[发明专利]业务类型识别方法及装置

说明书

本申请实施例提供一种业务类型识别方法及装置，通过提取业务账号信息对应的账号特征信息、业务调用信息的调用特征信息以及业务对象信息的对象特征信息，然后根据账号特征信息、调用特征信息以及对象特征信息配置对应的训练样本和每个训练样本对应的训练标签，其中训练样本由业务关系网络构成，由此根据训练后的向量机分类器模型对输入的未知识别样本进行分类，获得未知识别样本的预测标签后，与每个预设业务类型的标签特征集合进行匹配，获得与未知识别样本匹配的目标业务类型。如此，通过结合业务实体连接形成的业务关系网络特征，进而提高业务类型的识别效率和识别精度，以便于提高后续的信息推送准确性。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种业务类型识别方法及装置。

背景技术

在业务类型的识别过程中，一些特定风险的业务类型通常是由多个业务实体通过业务关系构建形成的网络。网络中通常会有明确的源节点、入节点、中转节点、出节点等，分别对应业务类型过程中的不同的阶段和角色。通常每一业务实体都有不同的特征，不同特征的业务实体在网络上的组合，形成特定的业务类型。

现有的基于机器学习的业务类型识别模型，通常只考虑了单个业务实体或两业务实体间的特征，并没有考虑业务实体连接形成的业务关系网络特征，导致识别效率和识别精度较低，进而影响后续的信息推送的准确性。

发明内容

基于现有设计的不足，本申请提供一种业务类型识别方法及装置，通过结合业务实体连接形成的业务关系网络特征，进而提高业务类型的识别效率和识别精度，以便于提高后续的信息推送准确性。

根据本申请的第一方面，提供一种业务类型识别方法，应用于服务器，所述方法包括：

获取每个业务实体的业务信息，所述业务信息包括业务账号信息、业务调用信息以及业务对象信息；

分别提取所述业务账号信息对应的账号特征信息、所述业务调用信息的调用特征信息以及所述业务对象信息的对象特征信息，其中，所述账号特征信息、所述调用特征信息以及所述对象特征信息分别为预设业务行为指标下的相应特征信息；

根据所述账号特征信息、所述调用特征信息以及所述对象特征信息配置对应的训练样本和每个训练样本对应的训练标签，其中，所述训练样本由业务关系网络构成；

基于所述训练样本和每个训练样本对应的训练标签训练向量机分类器，并根据训练后的向量机分类器模型对输入的未知识别样本进行分类，获得所述未知识别样本的预测标签；

将所述未知识别样本的预测标签与每个预设业务类型的标签特征集合进行匹配，获得与所述未知识别样本匹配的目标业务类型。

在第一方面的一种可能的实施方式中，所述根据所述账号特征信息、所述调用特征信息以及所述对象特征信息配置对应的训练样本和每个训练样本对应的训练标签的步骤，包括：

从所述每个业务实体的业务信息筛选出每个业务实体之间的业务关系并生成对应的业务关系网络，作为每个业务实体对应的训练样本，所述业务关系网络中的每个节点为业务实体、不同节点之间的边为业务关系；

将所述每个业务实体的所述账号特征信息、所述调用特征信息以及所述对象特征信息与每个预设训练标签的匹配规则进行特征匹配，获得所述每个业务实体对应的训练样本的训练标签。

在第一方面的一种可能的实施方式中，所述根据所述账号特征信息、所述调用特征信息以及所述对象特征信息配置对应的训练样本和每个训练样本对应的训练标签的步骤，还包括：

根据预设筛选规则对所述业务关系网络中满足设定筛选条件的节点和边进行筛选，获得筛选后的业务关系网络。

在第一方面的一种可能的实施方式中，所述基于所述训练样本和每个训练样本对应的训练标签训练向量机分类器的步骤，包括：