[发明专利]一种生成模型的方法、装置、信息处理的方法及装置

权利要求书

1.一种生成模型的方法，包括：

根据异构信息网络的样本客户的元路径节点序列，生成两个或两个以上图嵌入向量；

输入获得的各图嵌入向量到神经网络模型，将神经网络模型与样本客户的客户特征向量和训练标签进行联合构建，获得用于风险评估的评分模型；

其中，各所述图嵌入向量由：根据用户身份节点和除用户身份节点以外的另一种节点生成的元路径节点序列的集合生成，每个元路径包含两种类型的节点，每个元路径中任意两个类型相同的节点不相邻；所述训练标签根据所述样本客户的客户业务状态获得；

所述方法还包括：

根据业务需求确定用于生成元路径节点序列的除用户身份节点以外的另一种节点，所述另一种节点的类型与所述用户身份节点的类型不同；

获取样本客户的业务信息及行为信息，对样本客户的基本信息、业务信息及行为信息进行特征工程处理，生成样本客户的客户特征变量及客户业务状态，并根据客户业务状态生成训练标签。

2.根据权利要求1所述的方法，其特征在于，所述输入获得的各图嵌入向量到神经网络模型，包括：

将获得的每一个所述图嵌入向量分别通过独立的神经元输入所述神经网络模型。

3.根据权利要求1或2所述的方法，其特征在于，所述生成两个或两个以上图嵌入向量之前，所述方法还包括：

获取所述样本客户的基本信息；

根据获取的所述样本客户的基本信息，确定用于生成元路径节点序列的纲要(Schema)信息；

其中，所述纲要信息包括：用户身份节点及除用户身份节点以外的用于生成所述元路径节点序列的其他节点。

4.一种信息处理的方法，包括：

根据异构信息网络的样本客户的元路径节点序列，生成两个或两个以上图嵌入向量；

输入获得的各图嵌入向量到神经网络模型，将神经网络模型与样本客户的客户特征向量和训练标签进行联合构建，获得评分模型；

根据获得的评分模型对待测客户进行评分；

其中，各所述图嵌入向量由：根据用户身份节点和除用户身份节点以外的另一种节点生成的元路径节点序列的集合生成，每个元路径包含两种类型的节点，每个元路径中任意两个类型相同的节点不相邻；所述训练标签根据所述样本客户的客户业务状态获得；

所述方法还包括：

根据业务需求确定用于生成元路径节点序列的除用户身份节点以外的另一种节点，所述另一种节点的类型与所述用户身份节点的类型不同；

获取样本客户的业务信息及行为信息，对样本客户的基本信息、业务信息及行为信息进行特征工程处理，生成样本客户的客户特征变量及客户业务状态，并根据客户业务状态生成训练标签。

5.一种生成模型的装置，包括：生成向量单元和联合构建单元；其中，

生成向量单元用于：根据异构信息网络的样本客户的元路径节点序列，生成两个或两个以上图嵌入向量；根据业务需求确定用于生成元路径节点序列的除用户身份节点以外的另一种节点，所述另一种节点的类型与所述用户身份节点的类型不同；

联合构建单元用于：输入获得的各图嵌入向量到神经网络模型，将神经网络模型与样本客户的客户特征向量和训练标签进行联合构建，获得用于风险评估的评分模型；获取样本客户的业务信息及行为信息，对样本客户的基本信息、业务信息及行为信息进行特征工程处理，生成样本客户的客户特征变量及客户业务状态，并根据客户业务状态生成训练标签；

其中，各所述图嵌入向量由：根据用户身份节点和除用户身份节点以外的另一种节点生成的元路径节点序列的集合生成，每个元路径包含两种类型的节点，每个元路径中任意两个类型相同的节点不相邻；所述训练标签根据所述样本客户的客户业务状态获得。

6.根据权利要求5所述的装置，其特征在于，所述联合构建单元用于输入获得的各图嵌入向量到神经网络模型，包括：

将获得的每一个所述图嵌入向量分别通过独立的神经元输入所述神经网络模型。