CN110688536A - 一种标签预测方法、装置、设备和存储介质 - Google Patents
一种标签预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110688536A CN110688536A CN201910910439.0A CN201910910439A CN110688536A CN 110688536 A CN110688536 A CN 110688536A CN 201910910439 A CN201910910439 A CN 201910910439A CN 110688536 A CN110688536 A CN 110688536A
- Authority
- CN
- China
- Prior art keywords
- label
- sample
- data
- characteristic data
- unknown
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种标签预测方法、装置、设备和存储介质,标签预测方法包括:确定待预测对象的基础特征数据;采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。本发明实施例基于样本数据中对象之间的关系图谱训练得到预测模型,根据待预测对象的基础特征数据采用预测模型对待预测对象的可信度进行预测。由于在训练阶段考虑了样本数据中对象之间的关系,即让模型具备了综合考虑不同对象之间的关系对可信度影响的能力,提高了对待预测对象可信度预测的准确性。
Description
技术领域
本发明实施例涉及信息处理技术领域,尤其涉及一种标签预测方法、装置、设备和存储介质。
背景技术
随着现在社会加强对企业的金融服务工作,完善反欺诈***、降低信贷欺诈风险作为现阶段急需完成的重点工作。
现有的欺诈识别方法大多通过传统的黑名单、专家规则或是有监督的机器学习算法模型。传统的黑名单即是通过人工审核认证的欺诈企业;专家规则即是通过专家制定一些规则,当企业的信息违反相关规则时认定为欺诈企业;有监督的机器学习算法模型则是利用企业的数据特征训练得到的预测模型。
然而,通过传统的黑名单可以确定的企业数量极少,对于人工未审核的企业无法进行判断;对于通过专家规则,局限性太大,并且会带来很大的人为误差;有监督的机器学***衡造成预测结果不准确。
发明内容
本发明实施例提供一种标签预测方法、装置、设备和存储介质,以提高欺诈标签预测的准确度。
第一方面,本发明实施例提供了一种标签预测方法,包括:
确定待预测对象的基础特征数据;
采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
第二方面,本发明实施例还提供了一种标签预测装置,包括:
基础特征数据确定模块,用于确定待预测对象的基础特征数据;
可信度预测模块,用于采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
第三方面,本发明实施例还提供了一种计算机设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的标签预测方法。
第四方面,本发明实施例还提供了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如本发明任一实施例所述的标签预测方法。
本发明实施例基于样本数据中对象之间的关系图谱训练得到预测模型,根据待预测对象的基础特征数据采用预测模型对待预测对象的可信度进行预测。由于在训练阶段考虑了样本数据中对象的邻居特征数据,即让模型具备了综合考虑不同对象之间的关系对可信度影响的能力,提高了对待预测对象可信度预测的准确性,并且依据邻居特征数据训练得到的模型对待预测对象的预测结果,可以改善正负样本分布不均的情况。
附图说明
图1是本发明实施例一中的标签预测方法的流程图;
图2是本发明中的关系图谱关联关系三元组的示意图;
图3是本发明实施例二中的标签预测方法的流程图;
图4是本发明实施例三中的标签预测装置的结构示意图;
图5是本发明实施例四中的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例一中的标签预测方法的流程图,本实施例可适用于可信度判断场景下,对待预测对象的可信度进行预测的情况。该方法可以由标签预测装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在计算机设备中,例如后台服务器等具有通信和计算能力的设备。如图1所示,该方法具体包括:
步骤101、确定待预测对象的基础特征数据。
