[发明专利]样本属性评估模型训练方法、装置及服务器

说明书

本说明书实施例提供了一种样本属性评估方法，首先确定训练样本，该训练样本中仅包括少量已确认属性的黑样本，还有大部分未确认属性的未知样本。基于训练样本对应的关系图，确定每个社区的黑样本浓度，结合社区黑样本浓度以及半监督机器学习算法，即使黑样本数量较少，本实施例中的方法也可以从未知样本中挖掘潜在黑样本，进而确定模型训练所需要的白样本，达到模型训练要求，使得训练出的模型能够准确地对样本是否属于黑样本的属性进行评估。

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及一种样本属性评估模型训练方法、装置及服务器。

背景技术

随着互联网的快速发展，越来越多的业务可以通过网络实现，如在线支付、在线购物、线上保险理赔等互联网业务。互联网在给人们生活提供便利的同时，也带来了风险。不法人员可能会进行电子业务欺诈，给其它用户造成损失。对于庞大的业务样本集而言，明确属性为黑的风险黑样本数量较少，大部分是未知属性的样本，由于业务欺诈数据样本具有隐藏性，所以，为了能够提升整体风控能力，亟需设计一种能够基于少量已知黑样本训练得到能够准确对未知样本进行属性评估的方案。

发明内容

本说明书实施例提供及一种样本属性评估方法、装置及服务器。

第一方面，本说明书实施例提供一种样本属性评估方法，包括：确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；基于半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

第二方面，本说明书实施例提供一种样本属性评估模型训练装置，包括：第一确定单元，用于确定与训练样本对应的关系图中每个社区的黑样本浓度，其中，所述训练样本包括黑样本和未知样本；第二确定单元，用于基于所述每个社区的黑样本浓度，确定每个所述未知样本的白样本抽样概率，以每个所述未知样本的白样本抽样概率进行抽样，获得白样本；训练单元，用于基半监督机器学习算法对所述黑样本与所述白样本进行训练，获得目标样本属性评估模型。

第三方面，本说明书实施例提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述样本属性评估方法的步骤。

第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述样本属性评估方法的步骤。

本说明书实施例有益效果如下：

本说明书实施例中，通过确定训练样本，该训练样本中仅包括少量已确认属性的黑样本，还有大部分未确认属性的未知样本。基于训练样本对应的关系图，确定每个社区的黑样本浓度，结合社区黑样本浓度以及半监督机器学习算法，即使已知黑样本数量较少，本实施例中的方法也可以从未知样本中挖掘潜在黑样本，进而确定模型训练所需要的白样本，达到模型训练要求，使得训练出的模型能够准确地对样本是否属于黑样本的属性进行评估。

附图说明

图1为本说明书实施例样本属性评估应用场景示意图；

图2为本说明书实施例第一方面样本属性评估方法流程图；

图3为本说明书实施例第二方面样本属性评估模型训练装置结构示意图；

图4为本说明书实施例第三方面样本属性评估服务器结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。