[发明专利]更新事件评估模型的方法及装置

权利要求书

1.一种更新事件评估模型的方法，所述事件评估模型包括宽度部分和深度部分，所述宽度部分的模型参数少于所述深度部分，所述方法包括：

通过收集第一时间周期中的样本事件，获取第一训练样本集，所述样本事件包括第一特征数据、第二特征数据和类别标签，所述第一特征数据至少包括，描述所述样本事件的基本属性特征的可解释性特征数据，第二特征数据包括，与所述样本事件相关联的、经过编码处理的特征数据；

将第一训练样本集中的各个样本事件分别输入所述事件评估模型进行预测处理，并根据第一训练样本集中各个样本的预测结果和对应的类别标签，确定第一预测损失；其中所述预测处理包括，将各个样本事件的第一特征数据输入所述宽度部分，将第二特征数据输入所述深度部分，根据所述宽度部分和深度部分的计算结果，预测该样本事件的类别；

固定所述深度部分，在使得第一预测损失减小的方向更新所述宽度部分；

通过收集第二时间周期中的样本事件，获取第二训练样本集；所述第二时间周期大于第一时间周期；

将第二训练样本集中的各个样本事件分别输入所述事件评估模型进行所述预测处理，并根据第二训练样本集中各个样本的预测结果和对应的类别标签，确定第二预测损失；

固定所述宽度部分，在使得第二预测损失减小的方向更新所述深度部分。

2.根据权利要求1所述的方法，其中，所述样本事件包括以下之一：操作事件、浏览事件、登录事件、交易事件。

3.根据权利要求1或2所述的方法，其中，所述基本属性特征包括以下中的至少一项：事件发生的时间，地点，参与方标识，参与方属性特征，事件基于的设备特征，与事件类型相关的事件特征。

4.根据权利要求1或2所述的方法，其中，所述第一特征数据还包括，对所述基本属性特征的原始数据进行统计而得到的统计数据。

5.根据权利要求1所述的方法，其中，所述宽度部分实现为以下之一：多层感知机，树模型。

6.根据权利要求1所述的方法，其中，

所述第二特征数据包括，所述样本事件的参与方行为序列数据，所述深度部分包括循环神经网络RNN或长短期记忆网络LSTM；和/或，

所述第二特征数据包括，与样本事件相关的二维图表数据，所述深度部分包括卷积神经网络CNN；和/或，

所述第二特征数据包括，与样本事件相关的参与方关系图数据，所述深度部分包括图神经网络GNN；和/或，

所述第二特征数据包括，与样本事件相关的文本描述数据，所述深度部分包括文本卷积网络。

7.根据权利要求1所述的方法，其中，所述事件评估模型还包括全连接层；

所述根据所述宽度部分和深度部分的计算结果，预测该样本事件的类别，包括：利用所述全连接层，对所述宽度部分输出的第一计算结果和深度部分输出的第二计算结果进行融合，根据融合结果，确定针对样本事件类别的预测结果。

8.根据权利要求1所述的方法，其中，所述第一时间周期不大于10天；所述第二时间周期不小于1个月。