[发明专利]一种标签预测方法、装置、设备和存储介质

说明书

本发明实施例公开了一种标签预测方法、装置、设备和存储介质，标签预测方法包括：确定待预测对象的基础特征数据；采用预设预测模型，根据所述基础特征数据对所述待预测对象的可信度进行预测；其中，所述预设预测模型是根据样本数据和邻居特征数据训练得到，所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。本发明实施例基于样本数据中对象之间的关系图谱训练得到预测模型，根据待预测对象的基础特征数据采用预测模型对待预测对象的可信度进行预测。由于在训练阶段考虑了样本数据中对象之间的关系，即让模型具备了综合考虑不同对象之间的关系对可信度影响的能力，提高了对待预测对象可信度预测的准确性。

技术领域

本发明实施例涉及信息处理技术领域，尤其涉及一种标签预测方法、装置、设备和存储介质。

背景技术

随着现在社会加强对企业的金融服务工作，完善反欺诈系统、降低信贷欺诈风险作为现阶段急需完成的重点工作。

现有的欺诈识别方法大多通过传统的黑名单、专家规则或是有监督的机器学习算法模型。传统的黑名单即是通过人工审核认证的欺诈企业；专家规则即是通过专家制定一些规则，当企业的信息违反相关规则时认定为欺诈企业；有监督的机器学习算法模型则是利用企业的数据特征训练得到的预测模型。

然而，通过传统的黑名单可以确定的企业数量极少，对于人工未审核的企业无法进行判断；对于通过专家规则，局限性太大，并且会带来很大的人为误差；有监督的机器学习算法模型是通过对已有企业的欺诈标签进行训练得到的预测模型，但是由于欺诈标签的标注不同于其他领域的标注行为，欺诈标签的获取是需要付出极大代价和成本的，造成欺诈样本数据量少，因此正负样本不平衡造成预测结果不准确。

发明内容

本发明实施例提供一种标签预测方法、装置、设备和存储介质，以提高欺诈标签预测的准确度。

第一方面，本发明实施例提供了一种标签预测方法，包括：

确定待预测对象的基础特征数据；

采用预设预测模型，根据所述基础特征数据对所述待预测对象的可信度进行预测；其中，所述预设预测模型是根据样本数据和邻居特征数据训练得到，所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。

第二方面，本发明实施例还提供了一种标签预测装置，包括：

基础特征数据确定模块，用于确定待预测对象的基础特征数据；

可信度预测模块，用于采用预设预测模型，根据所述基础特征数据对所述待预测对象的可信度进行预测；其中，所述预设预测模型是根据样本数据和邻居特征数据训练得到，所述邻居特征数据是根据样本数据中对象之间的关系图谱确定。

第三方面，本发明实施例还提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的标签预测方法。

第四方面，本发明实施例还提供了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如本发明任一实施例所述的标签预测方法。

本发明实施例基于样本数据中对象之间的关系图谱训练得到预测模型，根据待预测对象的基础特征数据采用预测模型对待预测对象的可信度进行预测。由于在训练阶段考虑了样本数据中对象的邻居特征数据，即让模型具备了综合考虑不同对象之间的关系对可信度影响的能力，提高了对待预测对象可信度预测的准确性，并且依据邻居特征数据训练得到的模型对待预测对象的预测结果，可以改善正负样本分布不均的情况。

附图说明

图1是本发明实施例一中的标签预测方法的流程图；