预测模型训练方法及装置、预测方法及装置

    公开(公告)号:CN111383028B

    公开(公告)日:2022-11-22

    申请号:CN202010181153.6

    申请日:2020-03-16

    Abstract: 本说明书实施例提供了预测模型训练方法及装置、预测方法及装置,其中,所述预测模型训练方法包括获取至少一个用户的资源特征以及每个所述用户的资源特征对应的目标概率值对第一预测模型进行训练,得到所述第一预测模型;将每个所述用户的资源特征输入所述第一预测模型,获得每个所述用户的资源特征对应的预测概率值;基于每个所述用户的目标概率值以及预测概率值确定每个所述用户对应的训练概率值;获取每个所述用户的信用特征,并基于每个所述用户的信用特征以及每个所述用户对应的训练概率值对第二预测模型进行训练,得到第二预测模型;采用上述串联模式对第一预测模型和第二预测模型进行级联训练,使得预测模型的训练更加简单。

    模型解释及训练方法、装置、设备、介质及程序产品

    公开(公告)号:CN115049067A

    公开(公告)日:2022-09-13

    申请号:CN202210513340.9

    申请日:2022-05-12

    Abstract: 本说明书实施例公开了一种模型解释及训练方法、装置、设备、介质及程序产品。其中,模型训练方法首先将获取包括多个样本测试数据的样本测试集输入由样本训练集训练得到的预设模型中,输出样本测试集中每个样本测试数据对应的第一预测结果,上述样本训练集包括多个已知目标值的样本训练数据,每个样本测试数据以及每个样本训练数据均对应N个特征,N为大于或等于2的正整数,然后通过根据上述样本测试集中每个样本测试数据对应的第一预测结果以及上述样本测试集中每个样本测试数据对应的N个特征,按照预设训练方式训练可解释模型。上述可解释模型用于解释上述预设模型产生上述第一预测结果的原因。

    用于预测实体间业务关系的模型训练方法及装置

    公开(公告)号:CN111507543A

    公开(公告)日:2020-08-07

    申请号:CN202010466497.1

    申请日:2020-05-28

    Abstract: 本说明书实施例提供一种用于预测实体间业务关系的模型训练方法及装置,利用采集到的实体基础数据构建基础关系图谱,从而利用实体间已知的上下游业务关系,训练包含第一图神经网络和第一分类网络的业务关系预测模型,用于挖掘未知的上下游业务关系。进一步地,本说明书实施例还提供一种实体业务关系图谱的构建方法及装置,通过利用训练后的业务关系预测模型,挖掘出未知的上下游业务关系,进而结合已知的实体间业务关系,构建实体业务关系图谱。更进一步地,本说明书实施例还提供一种实体业务风险的预测方法及装置,基于构建出的实体业务关系图谱,实现对实体节点进行精准地业务风险预测。

    用户类别识别模型的训练方法和用户类别识别方法

    公开(公告)号:CN111222026A

    公开(公告)日:2020-06-02

    申请号:CN202010023203.8

    申请日:2020-01-09

    Abstract: 本说明书实施例公开了一种用户类别识别模型的训练方法和用户类别识别方法,训练方法包括:将样本用户的联系人列表输入用户类别计算模型,以生成样本用户属于预设类别的概率。将样本用户对应的软件特征,和样本用户属于预设类别的概率,输入用户类别识别模型,以生成样本用户的识别结果。根据样本用户的识别结果和样本用户的类别标签,对用户类别识别模型中的参数,以及样本用户的常用软件列表中每个常用软件对应的软件特征进行优化。当满足预设条件时,完成对用户类别识别模型的训练。由此,使得训练完的用户类别识别模型能够在用户信息不充分的情况下,基于待识别用户的联系人列表和对应的软件特征,实现用户类别识别。

Patent Agency Ranking