[发明专利]一种基于多任务样本的目标欺诈交易模型训练方法和装置

说明书

本说明书实施例提供一种基于多任务样本的目标欺诈交易模型训练方法和装置，其中，所述方法包括：将各个训练样本分别输入预先训练得到的任务分类模型，得到所述训练样本对应的样本权重；所述样本权重用于表示所述训练样本与目标任务的契合度；使用所述各个训练样本训练所述目标模型，其中，在所述目标模型的训练过程中，通过所述样本权重差异化各个训练样本在损失函数中的比重；获得训练完成的所述目标模型。

技术领域

本公开涉及机器学习技术领域，特别涉及一种基于多任务样本的目标欺诈交易模型训练方法和装置。

背景技术

随着互联网的发展，移动支付的普及，移动支付手段越来越受青睐。然而，与此同时，相关的问题接踵而至，对于移动支付平台而言，一个重要的威胁来自于欺诈交易。以转账交易为例，有些不法分子通过非法窃取他人账户，进而进行转账到卡或转账到账户等操作，来获取非法利益。这些不法分子进行的转账操作可以称为一种欺诈交易。

目前对于欺诈交易的检测，可以依赖于人工配置相应的规则，但是这种方式只能覆盖极少的欺诈交易，对于潜在的欺诈交易，很难做到及时发现。基于机器学习的手段来检测异常的转账行为，能够及时发现并通知账户所有者以最大程度地避免经济损失。然而，在目前的机器学习检测的方案中，大多基于单一任务的数据来构建模型，需要采集大量的本任务数据，并花费极大的时间和精力来进行本任务数据的标注，以实现对本任务性能的提升。不仅是欺诈交易的检测，在其他的模型应用场景中，也存在着类似的问题。

发明内容

有鉴于此，本说明书一个或多个实施例提供一种基于多任务样本的目标欺诈交易模型训练方法和装置，以使得训练得到的模型预测更加准确，并降低对任务的数据收集要求。

具体地，本说明书一个或多个实施例是通过如下技术方案实现的：

第一方面，提供一种基于多任务样本的目标欺诈交易模型训练方法，所述目标模型的训练样本来自于目标任务和至少一个相关任务所包括的样本；所述方法包括：

将各个训练样本分别输入预先训练得到的任务分类模型，得到所述训练样本对应的样本权重；所述样本权重用于表示所述训练样本与目标任务的契合度；

使用所述各个训练样本训练所述目标模型，其中，在所述目标模型的训练过程中，通过所述样本权重差异化各个训练样本在损失函数中的比重；

获得训练完成的所述目标模型。

第二方面，提供一种欺诈交易的识别方法，所述方法包括：

获取待识别的交易样本；

将所述交易样本的样本特征输入预先训练的欺诈交易模型，输出所述交易样本是否为欺诈交易的预测结果；

其中，所述欺诈交易模型基于多任务学习产生，所述欺诈交易模型的训练样本来自于目标任务和至少一个相关任务；所述目标任务用于训练所述欺诈交易模型；并且，在所述欺诈交易模型的训练过程中，通过所述样本权重差异化各个训练样本在损失函数中的比重；所述样本权重用于表示所述训练样本与目标任务的契合度。

第三方面，提供一种多任务学习方法，所述方法用于同时学习多个任务，每个任务用于训练产生一种目标模型；所述方法包括：对于所述多个任务中的每一个任务，执行如下处理，所述任务作为目标任务：

将各个训练样本输入预先训练的任务分类模型，分别得到各个训练样本的样本权重；所述训练样本包括目标任务和至少一个相关任务包括的样本；所述任务分类模型是与所述目标任务对应的模型，多任务学习中的每个任务都有各自对应的任务分类模型；

若所述样本权重满足预设权重条件，将所述样本权重对应的训练样本用于训练所述目标任务对应的目标模型；