其中,待预测对象是指需要进行可信度预测的对象,可信度是指对待预测对象的相信程度或待预测对象的诚实度,可以用标签对其进行表示。可选的,待预测对象包括企业或个人,可信度包括对企业或个人的信用度判断,可以为银行办理业务提供参考。基础特征数据是指根据对象的信息提取出的与可信度相关的特征数据,可用于作为判断待预测对象可信度的依据。可选的,包括企业或个人的基本信息,如企业行业、企业注册资金、企业注册地址等。
示例性的,当待预测对象为小微企业时,通过对小微企业的基本信息进行特征提取,包括:企业行业、企业注册资金、企业注册地址等,可用预设特征值代表企业行业、企业注册地址等,如计算机行业用01代表,食品行业用02代表等,以得到小微企业的基础特征数据。
步骤102、采用预设预测模型,根据基础特征数据对待预测对象的可信度进行预测;其中,预设预测模型是根据样本数据和邻居特征数据训练得到,邻居特征数据是根据样本数据中对象之间的关系图谱确定。
其中,预设预测模型是指使用有监督的机器学习算法训练得到用于对待预测对象的可信度进行预测的模型。样本中包括已知标签样本和未知标签样本,以及样本中对象的基础特征数据,已知标签样本是指样本对象中已经标注可信度标签的样本对象,未知标签样本是指样本对象中没有标注可信度标签的样本对象。已知标签样本的可信度标签通过官方途径获取,如银行、公安局等,可信度标签真实可靠。邻居特征数据是指根据与该对象有关系的对象的已知样本数据计算得到,用来表示周围已知样本数据对该对象的影响。
关系图谱是指根据样本数据中对象之间的关系构建的。可选的,依据所述未知标签样本和所述已知标签样本中任意两个对象之间的关联关系,构建关系图谱。示例性的,当构建关系图谱的对象为企业时,首先获取图谱中所有企业的数据信息,根据数据信息构建企业关联关系三元组,三元组中包含三个部分(企业-企业关系-企业),其中企业关系可以是指两个企业之间通过个人、电话号码、网址、注册地址、设备名称、设备ID等构成连接。
例如,若某人是企业A的实控人,同时该个人是企业B的法人,则基于该个人建立企业A和企业B之间的关联关系,同理,两个企业之间可以通过相同的电话号码构成连接关系等。此外根据业务需求对所有关联关系划分类型,并为每种类型的关联关系定义权重值,用于表示该关联关系在企业关系联系时的重要性程度。关系图谱中关联关系三元组的示意图如图2所示,其中,C1和C2表示两个对象,如企业A和企业B;P表示两个对象之间构成连接关系的要素,如个人;r1和r2表示连接关系要素与对象之间的具体关系,如某个人是企业A的实控人,同时是企业B的法人。例如,C1表示企业A,C2表示企业B,P表示张三,r1表示股东,r2表示高管,则关系图谱可以理解为张三是企业A的股东,同时张三也是企业B的高管,企业A和企业B通过张三构成连接关系。
示例性的,根据已知标签的企业的基础特征数据训练得到企业标签预测的模型;通过该模型预测未知标签的企业标签,选取其中预测准确的部分企业,根据企业关系图谱获取该部分企业的邻居特征数据,再基于该部分企业的邻居特征数据以及预测标签训练新的企业标签预测模型;基于新的模型对未知标签企业的预测结果,选取预测准确的部分企业,将该部分企业和已知标签的企业作为新的已知标签样本,基于新的已知标签样本的基础特征数据训练得到对企业标签预测的模型,对于未知标签的企业可采用此预测模型根据该企业的基础特征数据进行预测,得到该企业的预测标签。
本发明实施例基于样本数据中对象之间的关系图谱训练得到预测模型,根据待预测对象的基础特征数据采用预测模型对待预测对象的可信度进行预测。由于在训练阶段考虑了样本数据中对象的邻居特征数据,即让模型具备了综合考虑不同对象之间的关系对可信度影响的能力,提高了对待预测对象可信度预测的准确性,并且依据邻居特征数据训练得到的模型对待预测对象的预测结果,可以改善正负样本分布不均的情况。
实施例二
图3是本发明实施例二中的标签预测方法的流程图,本实施例二在实施例一的基础上进行进一步地优化,能够依据样本数据的邻居特征来训练模型。如图3所示,所述方法包括:
步骤301、根据已知标签样本的基础特征数据和可信度标签,训练得到初始模型。
其中,已知标签样本是指样本中已知明确可信度标签的样本,可信度标签是指对明确可信度标签的样本划分的表示可信度的标识,可选的,可信度标签可以是可信或不可信等文本标签,或者可以用0和1等数值标签。
可选的,所述根据已知标签样本的基础特征数据和可信度标签,训练得到初始模型,包括:
基于从已知标签样本中提取的特征数据进行稳定性筛选;
对筛选后的特征数据进行特征衍生,得到基础特征数据;
根据基础特征数据和所述已知标签样本的可信度标签进行有监督学习,训练得到初始模型。
