生了变化，所以，需要根据标记的黑样本对社区的黑样本浓度进行更新，进而对每个未知样本的黑样本浓度进行更新，具体实现可包括如下步骤：

基于M个本轮属性评估结果与M个上一轮属性评估结果，确定属性信息发生变化的未知样本；重新计算与属性信息发生变化的未知样本对应的社区的黑样本浓度。

具体的，在本实施例中，基于本轮训练对应的每个未知样本的属性评估结果与上一轮训练对应的每个未知样本的属性评估结果，可以定位出哪些未知样本的属性信息发生变化，该变化可以是由黑样本属性变更为未知属性，还可以是由未知属性变更为黑样本属性。进而定位到产生属性变化的未知样本所在社区，重新计算该社区的黑样本浓度，根据该社区更新后的黑样本浓度，更新该社区对应节点的白样本抽样概率。举例来说，社区A包括未知样本1、未知样本2、黑样本1对应的节点。上一轮训练中社区A中的所有节点属性均为发生改变，社区A中每个节点对应的黑样本浓度为1/3。此轮训练中将未知样本1标记为黑样本，其余节点属性未发生变化，将社区A中每个节点对应的黑样本浓度更新为2/3。这样，未知样本1、未知样本2对应的白样本抽样概率均为1/3。

按照这样的方式，可以更新未知节点的白样本抽样概率，然后重复执行前述按各个节点的白样本抽样概率的白样本抽样得到白样本，结合抽样得到的白样本与已知黑样本，基于半监督机器学习算法进行下一轮的样本属性评估模型的训练，直至训练得到的样本属性评估模型达到上述预设收敛条件。

进而，通过前述方式训练得到目标样本属性评估模型，可用该模型对新进样本进行样本属性评估，确定新进样本的评估结果，其中，评估结果中包括该新进样的黑样本评分和/或属性信息。具体的，本实施例中采用已知黑样本和筛选出潜在黑样本后的剩余的信任度较高的白样本进行模型训练，得到的目标样本属性评估模型的评估精度较高，可以对新进样本进行样本属性评估，评估结果可以包括前述的黑样本评分，表明该新进样本属于黑样本的概率。评估结果也可以包括该新进样本的属性信息，例如：该新进样本的黑样本评分为0.9，大于预设分值0.8，确定该新进样本的属性信息为黑样本。通过该评估结果，相关人员即可及时获知该新进样本的属性，及时进行风险调控。

进一步，在本实施例中，由于节点间的关系会随着时间发生变化，所以，可以按照预设时间间隔对前述实施例中的关系图进行更新，对更新后的关系图重新进行社区划分，得到对应社区的黑样本浓度，重新进行样本属性评估模型的训练，以使得模型能够按预设时间间隔更新。

本实施例中的方法可以应用于保险理赔场景，训练样本为申请理赔人员的保险数据，黑样本为已知的骗保人员的保险数据，通过前述方式获得骗保评估模型，新进的申请理赔人员的相关保险数据输入该骗保评估模型后即可得到该新进的申请理赔人员属于骗保人员的评估得分或是否为骗保的属性。这样，保险公司相关人员就可以根据这样的评估结果对疑似骗保人员进行后续相关审查，避免了不必要的财产损失。

第二方面，基于同一发明构思，本说明书实施例提供一种样本属性评估模型训练装置，请参考图3，包括：

第一确定单元301，用于确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；

第二确定单元302，用于基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；

训练单元303，用于基半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

在一种可选实现方式中，所述训练单元303具体用于：

基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得样本属性评估模型；

判断所述样本属性评估模型是否满足预设收敛条件；

如果否，更新所述每个社区的黑样本浓度，基于更新后的每个社区的黑样本浓度与所述半监督机器学习算法继续训练，直至训练得到的样本属性评估模型满足所述预设收敛条件，将满足所述预设收敛条件的样本属性评估模型作为目标样本属性评估模型。

在一种可选实现方式中，所述训练单元303具体用于：

基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的本轮属性评估结果，共计获得M个本轮属性评估结果，M为未知样本的个数；

基于所述M个本轮属性评估结果与M个上一轮属性评估结果，判断所述样本属性评估模型是否满足预设收敛条件。

在一种可选实现方式中，所述训练单元303具体用于：

基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的黑样本评分，如果黑样本评分值大于预设分值，将该未知样本的属性信息标记为黑样本，其中，每个所述未知样本的本轮属性评估结果中包括该未知样本的属性信息。

