[发明专利]一种模型训练方法、装置、及计算机设备

权利要求书

1.一种模型训练方法，用于针对缺少具有可靠标签的样本的目标域样本集，训练得到适用于目标域业务特性的分类模型；所述方法包括：

针对源域样本集和目标域样本集的业务数据样本，确定源域样本集和目标域样本集的共有特征空间；所述源域样本集中的任一业务数据样本均具有可靠的标签，所述目标域样本集中的任一业务数据样本均不具有可靠的标签；

根据所述源域样本集中已确定标签样本的标签值，和其在所述共有特征空间上的特征值，在所述共有特征空间中确定出正相关特征项和负相关特征项；其中，正相关特征项的特征值大小，与对应的分类结果为正类的概率正相关，负相关特征项的特征值大小，与对应的分类结果为正类的概率负相关；

利用聚类算法，根据所述正相关特征项和所述负相关特征项预测出所述目标域样本集中不确定标签样本的标签值；

将已预测出标签值的不确定标签样本与所述源域样本集进行整合，利用整合后的样本集训练得到分类模型，以确定业务数据是否存在风险。

2.根据权利要求1所述的方法，所述确定源域样本集和目标域样本集的共有特征空间，包括：

利用特征选择算法对源域样本集的初始源域特征空间进行筛选，得到所述源域样本集的核心源域特征空间；

将所述核心源域特征空间和目标域样本集的初始目标域特征空间之间的交集，确定为所述源域样本集和所述目标域样本集的共有特征空间。

3.根据权利要求1所述的方法，所述根据所述源域样本集中已确定标签样本的标签值，和其在所述共有特征空间上的特征值，在所述共有特征空间中确定出正相关特征项和负相关特征项，包括：

针对所述共有特征空间中的任一特征项进行如下处理：

根据所述源域样本集中已确定标签样本的标签值，和其在所述特性项上的特征值，计算出用于表示所述特征项与标签值之间相关性的相关性参数；

根据所述相关性参数确定所述特征项为正相关特征项或负相关特征项。

4.根据权利要求3所述的方法，所述相关性参数至少包括下述其中一项：

皮尔逊相关系数、协方差、信息熵及互信息。

5.根据权利要求1所述的方法，所述利用聚类算法，根据所述正相关特征项和所述负相关特征项预测出所述目标域样本集中不确定标签样本的标签值，包括：

利用所述正相关特征项对所述目标域样本集进行聚类，得到两个以上第一聚类簇；

针对任一第一聚类簇，若所述第一聚类簇满足设定条件，则确定所述第一聚类簇中的不确定标签样本的标签值为表示正样本的第一标签值；

利用所述负相关特征项对所述目标域样本集中除具有第一标签值以外的其他不确定标签样本进行聚类，得到两个以上第二聚类簇；

针对任一第二聚类簇，若所述第二聚类簇满足所述设定条件，则确定所述第二聚类簇中的不确定标签样本的标签值为表示负样本的第二标签值；

所述设定条件至少包括：

聚类簇中不确定标签样本的数量大于预设的数量阈值，且聚类簇的中心点的绝对距离大于预设的距离阈值；或，

对各个聚类簇的中心点的绝对距离按照从大到小的顺序进行排序，绝对距离排序值不大于N，且不确定标签样本的数量大于预设的数量阈值；

其中，所述聚类簇的中心点的绝对距离表示聚类簇的中心点与预设原点之间的距离。

6.根据权利要求2所述的方法，所述将已预测出标签值的不确定标签样本与所述源域样本集进行整合，包括：

对已预测出标签值的不确定标签样本进行特征补齐处理，使得所述已预测出标签值的不确定标签样本的特征空间与所述初始源域特征空间一致；

将特征补齐处理后的已预测出标签值的不确定标签样本与所述源域样本集合并。

7.根据权利要求6所述的方法，所述对已预测出标签值的不确定标签样本进行特征补齐处理，包括：

将所述共有特征空间和所述初始源域特征空间之间的差集确定为待补齐特征空间；

将已预测出标签值的不确定标签样本在所述待补齐特征空间上的特征值设置为指定值。