[发明专利]一种非法集资风险预测模型的训练方法、装置及设备

说明书

本说明书实施例提供了一种非法集资风险预测模型的训练方法、装置及设备，可用于机器学习技术领域。所述方法包括获取与企业集资风险相关的训练数据集；其中，训练数据集中包括有标签样本和无标签样本；计算训练数据集中每个样本的局部密度值和聚类隶属度；根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项；其中，点态流形正则化约束项用于约束每个样本与其近邻样本之间的关系；基于点态流形正则化约束项，确定预设分类器的损失函数；基于训练数据集和所述损失函数对预设分类器进行训练，获得非法集资风险预测模型。利用本说明书实施例可以提高对企业非法集资风险预测的准确性。

技术领域

本申请涉及机器学习技术领域，特别涉及一种非法集资风险预测模型的训练方法、装置及设备。

背景技术

随机科技的不断发展，非法集资严重干扰了正常的经济、金融秩序，使参与者遭受经济损失，甚至生活陷入困境，极易引发社会不稳定和大量社会治安问题，甚至引发局部地区的社会动荡。因此，如何根据大量的企业信息建立预测模型并判断企业是否存在非法集资风险，对监管部门、企业合作伙伴、投资者有重要作用。

现有技术中，利用半监督机器学习方法训练一个预测模型来预测企业是否存在非法集资风险时，主要是基于成对约束的思想保留任意两个样本点之间的平滑性。然而，平滑性在本质上可以是点态的，即平滑性可以发生在“任何地方”，而不仅仅是两点之间，因此利用这种方式训练的预测模型无法达到较好的学习效果，使得对企业非法集资风险预测的准确性较低。

因此，业内亟需一种可以解决上述技术问题的技术方案。

发明内容

本说明书实施例提供了一种非法集资风险预测模型的训练方法、装置及设备，可以提高对企业非法集资风险预测的准确性。

本说明书提供的一种非法集资风险预测模型的训练方法、装置及设备是包括以下方式实现的。

一种非法集资风险预测模型的训练方法，包括：获取与企业集资风险相关的训练数据集；其中，所述训练数据集中包括有标签样本和无标签样本；所述有标签样本的标签根据是否存在非法集资风险确定；计算所述训练数据集中每个样本的局部密度值和聚类隶属度；根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项；其中，所述点态流形正则化约束项用于约束每个样本与其近邻样本之间的关系；基于所述点态流形正则化约束项，确定所述预设分类器的损失函数；基于所述训练数据集和所述损失函数对所述预设分类器进行训练，获得非法集资风险预测模型。

一种非法集资风险预测模型的训练装置，包括：获取模块，用于获取与企业集资风险相关的训练数据集；其中，所述训练数据集中包括有标签样本和无标签样本；所述有标签样本的标签根据是否存在非法集资风险确定；计算模块，用于计算所述训练数据集中每个样本的局部密度值和聚类隶属度；构造模块，用于根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项；其中，所述点态流形正则化约束项用于约束每个样本与其近邻样本之间的关系；确定模块，用于基于所述点态流形正则化约束项，确定所述预设分类器的损失函数；获得模块，用于基于所述训练数据集和所述损失函数对所述预设分类器进行训练，获得非法集资风险预测模型。

一种非法集资风险预测模型的训练设备，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。

一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。