[发明专利]训练风险识别模型的方法和装置

说明书

本说明书实施例提供了一种训练风险识别模型的方法和装置。根据该实施例的方法，首先确定新增任务；然后确定所述新增任务与已训练得到的第一风险识别模型对应的已有任务之间的相似性；若所述相似性满足预设的条件，则依据所述新增任务在所述第一风险识别模型中修改结构，所述修改结构包括新增结构和/或删除结构；最后采用增量学习算法，利用所述新增任务对包含修改结构的第一风险识别模型进行模型参数的更新，得到第二风险识别模型。

技术领域

本说明书一个或多个实施例涉及计算机应用技术领域，尤其涉及机器学习技术领域中的训练风险识别模型的方法和装置。

背景技术

随着互联网技术的迅猛发展，人们越来越多地利用互联网进行通信、学习、工作，甚至通过互联网进行交易、支付、转账、投资等经济行为。一方面这些行为可能存在一定的风险；另一方面也有一些不法分子容易利用互联网的技术缺陷、法律缺陷等进行不法行为。这些都对网络行为的安全性带来了威胁。为了提高安全性，在日常防控过程中需要进行风险识别，那么如何高效率且低消耗的训练风险识别模型成为行业内致力解决的问题。

发明内容

本说明书一个或多个实施例描述了一种训练风险识别模型的方法和装置，以便于提高训练效率，节约计算资源。

根据第一方面，提供了一种训练风险识别模型的方法，包括：

确定新增任务；

确定所述新增任务与已训练得到的第一风险识别模型对应的已有任务之间的相似性；

若所述相似性满足预设的条件，则依据所述新增任务在所述第一风险识别模型中修改结构，所述修改结构包括新增结构和/或删除结构；

采用增量学习算法，利用所述新增任务对包含修改结构的第一风险识别模型进行模型参数的更新，得到第二风险识别模型。

在一个实施例中，所述新增任务包括以下至少一种：

新增样本数据、新增风险类型、减少风险类型或者新增特征。

在另一个实施例中，确定所述新增任务与已训练得到的第一风险识别模型对应的已有任务之间的相似性包括：

确定所述新增任务在风险域上的信息值IV向量以及所述已有任务在风险域上的IV向量之间的距离，基于该距离确定所述新增任务与所述已有任务之间的相似性；或者，

确定所述新增任务与已有任务在风险域上的卡方值，依据所述卡方值确定所述新增任务与所述已有任务之间的相似性，所述风险域包括所述新增任务和所述已有任务涉及的风险类型；或者，

利用所述新增任务训练得到第一全连接模型并利用所述已有任务训练得到第二全连接模型，其中所述第一全连接模型和第二全连接模型的参数维度相同；确定所述第一全连接模型和第二全连接模型中相同结构部分的参数向量之间的距离，基于该距离确定所述新增任务与所述已有任务之间的相似度。

在一个实施例中，依据所述新增任务在所述第一风险识别模型中修改结构包括：

若所述新增任务包括新增样本数据，则在所述第一风险识别模型中增加用以抽取特征向量表示的结构；

若所述新增任务包括新增风险类型，则在所述第一风险识别模型中增加所述新增的风险类型对应的全连接结构，或者增加所述新增的风险类型对应的全连接结构和该全连接结构对应的特征注意力结构；

若所述新增任务包括减少风险类型，则在所述第一风险识别模型中删除减少的风险类型对应的全连接结构，或者删除所述减少的风险类型对应的全连接结构和该全连接结构对应的特征注意力结构；

若所述新增任务包括新增特征，则在所述第一风险识别模型中用以抽取特征向量表示的结构中增加神经元。