[发明专利]状态识别模型的训练方法、装置、设备及可读存储介质

权利要求书

1.一种状态识别模型的训练方法，包括：

获得主体相关的特征数据，以及与所述主体相关的状态数据；

根据预设的映射关系，确定与所述特征数据相匹配的特定属性值；

基于所述与主体相关的状态数据以及所述特定属性值，确定所述主体的标准化状态指标；

根据所述标准化状态指标训练所述状态识别模型。

2.根据权利要求1所述的方法，所述映射关系至少包括：特征数据与特定属性值之间的对应关系；其中，不同取值范围的特征数据所对应的特征属性值不同。

3.根据权利要求1所述的方法，其中，所述基于所述与主体相关的状态数据以及所述特定属性值，确定所述主体的标准化状态指标包括：

基于所述状态数据和所述特定属性值，确定原始状态指标；

根据不同主体原始状态指标的最大值和最小值，将所述原始状态指标映射到预定取值区间，得到标准化状态指标。

4.根据权利要求1所述的方法，其中，所述特征数据包括基于所述主体在主体关系图中的关联关系所确定的图特征。

5.根据权利要求4任一项所述的方法，其中，所述根据所述标准化状态指标训练所述状态识别模型，包括：

确定所述主体的特征数据的第一向量表示；

将所述第一向量表示由高维稀疏的向量表示转化为低维稠密的第二向量表示；

将所述第二向量表示与所述主体在所述主体关系图中的相邻主体的特征数据的第三向量表示拼接，得到所述主体的特征数据的第四向量表示；

将所述第四向量表示编码为具有预定维度的所述主体的特征数据的第五向量表示，作为所述状态识别模型的训练数据；

以所述标准化状态指标为标签，训练所述状态识别模型。

6.根据权利要求5所述的方法，其中，所述第一向量表示包括独热特征表示，所述将所述第一向量表示由高维稀疏的向量表示转化为低维稠密的第二向量表示包括：

将所述独热特征表示通过嵌入操作转化为第六向量表示；

将所述第六向量表示加权求和得到所述低维稠密的第二向量表示。

7.一种状态识别方法，包括：

获取待识别主体的特征数据；

将所述特征数据输入到如权利要求1～6中任一项所述的状态识别模型，以获取所述待识别主体的标准化状态指标。

8.一种风险识别模型的训练方法，包括：

获取企业的特征数据以及所述企业作为被告的合同诉讼案件的数量，其中，所述特征数据包括营业额；

根据所述营业额与合同数量之间的映射关系，确定所述企业的合同数量；

基于所述合同诉讼案件的数量和所述企业的合同数量，确定所述企业的标准化风险指标；

基于所述企业的特征数据确定训练数据，以所述标准化风险指标为标签，训练风险识别模型。

9.一种状态识别模型训练装置，包括：

第一获取模块，被配置为获得主体相关的特征数据，以及与所述主体相关的状态数据；

第一确定模块，被配置为根据预设的映射关系，确定与所述特征数据相匹配的特定属性值；

第二确定模块，被配置为基于所述与主体相关的状态数据以及所述特定属性值，确定所述主体的标准化状态指标；

训练模块，被配置为根据所述标准化状态指标训练所述状态识别模型。

10.根据权利要求9所述的装置，其中，所述映射关系至少包括：

特征数据与特定属性值之间的对应关系，其中，不同取值范围的特征数据所对应的特征属性值不同。

11.根据权利要求9所述的装置，其中，所述基于所述与主体相关的状态数据以及所述特定属性值，确定所述主体的标准化状态指标包括：

基于所述状态数据和所述特定属性值，确定原始状态指标；

根据不同主体原始状态指标的最大值和最小值，将所述原始状态指标映射到预定取值区间，得到标准化状态指标。