[发明专利]数据处理方法、装置、系统及设备

权利要求书

1.一种数据处理方法，包括：

接收服务端针对第一用户的风险识别结果，所述第一用户的风险识别结果为所述服务端基于预先训练的第一风险识别模型对所述第一用户的第一特征数据进行风险识别得到，所述预先训练的第一风险识别模型为所述服务端基于预设第一数量的用户特征数据进行训练得到；

基于所述第一用户的第二特征数据和所述第一用户的风险识别结果，对预设第二风险识别模型进行初始化训练，得到初始化训练后的第二风险识别模型；

基于第二用户的特征数据以及所述第二用户的风险识别结果，对所述初始化训练后的第二风险识别模型进行参数更新处理，得到预先训练的第二风险识别模型，以基于所述预先训练的第二风险识别模型对用户进行风险识别处理。

2.根据权利要求1所述的方法，所述第一用户的风险识别结果包括风险分值，所述基于所述第一用户的特征数据和所述第一用户的风险识别结果，对预设第二风险识别模型进行初始化训练，得到初始化训练后的第二风险识别模型，包括：

基于所述第一用户的第二特征数据、所述第一用户的风险识别结果，以及第一损失函数，对所述预设第二风险识别模型进行初始化训练，得到所述初始化训练后的第二风险识别模型；

所述第二用户的风险识别结果包括风险分类标签，所述基于第二用户的特征数据以及所述第二用户的风险识别结果，对所述初始化训练后的第二风险识别模型进行参数更新处理，得到预先训练的第二风险识别模型，包括：

基于所述第二用户的特征数据、所述第二用户的风险分类标签，以及第二损失函数，对所述初始化训练后的第二风险识别模型进行参数更新处理，得到所述预先训练的第二风险识别模型；

所述第一损失函数为均方误差损失函数，所述第二损失函数为交叉熵损失函数。

3.根据权利要求2所述的方法，所述第二风险识别模型包括特征提取层和全连接层，所述基于所述第二用户的特征数据、所述第二用户的风险分类标签，以及第二损失函数，对所述初始化训练后的第二风险识别模型进行参数更新处理，得到所述预先训练的第二风险识别模型，包括：

基于所述第二用户的数据量和预设数量阈值，确定针对所述特征提取层的第一参数更新幅度，以及针对所述全连接层的第二参数更新幅度，所述第一参数更新幅度小于所述第二参数更新幅度；

基于所述第一参数更新幅度、所述第二参数更新幅度、所述第二用户的特征数据、所述第二用户的风险分类标签，以及第二损失函数，对所述初始化训练后的第二风险识别模型进行参数更新处理，得到所述预先训练的第二风险识别模型。

4.根据权利要求1所述的方法，所述方法还包括：

基于预设数据处理周期，对所述预先训练的第二风险识别模型是否满足预设风险识别需求进行检测处理；

在检测到所述预先训练的第二风险识别模型不满足所述预设风险识别需求的情况下，基于第三用户的特征数据，对所述预先训练的第二风险识别模型进行更新处理。

5.根据权利要求4所述的方法，所述基于第三用户的特征数据以及所述第三用户的风险识别结果，对所述预先训练的第二风险识别模型进行更新处理，包括：

将所述第三用户的特征数据输入所述预先训练的第二风险识别模型，得到所述第三用户的风险识别结果；

在所述预先训练的第二风险识别模型的模型结构发生变化的情况下，将模型结构变化后的第二风险识别模型确定为第三风险识别模型；

基于所述第三用户的特征数据和所述第三用户的风险识别结果，对所述第三风险识别模型进行初始化训练，得到初始化训练后的第三风险识别模型；

基于第四用户的特征数据以及所述第四用户的风险识别结果，对所述初始化训练后的第三风险识别模型进行参数更新处理，得到预先训练的第三风险识别模型，并将所述预先训练的第三风险识别模型，确定为所述预先训练的第二风险识别模型。