申请/专利权人：北京中科闻歌科技股份有限公司

申请日：2022-04-28

公开（公告）日：2024-06-11

公开（公告）号：CN114936282B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/23;G06F18/214;G06N3/04;G06Q10/0635;G06Q40/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2022.09.09#实质审查的生效;2022.08.23#公开

摘要：本公开实施例涉及一种金融风险线索确定方法、装置、设备和介质。该方法包括：获取待分类文本，并对待分类文本进行分词处理，得到各目标词语；基于各目标词语和目标词向量索引表，生成待分类文本对应的第一融合词向量组合；其中，目标词向量索引表基于初始文本样本集和预设向量转换算法预先构建，初始文本样本集为文本分类模型的训练样本集，预设向量转换算法用于将文本转换为多级别的词向量；将第一融合词向量组合输入文本分类模型，并根据模型输出结果确定待分类文本的目标文本类型；基于目标文本类型确定待分类文本是否为金融分线线索。通过上述技术方案，有效地提升了文本分类速度，进而提升线上金融业务中违规行为信息的发现效率。

主权项：1.一种金融风险线索确定方法，其特征在于，包括：获取待分类文本，并对所述待分类文本进行分词处理，得到各目标词语；其中，所述待分类文本为线上金融业务生成的文本；基于各所述目标词语和目标词向量索引表，生成所述待分类文本对应的第一融合词向量组合；其中，所述目标词向量索引表基于初始文本样本集和预设向量转换算法预先构建，所述初始文本样本集为文本分类模型的训练样本集，所述预设向量转换算法用于将文本转换为多级别的词向量；将所述第一融合词向量组合输入所述文本分类模型，并根据模型输出结果确定所述待分类文本的目标文本类型；其中，所述文本分类模型利用所述初始文本样本集预先训练获得；基于所述目标文本类型确定所述待分类文本是否为金融风险线索;其中，所述文本分类模型通过如下方式预先训练：获取所述初始文本样本集；所述初始文本样本集中的每个初始文本样本包含初始文本和所述初始文本对应的风险标签；基于所述初始文本样本集中的每个所述初始文本，构建初始词向量索引表；其中，所述初始词向量索引表中包含各词语和每个所述词语的索引位置；基于所述初始词向量索引表和所述预设向量转换算法，对各所述初始文本进行所述多级别的向量转换和向量融合，生成每个所述初始文本对应的第三融合词向量组合，并利用各所述第三融合词向量组合更新所述初始词向量索引表，得到目标词向量索引表；其中，所述目标词向量索引表中包含各所述词语、每个所述词语对应的索引位置和词向量，所述多级别为词级别、2-gram级别和3-gram级别中的至少两个；基于所述目标词向量索引表、各所述初始文本和每个所述初始文本对应的所述风险标签，对预设神经网络模型进行训练，生成所述文本分类模型；其中，所述基于所述初始词向量索引表和所述预设向量转换算法，对各所述初始文本进行所述多级别的向量转换和向量融合，生成每个所述初始文本对应的第三融合词向量组合，并利用各所述第三融合词向量组合更新所述初始词向量索引表，得到目标词向量索引表包括：基于所述初始词向量索引表，构建每个所述初始文本的词序组合；对于每个所述词序组合，利用所述预设向量转换算法对所述词序组合进行2-gram级别和3-gram级别的向量转换，得到所述词序组合对应的2-gram级别词向量组合和3-gram级别词向量组合；对于每个所述词序组合，对所述词序组合对应的词级别词向量组合、2-gram级别词向量组合和3-gram级别词向量组合进行向量融合，生成所述词序组合对应的所述第三融合词向量组合；利用每个所述词序组合对应的所述第三融合词向量组合更新所述初始词向量索引表，得到所述目标词向量索引表。

全文数据：

权利要求：

百度查询： 北京中科闻歌科技股份有限公司 金融风险线索确定方法、装置、设备和介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD