买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国工商银行股份有限公司申请的专利一种非法集资风险预测模型的训练方法、装置及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113516550B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110551911.3，技术领域涉及：G06Q40/06；该发明授权一种非法集资风险预测模型的训练方法、装置及设备是由陈李龙;王娜;强锋;郭宏设计研发完成，并于2021-05-20向国家知识产权局提交的专利申请。

本一种非法集资风险预测模型的训练方法、装置及设备在说明书摘要公布了：本说明书实施例提供了一种非法集资风险预测模型的训练方法、装置及设备，可用于机器学习技术领域。所述方法包括获取与企业集资风险相关的训练数据集；其中，训练数据集中包括有标签样本和无标签样本；计算训练数据集中每个样本的局部密度值和聚类隶属度；根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项；其中，点态流形正则化约束项用于约束每个样本与其近邻样本之间的关系；基于点态流形正则化约束项，确定预设分类器的损失函数；基于训练数据集和所述损失函数对预设分类器进行训练，获得非法集资风险预测模型。利用本说明书实施例可以提高对企业非法集资风险预测的准确性。

本发明授权一种非法集资风险预测模型的训练方法、装置及设备在权利要求书中公布了：1.一种非法集资风险预测模型的训练方法，其特征在于，包括： 获取与企业集资风险相关的训练数据集；其中，所述训练数据集中包括有标签样本和无标签样本；所述有标签样本的标签根据是否存在非法集资风险确定； 计算所述训练数据集中每个样本的局部密度值和聚类隶属度； 根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项；其中，所述点态流形正则化约束项用于约束每个样本与其近邻样本之间的关系； 基于所述点态流形正则化约束项，确定所述预设分类器的损失函数； 基于所述训练数据集和所述损失函数对所述预设分类器进行训练，获得非法集资风险预测模型； 其中，所述基于所述点态流形正则化约束项，确定所述预设分类器的损失函数，包括： 按照以下公式确定所述预设分类器的损失函数： L＝Remp+αRpm+βRreg 其中，L表示预设分类器的损失函数，Remp表示根据有标签样本构造的最小化经验损失函数，Rpm表示点态流形正则化约束项，Rreg表示l2正则化损失函数，α、β表示超参数，所述正则化损失函数用于防止过拟合； 所述最小化经验损失函数包括绝对损失函数，按照以下公式确定： 所述正则化损失函数按照以下公式确定： Rreg＝||w||2 其中，fx表示预测值，y表示真实值，w是预设分类器的判别函数f·中的参数； 其中，所述根据每个样本的局部密度和聚类隶属度以及预设分类器的判别函数，构造点态流形正则化约束项，包括： 根据每个样本的局部密度和聚类隶属度，获得每个样本的样本权重，其中，为局部密度值高的样本赋予大权重，局部密度值低的样本赋予小权重，为聚类隶属度高的样本赋予大权重； 基于所有样本的样本权重和预设分类器的判别函数，构造点态流形正则化约束项； 所述基于所有样本的样本权重和预设分类器的判别函数，构造的点态流形正则化约束项为： 其中，Rpm表示点态流形正则化约束项，n表示样本总数，i表示序号，pxi表示样本xi的权重，f·为预设分类器的判别函数，xi表示第i个样本，Nxi表示样本xi的近邻样本集，xj表示样本xi的近邻样本集中一个样本，wi,j表示样本xi与样本xj的相似度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国工商银行股份有限公司，其通讯地址为：100140 北京市西城区复兴门内大街55号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。