[发明专利]系统资源数据分配方法和装置

权利要求书

1.一种系统资源数据分配方法，其特征在于，应用于服务器，所述方法包括：

获取具有用于表征用户风险特征的特征数据的指定信息集、及标签集，其中，所述指定信息集包括有标签样本集和无标签样本集，所述标签集包括所述有标签样本集中各有标签样本所对应的风险类别；

利用所述有标签样本集和所述标签集构建分类器；

提取所述无标签样本集中各无标签样本的近邻有标签样本，并根据所述各无标签样本的近邻有标签样本的风险类别的分布，计算所述各无标签样本对应的信息熵，其中，所述近邻有标签样本包括有标签样本集中的与对应无标签样本在用户风险特征空间中的接近程度满足预设条件的有标签样本；

基于所述无标签样本集中各无标签样本对应的信息熵，对所述分类器进行优化，得到优化后的分类器，以基于所述优化后的分类器对目标用户的风险预测结果向所述目标用户分配系统资源数据。

2.根据权利要求1所述的方法，其特征在于，在利用所述有标签样本集和所述标签集构建分类器之后，还包括：

利用所述分类器对所述无标签样本集中各无标签样本进行风险分类，得到所述各无标签样本对应的伪标签；

根据所述无标签样本集中各无标签样本的伪标签与近邻有标签样本的风险类别之间的异同，计算所述无标签样本集对应的近邻判别矩阵；

相应的，基于所述无标签样本集中各无标签样本对应的信息熵，对所述分类器进行优化，得到优化后的分类器，包括：

基于所述无标签样本集对应的近邻判别矩阵以及所述各无标签样本对应的信息熵，对所述分类器进行优化，得到优化后的分类器。

3.根据权利要求2所述的方法，其特征在于，基于所述无标签样本集对应的近邻判别矩阵以及所述各无标签样本对应的信息熵，对所述分类器进行优化，得到优化后的分类器，包括：

利用所述各无标签样本对应的信息熵和伪标签，构建所述分类器对所述无标签样本集的无标签样本进行用户风险特征预测的边界增强约束；

利用所述无标签样本集对应的近邻判别矩阵中的元素，构建所述分类器对所述无标签样本集的无标签样本和所述有标签样本集中的有标签样本进行用户风险特征预测的近邻判别约束；

基于所述边界增强约束和所述近邻判别约束，对所述分类器进行优化，得到优化后的分类器。

4.根据权利要求1所述的方法，其特征在于，所述风险类别包括正类和负类，相应的，根据所述各无标签样本的近邻有标签样本的风险类别的分布，计算所述各无标签样本对应的信息熵，包括：

按照以下公式计算所述各无标签样本的信息熵：

其中，为第i个无标签样本，H_i为的信息熵，N为的近邻有标签样本的个数，N₊为的N个近邻有标签样本中的正类样本的个数，N_-为的N个近邻有标签样本中的负类样本的个数。

5.根据权利要求3所述的方法，其特征在于，利用所述各无标签样本对应的信息熵和伪标签，构建所述分类器对所述无标签样本集的无标签样本进行用户风险特征预测的边界增强约束，包括：

按照以下公式构建所述边界增强约束：

weight_i＝exp((H_i-μ)/σ)；

其中，R_be为所述边界增强约束，X^U为无标签样本集，|X^U|为X^U中的无标签样本的数量，为X^U中的第i个无标签样本，f(·)为分类器的判别函数，为对应的伪标签，weight_i为的边界增强系数，H_i为的信息熵，μ为X^U中的多个无标签样本的信息熵的均值，σ为X^U中的多个无标签样本的信息熵的标准差。