其中,提取的特征数据是指对获取到的已知标签样本中的所有对象进行特征提取,得到与可信度相关的原始特征数据。示例性的,如企业行业、企业注册资金、企业注册地址等。稳定性筛选是指对提取到的原始特征数据进行筛选,去除稳定性低的特征数据,稳定性低是指对可信度的影响程度不稳定。示例性的,可采用PSI(Population StabilityIndex,群体稳定性指标)对特征数据进行稳定性监控,剔除PSI值大于0.25的特征数据。PSI的计算方法为:PSI=sum((实际占比-预期占比)*ln(实际占比/预期占比)),其中,预期占比表示对测试样本集结果进行分组后,每组在测试样本集结果中所占比重,实际占比表示对新样本集结果按照预期占比中每组的上下界值进行分组后,每组在新样本集结果中所占比重。PSI表示的就是按分数分档后,针对不同样本,或者不同时间的样本,占比分布是否有变化。
示例性的,得到预测模型后,对测试样本集中所有企业对象进行预测,得到每个企业对象的预测标签取值,将所有企业对象的预测标签取值按照从小到大进行排序,并按照排序结果进行分组。由于测试样本集的预测结果相对准确,可以将分组后每组的占比作为预期占比。例如将测试样本集中的所有企业按照预测标签取值范围进行十等分,得到分组之后每组的最大和最小预测的标签取值。例如进行十等分后第一组的最大和最小标签取值分别为0.1和0。接着用预测模型对新的样本集中的企业对象进行预测,得到每个企业对象的预测标签取值,按照上述得到的每组的最大和最小预测的标签取值对新样本的企业对象进行分组,例如预测标签取值为0和0.1之间的企业对象构成第一组分组,并计算分组后每组的在新样本集结果中所占比重,为实际占比。如果模型稳定,那么在新的样本集数据上预测所得标签取值应该与在测试集分布一致,否则说明模型变化。
特征衍生是指用筛选后的特征数据进行特征学***均数等方式。示例性的,可以采用特征衍生工具对特征数据进行特征聚合衍生,得到衍生后的特征数据。
可选的,对衍生后的特征数据进行进一步的特征筛选,得到筛选后的最终基础特征数据。进一步的特征筛选可以包括删除数据缺失严重的特征、数据值接近相同的特征、线性相关的特征等。通过进一步的特征筛选可以去除对可信度预测影响程度小的特征,并且可以去除重复的特征数据,减少特征数据的数量,提高后续模型训练的效率和准确度。
示例性的,得到已知标签的企业样本的原始特征数据后,对特征数据分别进行稳定性筛选、特征衍生和特征筛选操作后获得最终的用于训练的基础特征数据,结合这些企业样本的可信度标签进行有监督的学习,例如采用XGBOOST、逻辑回归、lightGBM机器学习算法,训练得到企业标签预测初始模型。
步骤302、基于初始模型对未知标签样本预测的候选标签,以及未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型。
其中,候选标签是指用初始模型对未知标签样本预测的可信度标签。可选的,候选标签可以是预测得到的标签取值,取值范围在0到1之间,或者候选标签可以是根据预测得到的标签取值划分的两类标签,取值为0或1。
可选的,基于初始模型对未知标签样本预测的候选标签,以及未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型,包括:
利用初始模型对未知标签样本进行标签预测,得到未知标签样本的候选标签;
根据样本数据中对象之间的关系图谱,确定未知标签样本的邻居特征数据;
根据未知标签样本的基础特征数据、候选标签和邻居特征数据,训练得到中间预测模型。
其中,候选标签是指用预测模型对未知标签样本进行预测得到的可信度预测结果。示例性的,利用初始模型对未知标签企业样本进行标签预测,得到未知标签企业样本的候选标签,根据预测结果选取部分企业样本,例如,选取预测标签取值靠近0或1的企业样本;根据企业关系图谱计算选取的部分企业样本的邻居特征数据,其中邻居特征数据可以根据在图谱中与企业直接相连的已知标签企业进行计算;将选取的部分企业样本的基础特征数据、候选标签以及邻居特征数据作为新的特征加入初始模型的训练特征中进行新一轮的训练,得到中间预测模型。
可选的,根据所述未知标签样本中各未知对象之间的关系图谱,确定未知标签样本的邻居特征数据,包括:
根据未知标签样本的候选标签确定候选标签的置信度;
根据候选标签的置信度对未知标签样本进行排序,选取排序结果中置信度数值达到预设阈值的目标对象;
从已知标签样本中,根据关系图谱确定与目标对象具有直接关联关系的候选对象;
根据关系图谱中目标对象与候选对象之间的关系权重,确定目标对象的邻居特征数据。
其中,置信度是指对预测的候选标签的可靠程度,可以根据模型对未知标签样本的候选标签计算。可选的,对企业的候选标签进行预测后,用置信度表示对预测结果的信任程度,例如当候选标签为模型预测的标签取值时,取值范围为0到1之间,0表示企业可信度低,1表示企业可信度高,取值越靠近端点0和1的企业可信度预测的结果越可靠。示例性的,置信度的计算方法如下表示:
其中,yi表示第i个企业的预测候选标签取值。
