[发明专利]生成简称、校验电子金融业务合法性的方法及装置

权利要求书

1.一种生成简称的方法，其特征在于，所述方法包括：

根据全称样本和所述全称样本的简称对原始简称模型进行训练，得到已训练的简称模型；

将目标全称的每个字符分别转换为对应的向量，得到目标全称对应的目标向量矩阵；

将所述目标向量矩阵作为入参输入所述已训练的简称模型，经过所述已训练的简称模型输出所述目标全称中每个字符的简称概率值；

根据所述简称概率值确定所述目标全称的简称。

2.根据权利要求1所述的方法，其特征在于，所述根据所述简称概率值确定所述目标全称的简称，包括：

提取所述目标全称中简称概率值满足预设条件的字符，得到所述目标全称的简称。

3.根据权利要求1所述的方法，其特征在于，所述根据全称样本和所述全称样本的简称对原始简称模型进行训练，得到已训练的简称模型，包括：

将所述全称样本的每个字符分别转换为对应的向量，得到所述全称样本对应的向量矩阵样本；

根据所述全称样本的简称对所述全称样本进行序列标注；

将所述全称样本对应的向量矩阵样本作为入参输入所述原始简称模型，经过所述原始简称模型输出所述全称样本中每个字符的简称概率值；

基于所述全称样本中每个字符的简称概率值和所述全称样本的序列标注结果，采用误差反向传播算法调整所述原始简称模型的权重参数；

当调整后的原始简称模型收敛时，确定所述原始简称模型训练完毕，得到已训练的简称模型。

4.根据权利要求3所述的方法，其特征在于，

当对所述原始简称模型的权重参数进行预设次数的迭代调整后，确定所述迭代调整后的原始简称模型收敛。

5.根据权利要求3所述的方法，其特征在于，

当经过调整后的原始简称模型输出的所述全称样本中每个字符的简称概率值与所述全称样本的序列标注结果之间的误差小于预设阈值时，确定所述调整后的原始简称模型收敛。

6.一种校验电子金融业务合法性的方法，其特征在于，所述方法包括：

基于已训练的简称模型，为黑名单中的机构全称生成对应的机构简称；

在接收到电子金融业务请求时，提取指定的业务特征；

若所述业务特征匹配所述黑名单中的机构全称或者匹配对应的机构简称，则确定所述电子金融业务违法。

7.根据权利要求6所述的方法，其特征在于，所述基于已训练的简称模型，为黑名单中的机构全称生成对应的机构简称，包括：

将所述机构全称的每个字符分别转换为对应的向量，得到机构全称对应的机构向量矩阵；

将所述机构向量矩阵作为入参输入所述已训练的简称模型，经过所述已训练的简称模型输出所述机构全称中每个字符的简称概率值；

根据所述简称概率值确定所述机构全称对应的机构简称。

8.根据权利要求7所述的方法，其特征在于，所述根据所述简称概率值确定所述机构全称对应的机构简称，包括：

提取所述机构全称中简称概率值满足预设条件的字符，得到所述机构全称的机构简称。

9.一种生成简称的装置，其特征在于，所述装置包括：

模型训练单元，根据全称样本和所述全称样本的简称对原始简称模型进行训练，得到已训练的简称模型；

向量转换单元，将目标全称的每个字符分别转换为对应的向量，得到目标全称对应的目标向量矩阵；

向量输入单元，将所述目标向量矩阵作为入参输入所述已训练的简称模型，经过所述已训练的简称模型输出所述目标全称中每个字符的简称概率值；

简称确定单元，根据所述简称概率值确定所述目标全称的简称。

10.根据权利要求9所述的装置，其特征在于，

所述简称确定单元，提取所述目标全称中简称概率值满足预设条件的字符，得到所述目标全称的简称。