[发明专利]识别姓名国籍的方法、系统及判断交易风险的方法、系统

权利要求书

1.一种基于循环神经网络的识别姓名的国籍的方法，其特征在于，所述循环神经网络的输入层为姓名，所述循环神经网络的隐藏层为所述输入层的当前输入和所述隐藏层的前一隐藏层的函数，所述循环神经网络的输出层为所述姓名的国籍；

所述方法包括：

S₁、基于所述循环神经网络建立RNN模型；

S₂、将待识别的第一姓名输入所述RNN模型；

S₃、所述RNN模型输出所述第一姓名的国籍。

2.如权利要求1所述的基于循环神经网络识别姓名的国籍的方法，其特征在于，S₁包括：

S₁₁、获取若干样本及每一样本对应的真实标签，所述样本为姓名，所述真实标签为姓名的真实国籍；

S₁₂、从所述若干样本中抽取部分样本及对应的真实标签用作训练集，剩余的样本及对应的真实标签用作测试集；

S₁₃、基于所述循环神经网络，利用所述训练集训练RNN模型；

S₁₄、利用所述测试集验证S₁₃训练后的RNN模型，得到优化后的RNN模型。

3.如权利要求2所述的基于循环神经网络识别姓名的国籍的方法，其特征在于，所述输入层为所述姓名的编码，所述输出层为所述姓名的国籍的编码；

S₂包括：将所述第一姓名编码，并将所述第一姓名的编码输入所述RNN模型；

S₃包括：所述RNN模型输出所述第一姓名的国籍的编码，通过将所述第一姓名的国籍的编码反编码，得到所述第一姓名的国籍。

4.如权利要求3所述的基于循环神经网络识别姓名的国籍的方法，其特征在于，姓名的编码通过以下步骤获得：

将姓名中的每个字母分别转换为26维的向量，所述向量包括0和1，其中1在所述向量中的位置与所述字母在英文字母表中排序的位置相同，所述向量中的其余位置均为0；

国籍的编码为N维向量，N等于所述训练集中国籍的种数。

5.如权利要求2所述的基于循环神经网络识别姓名的国籍的方法，其特征在于，所述循环神经网络的激活函数是tanh函数；

S_t＝tanh(Ux_t+Ws_t-1)

其中，S_t是当前的隐藏层；x_t是输入层当前的输入；U是输入层的权重系数；s_t-1是当前的隐藏层的前一隐藏层；W是当前的隐藏层的前一隐藏层的权重系数；

${\hat{y}}_t=SOFTMAX\left({\mathrm{Vs}}_t\right)$

其中，是输出层；V是隐藏层s_t到输出层的权重系数。