排序是指按照置信度数值大小将未知标签样本进行排序,获取未知标签样本的排序顺序。预设阈值是指根据置信度排序结果预先设置的表示置信度高的数值,可以根据经验值获取。直接关联关系是指候选对象与目标对象之间只通过一种关联关系进行连接,可以从关系图谱中直接获取到与目标对象直接相连的对象为候选对象。其中,目标对象是指根据预设阈值选取的未知标签样本;候选对象是指在关系图谱中与目标对象直接相连的对象,即两者之间仅通过一种关联关系相连。
示例性的,对未知标签的企业样本进行预测得到候选标签值后,计算得到其对应的置信度取值,依据求取得到的置信度取值,对未知标签的企业样本进行排序,选取置信度大于0.7的企业样本,将这些企业样本的候选标签预测结果认定为预测结果准确的标签,即为已知标签,加入下一步的模型预测中,增加模型训练的样本量,提高模型预测的准确性。企业样本选取后在关系图谱中获取到与这些企业样本直接相连的已知标签企业样本,根据与这些企业样本之间关联关系的权重值计算得到选取的企业样本对象的邻居特征数据,结合新加入的已知标签的企业样本的基础特征数据和其候选标签,以及计算得到的邻居特征数据,使用有监督的机器学习算法训练得到含有邻居特征的中间预测模型,中间预测模型所使用的机器学习算法与初始模型所使用的算法一致。
邻居特征数据可以表示已知标签样本的标签对所求邻居特征数据的样本的影响。示例性的,邻居特征数据可表示为Fi={f1i,f2i},其中,f1i表示在已知标签的正样本中(即已知标签为可信度高的样本),与所求邻居特征数据对应的样本对象有直接关联关系的关系权重之和,与样本对象有直接关联关系的关系权重可以通过关系图谱中获取。f2i表示在已知标签的负样本中(即已知标签为可信度低的样本),与所求邻居特征数据对应的样本对象有直接关联关系的关系权重之和。例如,在关系图谱中,与企业A有直接关联关系的有企业1、企业2、企业3、企业4和企业5,企业A与企业1-5的关系权重分别为w1、w2、w3、w4和w5,其中,企业1和企业2的标签为已知正样本,企业3和企业4的标签为已知负样本,企业5的标签为未知标签,则f1i=w1+w2,f2i=w3+w4。
可选的,基于初始模型对未知标签样本预测的候选标签,以及未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型,包括:
采用上一轮训练得到的中间模型对未知标签样本进行预测,以更新候选标签;
根据更新后的候选标签,更新未知标签样本的邻居特征数据;
根据未知标签样本的基础特征数据、更新后的候选标签和邻居特征数据进行本轮训练,得到本轮迭代训练的中间模型。
可选的,中间模型是通过n轮迭代得到的,对于第h轮迭代,选取置信度排序前h/n*样本总数的样本对象,将选取出的样本对象的候选标签认定为已知标签,并计算每轮选取得到的样本对象的邻居特征数据,将每轮得到的已知标签样本的基础特征数据、所对应的候选标签以及计算得到的邻居特征数据作为本轮训练的输入,最终得到该轮迭代训练的中间模型。通过n轮迭代结束后得到最终的中间模型。其中,迭代次数n的选取可以根据样本量的大小进行预先设定。
步骤303、基于中间模型对未知标签样本预测的样本标签,以及未知标签样本的基础特征数据,训练得到最终的预测模型。
其中,样本标签是采用最终的中间模型对所有未知标签样本进行预测的结果。选取部分预测标签的样本对象,作为新增的已知标签样本对象。结合原始的已知标签样本作为新的特征集,通过机器学***衡正负样本的数量选取预测标签中标签值低的样本对象作为新增的已知可信度低的样本对象。
通过中间模型对未知标签样本进行预测,根据需求选取预测准确度高的样本作为已知标签样本进行训练,平衡已知标签样本中正负样本的分布,提高模型训练的准确性,减少了获取已知标签样本的成本。
可选的,将新增的已知标签样本对象和原始的已知标签样本对象组合为最终已知标签样本对象,将最终已知标签样本对象按照一定的比例分为训练集和测试集,使用训练集进行训练得到模型,采用模型对测试集进行测试,根据结果对模型进行调参,得到最终的预测模型。示例性的,按照8:2的比例划分训练集和测试集。
步骤304、确定待预测对象的基础特征数据。
步骤305、采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测。
本发明实施例通过不断迭代训练的中间模型自动化地增加样本标签,并且中间模型的迭代训练中结合了邻居特征数据,提高了增加的样本标签的准确性,进而利用增加的样本标签进行训练提高了模型预测的准确性,解决了样本标签获取难度大代价高造成的样本标签数据量少的问题。并且通过邻居特征数据不断更新中间模型,使得样本数据之间的关联关系被充分利用,提高了待预测对象可信度预测的准确性,降低了样本标注的成本。
实施例三
图4是本发明实施例三中的标签预测装置的结构示意图,本实施例可适用于对待预测对象的可信度进行预测的情况。如图4所示,该装置包括:
基础特征数据确定模块410,用于确定待预测对象的基础特征数据;
