[发明专利]模型训练方法、数据类型识别方法和计算机设备

说明书

本说明书实施例提供一种模型训练方法、数据类型识别方法和计算机设备。所述模型训练方法包括：确定迁移变量和互异变量；所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息；所述互异变量用于表征源地区和目标地区历史数据的特有特征信息；基于源地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第一分类模型；基于目标地区的历史数据和所述第一分类模型的训练结果，训练基于所述迁移变量和所述互异变量构建的第二分类模型；所述第二分类模型包括差异约束项；所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种模型训练方法、数据类型识别方法和计算机设备。

背景技术

在实际业务中，经常需要从大量的业务数据中识别出标的业务数据。例如，从大量的交易数据中识别出涉及欺诈等违法内容的交易数据。为此，可以训练分类模型，进而可以使用训练的分类模型从大量的业务数据中识别出标的业务数据。

受限于业务上线时间较短等因素，一些地区历史数据的数量较少。这样，单独基于该地区的历史数据为该地区训练的分类模型，区分能力较低，容易对来自该地区的业务数据的类型造成误识。

发明内容

本说明书实施例的目的是提供一种模型训练方法、数据类型识别方法和计算机设备，以提高训练后的分类模型的区分能力。

为实现上述目的，本说明书实施例提供一种模型训练方法，包括：确定迁移变量和互异变量；所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息；所述互异变量用于表征源地区和目标地区历史数据的特有特征信息；基于源地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第一分类模型；基于目标地区的历史数据和所述第一分类模型的训练结果，训练基于所述迁移变量和所述互异变量构建的第二分类模型；所述第二分类模型包括差异约束项；所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异。

为实现上述目的，本说明书实施例提供一种计算机设备，包括：确定单元，用于确定迁移变量和互异变量；所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息；所述互异变量用于分别表征源地区和目标地区历史数据的特有特征信息；第一训练单元，用于基于源地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第一分类模型；第二训练单元，用于基于目标地区的历史数据和所述第一分类模型的训练结果，训练基于所述迁移变量和所述互异变量构建的第二分类模型；所述第二分类模型包括差异约束项；所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异。

为实现上述目的，本说明书实施例提供一种计算机设备，包括存储器和处理器；所述存储器，用于存储计算机指令；所述处理器，用于执行所述计算机指令实现以下步骤：确定迁移变量和互异变量；所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息；所述互异变量用于分别表征源地区和目标地区历史数据的特有特征信息；基于源地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第一分类模型；基于目标地区的历史数据和所述第一分类模型的训练结果，训练基于所述迁移变量和所述互异变量构建的第二分类模型；所述第二分类模型包括差异约束项；所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异。

为实现上述目的，本说明书实施例提供一种数据类型识别方法，包括：使用为目标地区训练的分类模型，识别来自所述目标地区的业务数据的类型。

为实现上述目的，本说明书实施例提供一种计算机设备，包括：识别单元，用于使用为目标地区训练的分类模型，识别来自所述目标地区的业务数据的类型。

为实现上述目的，本说明书实施例提供一种计算机设备，包括存储器和处理器；所述存储器，用于存储计算机指令；所述处理器，用于执行所述计算机指令实现以下步骤：使用为目标地区训练的分类模型，识别来自所述目标地区的业务数据的类型。