在一种可选实现方式中，所述训练单元303具体用于：

判断每个未知样本的本轮属性评估结果中的属性信息与该未知样本的上一轮属性评估结果中的属性信息是否一致，如果是，表明所述本轮样本属性评估模型满足所述预设收敛条件。

在一种可选实现方式中，所述训练单元303具体用于：

基于所述M个本轮属性评估结果与M个上一轮属性评估结果，确定属性信息发生变化的未知样本；

重新计算与所述属性信息发生变化的未知样本对应的社区的黑样本浓度。

在一种可选实现方式中，所述装置还包括评估单元，所述评估单元具体用于：

在所述将满足所述预设收敛条件的样本属性评估模型作为目标样本属性评估模型之后，根据目标样本属性评估模型，对新进样本进行评估，确定所述新进样本的评估结果，其中，所述评估结果中包括该新进样的黑样本评分和/或属性信息。

在一种可选实现方式中，所述训练样本为申请理赔人员对应的保险数据，所述黑样本为骗保人员对应保险数据。

在一种可选实现方式中，所述第一确定单元具体用于：

确定每个社区中所有黑样本对应节点在该社区总节点中的第一占比，将所述第一占比作为该社区的黑样本浓度；或

确定每个社区中所有黑样本对应节点在所述关系图中总节点中的第二占比，将所述第一占比作为该社区的黑样本浓度；或

确定每个社区中所有黑样本对应节点在该社区总节点中的第三占比，以及该社区总节点在所述关系图中的总节点中的第四占比，获得所述第三占比与所述第四占比的加权平均值，将所述加权平均值作为该社区的黑样本浓度。

第三方面，基于与前述实施例中样本属性评估方法同样的发明构思，本发明还提供一种服务器，如图4所示，包括存储器404、处理器402及存储在存储器404上并可在处理器402上运行的计算机程序，所述处理器402执行所述程序时实现前文所述样本属性评估方法的任一方法的步骤。

其中，在图4中，总线架构(用总线400来代表)，总线400可以包括任意数量的互联的总线和桥，总线400将包括由处理器402代表的一个或多个处理器和存储器404代表的存储器的各种电路链接在一起。总线400还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口406在总线400和接收器401和发送器403之间提供接口。接收器401和发送器403可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器402负责管理总线400和通常的处理，而存储器404可以被用于存储处理器402在执行操作时所使用的数据。

第四方面，基于与前述实施例中样本属性评估的发明构思，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文所述样本属性评估的方法的任一方法的步骤。

本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本说明书的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。

显然，本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样，倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内，则本说明书也意图包含这些改动和变型在内。

Claims (19)

1.一种样本属性模型训练方法，包括：

确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；

基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；

基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

2.根据权利要求1所述的方法，所述确定与训练样本对应的关系图中每个社区的黑样本浓度，包括：

确定每个社区中所有黑样本对应节点在该社区总节点中的第一占比，将所述第一占比作为该社区的黑样本浓度；或

确定每个社区中所有黑样本对应节点在所述关系图中总节点中的第二占比，将所述第一占比作为该社区的黑样本浓度；或

确定每个社区中所有黑样本对应节点在该社区总节点中的第三占比，以及该社区总节点在所述关系图中的总节点中的第四占比，获得所述第三占比与所述第四占比的加权平均值，将所述加权平均值作为该社区的黑样本浓度。

3.根据权利要求1所述的方法，所述基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型，包括：

基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得样本属性评估模型；

判断所述样本属性评估模型是否满足预设收敛条件；

如果否，更新所述每个社区的黑样本浓度，基于更新后的每个社区的黑样本浓度与所述半监督机器学习算法继续训练，直至训练得到的样本属性评估模型满足所述预设收敛条件，将满足所述预设收敛条件的样本属性评估模型作为目标样本属性评估模型。

4.根据权利要求3所述的方法，所述判断所述样本属性评估模型是否满足预设收敛条件，包括：

基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的本轮属性评估结果，共计获得M个本轮属性评估结果，M为未知样本的个数；