可信度预测模块420,用于采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
本发明实施例基于样本数据中对象之间的关系图谱训练得到预测模型,根据待预测对象的基础特征数据采用预测模型对待预测对象的可信度进行预测。由于在训练阶段考虑了样本数据中对象之间的关系,即让模型具备了综合考虑不同对象之间的关系对可信度影响的能力,提高了对待预测对象可信度预测的准确性。
可选的,所述装置还包括预测模型训练模块,包括:
初始模型训练单元,用于根据已知标签样本的基础特征数据和可信度标签,训练得到初始模型;
中间模型训练单元,用于基于所述初始模型对未知标签样本预测的候选标签,以及所述未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型;
最终预测模型训练单元,用于基于所述中间模型对所述未知标签样本预测的样本标签,以及所述未知标签样本的基础特征数据,训练得到最终的所述预测模型。
可选的,所述初始模型训练单元,具体用于:
基于从所述已知标签样本中提取的特征数据进行稳定性筛选;
对筛选后的特征数据进行特征衍生,得到所述基础特征数据;
根据所述基础特征数据和所述已知标签样本的可信度标签进行有监督学习,训练得到所述初始模型。
可选的,所述中间模型训练单元,包括:
候选标签预测子单元,用于利用所述初始模型对所述未知标签样本进行标签预测,得到所述未知标签样本的候选标签;
邻居特征数据确定子单元,用于根据所述样本数据中对象之间的关系图谱,确定所述未知标签样本的邻居特征数据;
中间预测模型训练子单元,用于根据所述未知标签样本的基础特征数据、所述候选标签和所述邻居特征数据,训练得到中间预测模型。
可选的,所述邻居特征数据确定子单元,具体用于:
根据所述未知标签样本的候选标签确定所述候选标签的置信度;
根据所述候选标签的置信度对所述未知标签样本进行排序,选取所述排序结果中置信度数值达到预设阈值的目标对象;
从所述已知标签样本中,根据所述关系图谱确定与所述目标对象具有直接关联关系的候选对象;
根据所述关系图谱中所述目标对象与所述候选对象之间的关系权重,确定所述目标对象的邻居特征数据。
可选的,所述中间模型训练单元,包括:
候选标签更新子单元,用于采用上一轮训练得到的中间模型对所述未知标签样本进行预测,以更新所述候选标签;
邻居特征数据更新子单元,用于根据更新后的所述候选标签,更新所述未知标签样本的邻居特征数据;
中间模型迭代训练子单元,用于根据所述未知标签样本的基础特征数据、更新后的所述候选标签和所述邻居特征数据进行本轮训练,得到本轮迭代训练的中间模型。
可选的,在所述邻居特征数据确定子单元之前,还包括关系图谱构建子单元,具体用于:
依据所述未知标签样本和所述已知标签样本中任意两个对象之间的关联关系,构建关系图谱。
本发明实施例所提供的标签预测装置可执行本发明任意实施例所提供的标签预测方法,具备执行标签预测方法相应的功能模块和有益效果。
实施例四
图5是本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储装置28,连接不同***组件(包括***存储装置28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储装置28可以包括易失性存储装置形式的计算机***可读介质,例如随机存取存储装置(RAM)30和/或高速缓存存储装置32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储装置28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储装置28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储装置28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的标签预测方法,包括:
确定待预测对象的基础特征数据;
采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
实施例五
本发明实施例五还提供了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如本发明实施例所提供的标签预测方法,包括:
确定待预测对象的基础特征数据;
采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储装置(RAM)、只读存储装置(ROM)、可擦式可编程只读存储装置(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储装置(CD-ROM)、光存储装置件、磁存储装置件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种标签预测方法,其特征在于,包括:
