CN119444421A 一种数据处理模型的训练方法及装置 （北京芯盾时代科技有限公司）

本公开提供了一种数据处理模型的训练方第一嵌入矩阵和第一统计矩阵对初始多层神经一误差和第二误差调整初始多层神经网络模型和初始自编码器的参数得到目标多层神经网络用较少的样本数据，达到更好的模型训练的效2获取预设时间范围内的交易记录，所述交易记录包括交易双方的根据所述交易记录构建第一交易网络，所述第一交易网络一交易网络中用于连接两个节点的边表示两个交易账号之确定统计指标和与所述统计指标对应的预设规则，并基于所基于所述统计指标确定所述交易账号在所述预设时间范围内的根据所述第二嵌入矩阵和所述第一统计矩阵确定通过所述第一嵌入矩阵和所述第一统计矩阵对初始多层神经网络模型进行训根据所述交易账号的预测结果和所述交易账号的类别标签确定根据所述第一误差和所述第二误差对所述初始多层神经网络模型的参数和所述初始2.根据权利要求1所述的方法，其特征在于，所述基于所述预设规则生成第二嵌入矩对所述预设规则进行预处理将所述预设规则转化为通过图卷积网络算法对所述图结构进行处理;确定所述第二嵌入矩阵对应的第一概率分布和与所述第一统计矩阵对应的第二概率确定所述最优传输距离为所述第二嵌入矩阵和所述第一统计矩3对所述初始多层神经网络模型的参数和所述初始自编码器的参确定总误差符合误差阈值时的多层神经网络模型为目标多层神根据所述待处理的交易记录构建第二交易网络，所述第二交易网基于统计指标确定所述待处理的交易账号的第二统计向量，并将所述第三嵌入矩阵和所述第二统计矩阵输入目标多层神经网络理的交易账号的类别。第一获取模块，用于获取预设时间范围内的交易记录，第一构建模块，用于根据所述交易记录构建第一交易网络第一生成模块，用于确定统计指标和与所述统计指标所述第一生成模块，还用于基于所述统计指标确定所述交易账号在所第一处理模块，用于通过所述第一嵌入矩阵和所述第所述第二确定模块，还用于根据所述交易账号的预测结果和所述交易第二处理模块，用于根据所述第一误差和所述第二误差对所第二获取模块，用于获取待处理的交易记录，所述待处理4第二构建模块，用于根据所述待处理的交易记录构第二生成模块，用于基于统计指标确定所述待处理的交易第三处理模块，用于将所述第三嵌入矩阵和所述第二所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被令用于使计算机执行根据权利要求1_5中任一项或权利5[0003]目前银行行业对于异常交易行为的识别和分析一种是依靠专家对账号的行为记所述第一误差和所述第二误差对所述初始多层神经网络模型的参数和所述初始自编码器第一交易网络确定节点的邻接矩阵；根据如下公式确定所述第一交易网络的第一嵌入矩6模块，还用于基于所述统计指标确定所述交易账号在所述预设时间范围内的第一统计向7所述最优传输距离为所述第二嵌入矩阵和所述第一统计矩阵的第统计指标确定所述待处理的交易账号的第二统计向量并通过自编码器进行处理生成第二用于确定交易账号的类别；基于统计指标确定交易账号在预设时间范围内的第一统计向到交易账号的预测结果；根据交易账号的预测结果和交易账号的类别标签确定第二误差；8根据第一误差和第二误差对初始多层神经网络模型的参数和初始自编码器的参数进行调[0021]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特[0022]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目9一交易网络中用于连接两个节点的边表示两个交易账号之计指标用于统计交易账号在预设时间范围内与交易相关的数量特征，如统计指标可以为：次数超过多少次可确定该交易账号为异常交易账号。当然预设规则可能涉及多个统计指通过交易账号的嵌入向量和统计向量的特征预测的交易账[0042]通过初始多层神经网络模型得到的交易账号的预测结果与交易账号的类别标签[0043]步骤109，根据第一误差和第二误差对初始多层神经网络模型的参数和初始自编;邻接矩阵对应位置处的数值可用1表示，若两节点之间不具有连接关系则邻接矩阵对应位确定最优传输距离为第二嵌入矩阵和第一统计矩的值表示第i行第j列的元素从状态i到状[0055]通过最优传输算法如Wasserstrin距离算法、Sinkhorn_Knopp算法等来求解代价测误差是通过自监督学习的方式通过模型学习预测得到的预测结果与真实标签之间的误最小时对应的多层神经网络模型确定为目标多层[0059]图2示出了本公开实施例一种数据处理方法的实现流程示意图，应用于数据处理理的交易账号的类别。[0060]在得到目标多层神经网络模型后，用该模型对未知类别的交易账号进行类别预第二统计矩阵进行融合得到第二融合矩阵，将该第二融合矩阵输入目标多层神经网络模处理的交易账号的类别。交易账号的类别。因特网的计算机网络和/或各种电信网络与其他设备交换信和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503并由计算单元501执行时，可以执行上文描述的一种数据模型的训练方法或一种数据处理方法的机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器[0075]用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器器以及键盘和指向装置（例如，鼠标或者轨迹球用户可以通过该键盘字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：如，本发公开中记载的各步骤可以