[发明专利]风险信息确定方法、模型训练方法、设备、程序产品

说明书

本公开提供的风险信息确定方法、模型训练方法、设备、程序产品，包括：获取业务活动的待评估业务数据；待评估业务数据包括多个数据特征，每个数据特征对应于一个特征域；将与同一特征域对应的数据特征输入与特征域对应的编码网络，得到与特征域对应的特征向量；将与特征域对应的特征向量输入注意力层，得到包括各个特征向量之间关系的总向量；将总向量输入确定子模块，利用确定子模块确定与待评估业务数据对应的期望；根据期望确定与待评估业务数据对应的风险信息。本公开提供的方案通过与特征域对应的编码网络，对属于该特征域的数据特征进行处理，得到该特征域的特征向量，进而准确的提取业务活动的特征向量，能够准确的得到风险评估结果。

技术领域

本公开涉及人工智能技术，尤其涉及一种风险信息确定方法、模型训练方法、设备、程序产品。

背景技术

目前，网络购物平台已经发展的越来越成熟，各个网络购物平台也会推出多种优惠活动，以促进商品的成交量。随着优惠活动的增多，催生了基于网络购物平台的黑灰产业。一些用户储备大量的网络购物平台的账号，并利用这些账号参与优惠活动，进行套利。

为了应对网络购物平台的黑灰产业，现有技术中存风险评估技术，通过对用户参与优惠活动的全链路各个环节进行风险评估，是防止黑灰产业的有效手段。风险评估技术又分为基于规则的风险评估方法，以及基于算法模型的风险评估方法。

其中，基于规则的风险评估方法对专家经验的依赖性较强，且规则发布周期长，对黑灰产业的打击相对滞后。而基于算法模型的风险评估方法中，由于参与优惠活动产生的数据不仅特征维度高，且稀疏性强，传统的建模或者神经网络结构，无法有效的学习到这些数据的特性。

发明内容

本公开提供一种风险信息确定方法、模型训练方法、设备、程序产品，以解决现有技术中无法准确的评估业务活动风险的问题。

本公开的第一个方面是提供一种业务活动的风险信息确定方法，包括：

获取与所述业务活动对应的待评估业务数据；所述待评估业务数据包括多个数据特征，每个所述数据特征对应于一个特征域；

将与同一特征域对应的所述数据特征，输入与所述特征域对应的编码网络，得到与所述特征域对应的特征向量；

将与所述特征域对应的特征向量输入注意力层，得到包括各个所述特征向量之间关系的总向量；

将所述总向量输入确定子模块，利用所述确定子模块确定与所述待评估业务数据对应的期望；

根据所述期望确定与所述待评估业务数据对应的风险信息，所述风险信息用于指示所述待评估业务数据的风险程度。

本公开的第二个方面是提供一种用于评估业务活动风险的模型的训练方法，所述模型包括：与每个特征域对应的编码网络、注意力层、确定子模块；

所述方法包括：

获取与所述业务活动对应的多个样本数据；每一所述样本数据包括多个数据特征，每个所述数据特征对应于一个特征域；

将每个样本数据中与同一特征域对应的所述数据特征，输入与所述特征域对应的编码网络，得到与所述特征域对应的特征向量；

将与所述特征域对应的特征向量输入所述注意力层，得到与每个样本数据对应的包括各个所述特征向量之间关系的总向量；

将每个样本数据的所述总向量输入所述确定子模块，利用所述确定子模块确定每个所述样本数据的期望，并根据每一样本数据的期望训练所述模型，得到用于评估业务活动风险的模型。

本公开的第三个方面是提供一种业务活动的风险信息确定装置，包括：

获取模块，用于获取与所述业务活动对应的待评估业务数据；所述待评估业务数据包括多个数据特征，每个所述数据特征对应于一个特征域；