确定待预测对象的基础特征数据;
采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
2.根据权利要求1所述的方法,其特征在于,通过如下操作训练所述预设预测模型,包括:
根据已知标签样本的基础特征数据和可信度标签,训练得到初始模型;
基于所述初始模型对未知标签样本预测的候选标签,以及所述未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型;
基于所述中间模型对所述未知标签样本预测的样本标签,以及所述未知标签样本的基础特征数据,训练得到最终的所述预测模型。
3.根据权利要求2所述的方法,其特征在于,所述根据已知标签样本的基础特征数据和可信度标签,训练得到初始模型,包括:
基于从所述已知标签样本中提取的特征数据进行稳定性筛选;
对筛选后的特征数据进行特征衍生,得到所述基础特征数据;
根据所述基础特征数据和所述已知标签样本的可信度标签进行有监督学习,训练得到所述初始模型。
4.根据权利要求2所述的方法,其特征在于,所述基于所述初始模型对未知标签样本预测的候选标签,以及所述未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型,包括:
利用所述初始模型对所述未知标签样本进行标签预测,得到所述未知标签样本的候选标签;
根据所述样本数据中对象之间的关系图谱,确定所述未知标签样本的邻居特征数据;
根据所述未知标签样本的基础特征数据、所述候选标签和所述邻居特征数据,训练得到中间预测模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述未知标签样本中各未知对象之间的关系图谱,确定所述未知标签样本的邻居特征数据,包括:
根据所述未知标签样本的候选标签确定所述候选标签的置信度;
根据所述候选标签的置信度对所述未知标签样本进行排序,选取排序结果中置信度数值达到预设阈值的目标对象;
从所述已知标签样本中,根据所述关系图谱确定与所述目标对象具有直接关联关系的候选对象;
根据所述关系图谱中所述目标对象与所述候选对象之间的关系权重,确定所述目标对象的邻居特征数据。
6.根据权利要求2所述的方法,其特征在于,所述基于所述初始模型对未知标签样本预测的候选标签,以及所述未知标签样本的基础特征数据和邻居特征数据,训练得到中间模型,包括:
采用上一轮训练得到的中间模型对所述未知标签样本进行预测,以更新所述候选标签;
根据更新后的所述候选标签,更新所述未知标签样本的邻居特征数据;
根据所述未知标签样本的基础特征数据、更新后的所述候选标签和所述邻居特征数据进行本轮训练,得到本轮迭代训练的中间模型。
7.根据权利要求4所述的方法,其特征在于,在所述根据所述样本数据中对象之间的关系图谱,确定所述未知标签样本的邻居特征数据之前,还包括:
依据所述未知标签样本和所述已知标签样本中任意两个对象之间的关联关系,构建关系图谱。
8.一种标签预测装置,其特征在于,包括:
基础特征数据确定模块,用于确定待预测对象的基础特征数据;
可信度预测模块,用于采用预设预测模型,根据所述基础特征数据对所述待预测对象的可信度进行预测;其中,所述预设预测模型是根据样本数据和邻居特征数据训练得到,所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。
9.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的标签预测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的标签预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910439.0A CN110688536A (zh) | 2019-09-25 | 2019-09-25 | 一种标签预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910439.0A CN110688536A (zh) | 2019-09-25 | 2019-09-25 | 一种标签预测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110688536A true CN110688536A (zh) | 2020-01-14 |
Family
