[发明专利]基于时序数据的行为评价方法、装置及可读存储介质

权利要求书

1.一种基于时序数据的行为评价方法，其特征在于，所述方法包括：

获取预设周期内的历史时序数据集，将所述历史时序数据集按照所述周期的不同时间阶段进行拆分，得到多个历史时序数据子集；

根据所述历史时序数据集构建原始评分模型，并根据多个所述历史时序数据子集，拆分所述原始评分模型，得到多个原始评分子模型；

利用所述历史时序数据子集训练对应的原始评分子模型，得到多个标准评分子模型；

接收当前时序数据，判断所述当前时序数据在所述周期的时间阶段，根据所述时间阶段选择对应的标准评分子模型进行行为评分，得到行为评价结果。

2.如权利要求1所述的基于时序数据的行为评价方法，其特征在于，所述历史时序数据集存储于区块链中，所述将所述历史时序数据集按照所述周期的不同时间阶段进行拆分，得到多个历史时序数据子集，包括：

根据所述周期的长度，将所述周期拆分成不同的时间阶段；

按照不同的所述时间阶段，将所述历史时序数据集进行拆分，并与所述时间阶段进行匹配，得到多个所述历史时序数据子集。

3.如权利要求1所述的基于时序数据的行为评价方法，其特征在于，所述利用所述历史时序数据子集训练对应的原始评分子模型，得到多个标准评分子模型，包括：

步骤A：将所述历史时序数据子集中的数据输入所述原始评分子模型中，训练所述原始评分子模型的模型参数得到训练值；

步骤B：判断所述训练值与预设的训练误差值的大小关系；

步骤C：若所述训练值大于所述训练误差值，返回步骤A；

步骤D：若所述训练值小于或等于所述训练误差值，则完成训练得到所述多个标准评分子模型。

4.如权利要求3所述的基于时序数据的行为评价方法，其特征在于，所述步骤A包括：

将所述历史时序数据子集内的数据转变为原始向量；

根据预构建的拼接向量规则，拼接所述原始向量得到原始时序向量；

根据预构建的标准时序向量、第一权重矩阵及第二权重矩阵，计算所述原始时序向量的原始时序特征向量；

将所述原始时序特征向量输入预构建的激活函数经所述激活函数的计算得到所述训练值。

5.如权利要求4所述的基于时序数据的行为评价方法，其特征在于，所述计算所述原始时序向量的原始时序特征向量，包括：

利用预构建的特征函数采用下述公式计算所述原始时序特征向量：

h^t＝σ(W_fx^t+W_sy^t)

其中，σ表示所述特征函数，W_f表示所述第一权重矩阵，x^t表示所述原始时序向量，W_s表示所述第二权重矩阵，y^t表示所述标准时序向量，h^t表示所述原始时序特征向量。

6.如权利要求1所述的基于时序数据的行为评价方法，其特征在于，所述根据所述时间阶段选择对应的标准评分子模型进行行为评分，得到行为评价结果，包括：

将所述当前时序数据输入所述标准评分子模型获得所述用户行为的评分值；

若所述评分值小于等于预设的阈值，则认为用户行为不可信；

若所述评分值大于预设的阈值，则认为用户行为可信。

7.一种基于时序数据的行为评价装置，其特征在于，所述装置包括：

模型拆分模块，用于获取预设周期内的历史时序数据集，将所述历史时序数据集按照所述周期的不同时间阶段进行拆分，得到多个历史时序数据子集；根据所述历史时序数据集构建原始评分模型，并根据多个所述历史时序数据子集，拆分所述原始评分模型，得到多个原始评分子模型；

模型训练模块，用于利用所述历史时序数据子集训练对应的原始评分子模型，得到多个标准评分子模型；

评价结果获得模块，用于接收当前时序数据，判断所述当前时序数据在所述周期的时间阶段，根据所述时间阶段选择对应的标准评分子模型进行行为评分，得到行为评价结果。