[发明专利]交易风险确定方法、装置和服务器

权利要求书

1.一种交易风险确定方法，其特征在于，包括：

获取目标交易数据，以及与目标交易数据相关的目标关联数据；

根据所述目标交易数据、目标关联数据，提取得到目标特征；

调用预设的风险确定模型处理所述目标特征，得到对应的目标处理结果；其中，所述预设的风险确定模型为预先根据预设的聚类和流形规则，通过半监督学习训练得到的分类模型；

根据所述目标处理结果，确定目标交易数据是否存在预设的交易风险。

2.根据权利要求1所述的方法，其特征在于，所述目标关联数据包括以下至少之一：目标交易数据所涉及的交易对象的用户信息、目标交易数据的交易媒介、目标交易数据的交易附言。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本数据集；其中，所述样本数据集包括有标签的样本数据集和无标签的样本数据集；

对所述样本数据集进行聚类处理，得到聚类中心集；

根据所述聚类中心集，构建基于聚类和流形的目标函数；

利用所述目标函数和所述样本数据集，进行模型训练，以得到预设的风险确定模型。

4.根据权利要求3所述的方法，其特征在于，对所述样本数据集进行聚类处理，得到聚类中心集，包括：

调用KNN聚类模型处理所述样本数据集，以得到对应的聚类中心集；其中，所述聚类中心集包含有预设个数个聚类中心点。

5.根据权利要求3所述的方法，其特征在于，根据所述聚类中心集，构建基于聚类和流形的目标函数，包括：

根据聚类中心集和样本数据集，计算局部权重矩阵和样本距离矩阵；

根据所述局部权重矩阵，构建聚类流形第一正则化项；根据所述局部权重矩阵和样本距离矩阵，构建聚类流形第二正则化项；

根据所述聚类流形第一正则化项和所述聚类流形第二正则化项，构建得到目标函数。

6.根据权利要求5所述的方法，其特征在于，根据聚类中心集和样本数据集，计算局部权重矩阵，包括：

按照以下算式，计算权重系数，作为局部权重矩阵中的矩阵元素：

其中，z_i,j为x_i与u_j之间的权重系数，x_i为编号为i的样本数据，u_j为编号为j的聚类中心点，d(x_i,u_j)为x_i与u_j之间的距离，k为聚类中心集中所包含的聚类中心点的总数。

7.根据权利要求6所述的方法，其特征在于，根据所述局部权重矩阵，构建聚类流形第一正则化项，包括：

按照以下算式，构建聚类流形第一正则化项：

其中，R₁为第一正则化项参数，x_i为编号为i的样本数据，u_j为编号为j的聚类中心点，z_i,j为x_i与u_j之间的权重系数，D_l为有标签的样本数据集，D为样本数据集，y_i为x_i的标签，f(x_i)为x_i的模型输出值，f(u_j)为u_j的模型输出值，U为聚类中心集。