[发明专利]异常账户的分类方法、装置、电子设备及存储介质

权利要求书

1.一种异常账户的分类方法，包括：

获取待检测的M个账户数据，所述账户数据包括用于表征账户交易特征的数据；

将所述M个账户数据输入训练好的目标分类模型，输出与所述M个账户数据相匹配的M个分类结果，所述分类结果用于表征所述账户数据是否异常以及异常类型；

其中，所述目标分类模型是利用N个样本数据和所述N个样本数据的标签经T轮训练得到的，所述N个样本数据包括无标签的所述M个账户数据和(N-M)个有标签数据，所述N个样本数据的标签包括所述(N-M)个有标签数据的标准标签和所述M个账户数据的软标签，所述软标签是利用所述标准标签经T轮优化得到的，所述标准标签包括C个异常类型，T≥1，C≥1，N≥M≥1。

2.根据权利要求1所述的方法，其中，确定所述目标分类模型的过程包括：

根据所述N个样本数据和所述N个样本数据的标签，对初始分类模型进行T轮训练，将第T轮训练得到的第T分类模型作为所述目标分类模型；

其中，在每轮训练过程中，利用所述(N-M)个有标签数据的标准标签更新所述M个账户数据的软标签，所述软标签包括所述账户数据属于所述C个异常类型的概率。

3.根据权利要求2所述的方法，其中，根据所述N个样本数据和所述N个样本数据的标签，对初始分类模型进行T轮训练，将第T轮训练得到的第T分类模型作为所述目标分类模型，包括：

针对第t轮训练，2≤t≤T，获取第(t-1)轮训练过程中得到的第(t-1)分类模型、与所述M个账户数据对应的M个第(t-1)邻居数据集，其中，每个所述第(t-1)邻居数据集包括与所述账户数据最相似的K个第(t-1)有标签数据，K≥1；

将所述M个账户数据和所述(N-M)个有标签数据输入所述第(t-1)分类模型，输出第t₁预测结果数据集，所述第t₁预测结果数据集包括所述M个账户数据在第t轮第1次训练得到的M个预测结果、以及所述(N-M)个有标签数据在第t轮第1次训练得到的(N-M)个预测结果；

根据与每个账户数据对应的所述第(t-1)邻居数据集，计算与所述每个账户数据对应的第t软标签，得到与所述M个账户数据对应的M个第t软标签；以及

根据所述第t₁预测结果数据集、所述M个第t软标签、(N-M)个所述标准标签优化所述第(t-1)分类模型，直至损失函数满足预设条件的情况下，得到第t分类模型。

4.根据权利要求3所述的方法，其中，所述根据所述第t₁预测结果数据集、所述M个第t软标签、(N-M)个所述标准标签优化所述第(t-1)分类模型，直至损失函数满足预设条件的情况下，得到第t分类模型包括：

根据所述第t₁预测结果数据集、所述M个第t软标签、(N-M)个所述标准标签，计算在第t轮第1次训练过程中第(t-1)分类模型的第一损失函数值；以及

根据所述损失函数值优化所述第(t-1)分类模型，得到第t₁分类模型；

将所述M个账户数据和所述(N-M)个有标签数据输入所述第t₁分类模型，输出第t₂预测结果数据集，所述第t₂预测结果数据集包括所述M个账户数据在第t轮第2次训练得到的M个预测结果、以及所述(N-M)个有标签数据在第t轮第2次训练得到的(N-M)个预测结果；

根据所述第t₂预测结果数据集、所述M个第t软标签、(N-M)个所述标准标签计算第二损失函数值，经过多轮训练直至得到的损失函数值最小，确定所述第t分类模型。