基于所述M个本轮属性评估结果与M个上一轮属性评估结果，判断所述样本属性评估模型是否满足预设收敛条件。

5.根据权利要求4所述的方法，所述基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的本轮属性评估结果，包括：

基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的黑样本评分，如果黑样本评分值大于预设分值，将该未知样本的属性信息标记为黑样本，其中，每个所述未知样本的本轮属性评估结果中包括该未知样本的属性信息。

6.根据权利要求5所述的方法，所述基于所述M个本轮属性评估结果与M个上一轮属性评估结果，判断所述样本属性评估模型是否满足预设收敛条件，包括：

判断每个未知样本的本轮属性评估结果中的属性信息与该未知样本的上一轮属性评估结果中的属性信息是否一致，如果是，表明所述本轮样本属性评估模型满足所述预设收敛条件。

7.根据权利要求5所述的方法，所述更新所述每个社区的黑样本浓度，包括：

基于所述M个本轮属性评估结果与M个上一轮属性评估结果，确定属性信息发生变化的未知样本；

重新计算与所述属性信息发生变化的未知样本对应的社区的黑样本浓度。

8.根据权利要求1-7中任一权利要求所述的方法，所述训练样本为申请理赔人员对应的保险数据，所述黑样本为骗保人员对应保险数据。

9.一种样本属性评估方法，包括：

根据权利要求1-7中任一权利要求所述的方法训练得到的目标样本属性评估模型，对新进样本进行评估，确定所述新进样本的评估结果，其中，所述评估结果中包括所述新进样本的黑样本评分和/或属性信息。

10.一种样本属性评估模型训练装置，包括：

第一确定单元，用于确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；

第二确定单元，用于基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；

训练单元，用于基半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

11.根据权利要求10所述的装置，所述第一确定单元具体用于：

确定每个社区中所有黑样本对应节点在该社区总节点中的第一占比，将所述第一占比作为该社区的黑样本浓度；或

确定每个社区中所有黑样本对应节点在所述关系图中总节点中的第二占比，将所述第一占比作为该社区的黑样本浓度；或

确定每个社区中所有黑样本对应节点在该社区总节点中的第三占比，以及该社区总节点在所述关系图中的总节点中的第四占比，获得所述第三占比与所述第四占比的加权平均值，将所述加权平均值作为该社区的黑样本浓度。

12.根据权利要求10所述的装置，所述训练单元具体用于：

基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得样本属性评估模型；

判断所述样本属性评估模型是否满足预设收敛条件；

如果否，更新所述每个社区的黑样本浓度，基于更新后的每个社区的黑样本浓度与所述半监督机器学习算法继续训练，直至训练得到的样本属性评估模型满足所述预设收敛条件，将满足所述预设收敛条件的样本属性评估模型作为目标样本属性评估模型。

13.根据权利要求12所述的装置，所述训练单元具体用于：

基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的本轮属性评估结果，共计获得M个本轮属性评估结果，M为未知样本的个数；

基于所述M个本轮属性评估结果与M个上一轮属性评估结果，判断所述样本属性评估模型是否满足预设收敛条件。

14.根据权利要求13所述的装置，所述训练单元具体用于：

基于所述样本属性评估模型对每个所述未知样本进行评估，获得每个所述未知样本的黑样本评分，如果黑样本评分值大于预设分值，将该未知样本的属性信息标记为黑样本，其中，每个所述未知样本的本轮属性评估结果中包括该未知样本的属性信息。

15.根据权利要求14所述的装置，所述训练单元具体用于：

判断每个未知样本的本轮属性评估结果中的属性信息与该未知样本的上一轮属性评估结果中的属性信息是否一致，如果是，表明所述本轮样本属性评估模型满足所述预设收敛条件。

16.根据权利要求14所述的装置，所述训练单元具体用于：

基于所述M个本轮属性评估结果与M个上一轮属性评估结果，确定属性信息发生变化的未知样本；

重新计算与所述属性信息发生变化的未知样本对应的社区的黑样本浓度。

17.一种样本属性评估装置，包括：

评估单元，用于根据权利要求10-16中任一权利要求所述的装置训练得到的目标样本属性评估模型，对新进样本进行评估，确定所述新进样本的评估结果，其中，所述评估结果中包括所述新进样本的黑样本评分和/或属性信息。

18.一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-9任一项所述方法的步骤。

19.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-9任一项所述方法的步骤。