ID=69110600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910910439.0A Pending CN110688536A (zh) | 2019-09-25 | 2019-09-25 | 一种标签预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688536A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222981A (zh) * | 2020-01-16 | 2020-06-02 | 中国建设银行股份有限公司 | 可信度确定方法、装置、设备和存储介质 |
CN112232444A (zh) * | 2020-11-23 | 2021-01-15 | ***通信集团江苏有限公司 | 对象的地理位置数据确定方法、装置、设备及存储介质 |
CN112333211A (zh) * | 2021-01-05 | 2021-02-05 | 博智安全科技股份有限公司 | 一种基于机器学习的工控行为检测方法和*** |
CN112328657A (zh) * | 2020-11-03 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 特征衍生方法、装置、计算机设备及介质 |
CN113051406A (zh) * | 2021-03-23 | 2021-06-29 | 龙马智芯(珠海横琴)科技有限公司 | 一种人物属性预测方法、装置、服务器及可读存储介质 |
CN113837394A (zh) * | 2021-09-03 | 2021-12-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 多特征视图数据标签预测方法、***与可读存储介质 |
CN113837394B (zh) * | 2021-09-03 | 2024-07-05 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 多特征视图数据标签预测方法、***与可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299811A (zh) * | 2018-08-20 | 2019-02-01 | 众安在线财产保险股份有限公司 | 一种基于复杂网络的欺诈团伙识别和风险传播预测的方法 |
CN109636061A (zh) * | 2018-12-25 | 2019-04-16 | 深圳市南山区人民医院 | 医保欺诈预测网络的训练方法、装置、设备及存储介质 |
CN109685647A (zh) * | 2018-12-27 | 2019-04-26 | 阳光财产保险股份有限公司 | 信贷欺诈检测方法及其模型的训练方法、装置和服务器 |
CN109978538A (zh) * | 2017-12-28 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 确定欺诈用户、训练模型、识别欺诈风险的方法及装置 |
-
2019
- 2019-09-25 CN CN201910910439.0A patent/CN110688536A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978538A (zh) * | 2017-12-28 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 确定欺诈用户、训练模型、识别欺诈风险的方法及装置 |
CN109299811A (zh) * | 2018-08-20 | 2019-02-01 | 众安在线财产保险股份有限公司 | 一种基于复杂网络的欺诈团伙识别和风险传播预测的方法 |
CN109636061A (zh) * | 2018-12-25 | 2019-04-16 | 深圳市南山区人民医院 | 医保欺诈预测网络的训练方法、装置、设备及存储介质 |
CN109685647A (zh) * | 2018-12-27 | 2019-04-26 | 阳光财产保险股份有限公司 | 信贷欺诈检测方法及其模型的训练方法、装置和服务器 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222981A (zh) * | 2020-01-16 | 2020-06-02 | 中国建设银行股份有限公司 | 可信度确定方法、装置、设备和存储介质 |
CN112328657A (zh) * | 2020-11-03 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 特征衍生方法、装置、计算机设备及介质 |
CN112232444A (zh) * | 2020-11-23 | 2021-01-15 | ***通信集团江苏有限公司 | 对象的地理位置数据确定方法、装置、设备及存储介质 |
