申请/专利权人：支付宝(杭州)信息技术有限公司

申请日：2021-09-29

公开（公告）日：2024-06-14

公开（公告）号：CN113837635B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06F16/27;G06F16/36;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.01.11#实质审查的生效;2021.12.24#公开

摘要：本说明书实施例提供了一种风险检测处理方法、装置及设备，其中方法包括：根据获取的多个目标事件的事件信息，生成多个目标事件的第一知识超图；其中，事件信息包括相应目标事件的至少一个事件要素；第一知识超图的每个超边对应一个目标事件，超边中的每个节点对应至少一个目标事件的一个事件要素；根据第一知识超图，确定目标事件中待检测项目的检测信息；采用预先通过两个代理任务基于多个历史事件的第二知识超图进行交替预训练所得的预训练模型生成检测信息的第一特征数据；采用预先训练的风险检测模型，基于第一特征数据对待检测项目进行风险检测处理，得到风险检测结果信息。

主权项：1.一种风险检测处理方法，包括：交替采用第一代理任务和第二代理任务基于对应的预训练子集进行训练处理，并在满足预设的训练停止条件时，得到待测试的预训练模型；所述第一代理任务的训练处理得到第一模型参数；所述交替采用第一代理任务和第二代理任务基于对应的预训练子集进行训练处理，包括：所述第一代理任务在所述第二代理任务对所述第一模型参数对应的待训练的预训练模型进行训练处理得到第二模型参数之后，对所述第二模型参数对应的待训练的预训练模型进行训练处理；基于预先得到的测试集对所述待测试的预训练模型进行测试处理，若确定测试结果符合预设条件，则将所述待测试的预训练模型确定为最终的预训练模型；根据获取的多个目标事件的事件信息，生成所述多个目标事件的第一知识超图；其中，所述事件信息包括相应目标事件的至少一个事件要素；所述第一知识超图的每个超边对应一个所述目标事件，所述超边中的每个节点对应至少一个所述目标事件的所述事件要素；根据所述第一知识超图，确定所述目标事件中待检测项目的检测信息；采用所述最终的预训练模型生成所述检测信息的第一特征数据；其中，所述最终的预训练模型通过两个代理任务基于多个历史事件的第二知识超图进行交替预训练所得；采用预先训练的风险检测模型，基于所述第一特征数据对所述待检测项目进行风险检测处理，得到风险检测结果信息；其中，采用所述第二代理任务基于对应的所述预训练子集进行训练处理，包括：根据所述第二代理任务对应的预训练子集中的各超边，构建关联矩阵；所述关联矩阵的元素用于表征相应节点与相应超边的从属关系；根据预设方式，基于所述关联矩阵生成邻接矩阵；所述邻接矩阵的元素用于表征所述预训练子集中相应两个超边之间重叠节点的数量；对所述邻接矩阵进行聚类处理，得到所述预训练子集中每个超边的类别标签；基于带有所述类别标签的所述超边和预设的第二交叉熵损失函数，对所述第一模型参数所对应的待训练的预训练模型进行训练处理；采用所述第一代理任务基于对应的所述预训练子集进行训练处理，包括：针对所述第一代理任务对应的预训练子集中的每个超边，随机从所述超边的节点中选择一个种子节点，并将所述超边的节点中除所述种子节点外的节点确定为所述种子节点的上下文节点；根据所述种子节点和所述上下文节点，构建正样本；从所述第一代理任务对应的预训练子集所包括的节点中，获取与所述种子节点对应的要素类型相同、且与所述种子节点不在同一个超边的辅助节点；根据每个所述辅助节点和所述上下文节点，构建负样本；对各所述正样本与各所述负样本中的节点进行两两相连，得到全连接图；基于所述全连接图和预设的第一交叉熵损失函数进行训练处理。

全文数据：

权利要求：

百度查询： 支付宝(杭州)信息技术有限公司 风险检测处理方法、装置及设备

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