[发明专利]更新事件评估模型的方法及装置

说明书

本说明书实施例提供一种事件评估模型的训练方法和装置。该事件评估模型包括宽度部分和深度部分，宽度部分模型参数少，用于处理事件的可解释性特征数据；深度部分模型参数多，用于处理与事件相关联的抽象特征数据。训练方法包括，收集较短时间周期中的样本事件，获取短期样本集；将短期样本集中的样本事件输入事件评估模型，根据预测结果和对应的类别标签，确定短期预测损失，根据该短期预测损失，更新宽度部分。收集较长时间周期中的样本事件，获取长期样本集，将其中各个样本事件输入事件评估模型，根据预测结果和对应的类别标签，确定长期预测损失；并根据该长期预测损失，更新深度部分。

技术领域

本说明书一个或多个实施例涉及机器学习领域，尤其涉及利用机器学习预测业务实体的业务指标的方法和装置。

背景技术

随着计算机技术的发展，机器学习已经应用到各种各样的技术领域，用于分析、预测各种业务数据。在许多场景下，需要对与用户相关的交互事件进行分析和处理。交互事件是互联网事件的基本组成元素之一，例如，用户浏览各种网页中的各种区块，可以视为浏览事件；用户在某些页面上进行一系列操作，包括点击某个区块，键入某些字符，拖拽某些页面元素等等，可以视为操作事件；用户通过各种方式登录一个网站，一个App，或一个邮箱等行为，可以视为登录事件；用户利用电子支付平台将资金转给另一用户，在线支付给电商平台中的商家，或者当面二维码支付给线下商家，这些行为都可以视为交易事件。在许多情况下，希望能够对各种交互事件的安全性进行评估和分析，从而保障互联网平台的安全性。例如，评估和识别出不安全的登录事件，有助于预先发现和阻止黑客攻击，保障登录安全；评估和识别出不安全的交易事件，有助于锁定不安全的交易，例如涉嫌盗卡的交易，涉嫌欺诈的交易等等，保障用户资金安全。

因此，希望能有改进的方案，更为有效地对交互事件的安全性进行分析和评估。

发明内容

本说明书一个或多个实施例描述了一种事件评估模型和更新该事件评估模型的方法和装置，其中采用宽度部分和深度部分相结合来实现事件评估模型，采用短周期和长周期相结合来更新该事件评估模型，从而提高对事件安全性分析的准确性和时效性。

根据第一方面，提供了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。

在不同实施例中，样本事件可以包括以下之一：操作事件、浏览事件、登录事件、交易事件。

在各种实施例中，事件的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。