CN112232444B (zh) * | 2020-11-23 | 2024-02-27 | ***通信集团江苏有限公司 | 对象的地理位置数据确定方法、装置、设备及存储介质 |
CN112333211A (zh) * | 2021-01-05 | 2021-02-05 | 博智安全科技股份有限公司 | 一种基于机器学习的工控行为检测方法和*** |
CN112333211B (zh) * | 2021-01-05 | 2021-04-23 | 博智安全科技股份有限公司 | 一种基于机器学习的工控行为检测方法和*** |
CN113051406A (zh) * | 2021-03-23 | 2021-06-29 | 龙马智芯(珠海横琴)科技有限公司 | 一种人物属性预测方法、装置、服务器及可读存储介质 |
CN113837394A (zh) * | 2021-09-03 | 2021-12-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 多特征视图数据标签预测方法、***与可读存储介质 |
CN113837394B (zh) * | 2021-09-03 | 2024-07-05 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 多特征视图数据标签预测方法、***与可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992169B (zh) | 一种风险评估方法、装置、服务器及存储介质 | |
US11488055B2 (en) | Training corpus refinement and incremental updating | |
CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
US11295242B2 (en) | Automated data and label creation for supervised machine learning regression testing | |
CN111199474B (zh) | 一种基于双方网络图数据的风险预测方法、装置和电子设备 | |
CN111222976B (zh) | 一种基于双方网络图数据的风险预测方法、装置和电子设备 | |
CN110995459B (zh) | 异常对象识别方法、装置、介质及电子设备 | |
US11074043B2 (en) | Automated script review utilizing crowdsourced inputs | |
US11972382B2 (en) | Root cause identification and analysis | |
CN113177700B (zh) | 一种风险评估方法、***、电子设备及存储介质 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN112818162A (zh) | 图像检索方法、装置、存储介质和电子设备 | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
CN111178687A (zh) | 金融风险分类方法、装置及电子设备 | |
CN112990294A (zh) | 行为判别模型的训练方法、装置、电子设备及存储介质 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN115422028A (zh) | 标签画像体系的可信度评估方法、装置、电子设备及介质 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN111191677A (zh) | 用户特征数据生成方法、装置及电子设备 | |
CN111625555B (zh) | 一种订单匹配方法、装置、设备及存储介质 | |
CN111815435A (zh) | 一种群体风险特征的可视化方法、装置、设备及存储介质 | |
CN111582313A (zh) | 样本数据生成方法、装置及电子设备 | |
CN116245630A (zh) | 一种反欺诈检测方法、装置、电子设备及介质 | |
CN114116688B (zh) | 数据处理与数据质检方法、装置及可读存储介质 | |
CN114493853A (zh) | 信用等级评价方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220914 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |