[发明专利]一种报文生成方法、装置及设备

说明书

本说明书实施例公开了一种报文生成方法、装置及设备。该方案包括：利用报文生成模型中的编码器对用户特征向量序列进行编码得到编码向量序列；利用该报文生成模型中的第一权重向量计算层，根据预设转移概率矩阵，确定所述编码向量序列中的各个编码向量的第一权重向量，以便于该报文生成模型中的混合编码向量生成层根据所述编码向量序列及所述各个编码向量的第一权重向量去生成混合编码向量；该报文生成模型中的全连接层可以根据所述混合编码向量及解码器的上一刻输出向量，生成所述解码器的输入向量，以便于所述解码器对所述输入向量进行解码处理后得到报文。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种报文生成方法、装置及设备。

背景技术

随着网络交易的日渐普及，如何在网络交易过程中有效识别交易风险、保障用户权益，已成为各个企业重点关注的问题。目前，为了便于识别用户行为中存在的风险，通常会采用人工方式去撰写报文，以便于后续使用这些报文进行风险识别。而由于需要生成报文的场景有多种，因此，需企业人员针对各个场景分别去撰写对应的报文，费时费力。综上所述，如何提供一种使用更加便捷的报文生成方法，已成为亟待解决的技术问题。

发明内容

有鉴于此，本说明书一个或多个实施例提供了一种报文生成方法、装置及设备，用于提升报文生成过程的便捷性。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种报文生成方法，所述方法使用了报文生成模型，所述报文生成模型包括：编码器、第一权重向量生成层、混合编码向量生成层、全连接层及解码器；所述编码器与所述解码器均为时间递归神经网络模型；其中，所述编码器及所述第一权重向量计算层均与所述混合编码向量生成层连接，所述混合编码向量生成层与所述全连接层连接，所述全连接层与所述解码器连接；所述方法包括：

利用所述编码器接收用户特征向量序列后，得到所述编码器输出的编码向量序列，所述用户特征向量序列中的用户特征向量是根据用户特征信息生成的词向量；

利用所述第一权重向量计算层根据预设转移概率矩阵，确定所述编码向量序列中的各个编码向量的第一权重向量，所述预设转移概率矩阵用于表征所述用户特征向量序列中的第一用户特征向量所对应的报文语句出现于第二用户特征向量所对应的报文语句之后的概率；

所述混合编码向量生成层接收所述编码向量序列及所述各个编码向量的第一权重向量后，向所述全连接层输出混合编码向量；

所述全连接层根据接收到的所述混合编码向量及所述解码器的上一刻输出向量，生成所述解码器的输入向量；

利用所述解码器对所述输入向量进行解码处理，得到报文。

本说明书实施例提供的一种报文生成模型的训练方法，所述报文生成模型，包括：编码器、第一权重向量生成层、混合编码向量生成层、全连接层及解码器；所述编码器及所述解码器均为时间递归神经网络模型；

其中，所述编码器及所述第一权重向量计算层均与所述混合编码向量生成层连接，所述混合编码向量生成层与所述全连接层连接，所述全连接层与所述解码器连接；所述方法包括：

获取训练样本集合，所述训练样本集合中的训练样本为样本用户的用户特征向量序列，所述用户特征向量序列中的用户特征向量是根据所述样本用户的用户特征信息生成的词向量；

针对所述训练样本集合中的每个训练样本，将所述训练样本输入所述报文生成模型，得到所述报文生成模型输出的预测报文；

获取所述训练样本的预设报文；

基于所述预设报文与所述预测报文之间的差异，调整所述报文生成模型的模型参数。