【技術實現步驟摘要】
本專利技術涉及人工智能領域，具體而言，涉及一種訂單風險評估模型訓練、訂單風險評估方法及裝置。
技術介紹
1、通過對訂單進行風險評估，能夠在風險發生之前進行有效的預警和干預。然而，現有的訂單風險識別模型通常采用基于規則的方法，基于預設好的規則，然后利用待評估訂單的訂單特征、設備特征或用戶的網際協議地址等信息對待評估訂單進行風險評估，采用這樣的方法可能會出現誤判，風險評估的準確率較低，并且對沒有包括在預設規則中的風險訂單類型的識別效果較差。
技術實現思路
1、有鑒于此，本公開實施例至少提供了一種訂單風險評估模型訓練、訂單風險評估方法及裝置，能夠提高訂單風險評估的準確性，提高訂單風險評估模型的適用性。
2、第一方面，本公開實施例提供了一種訂單風險評估模型訓練方法，包括：
3、基于目標用戶的歷史訂單，確定歷史訂單的操作序列數據以及目標用戶的信息變更數據；
4、按照不同數據模態，將操作序列數據、信息變更數據以及歷史訂單的訂單數據嵌入至訂單風險評估模型；其中，不同模態的數據嵌入至訂單風險評估模型的方法不同；
5、使訂單風險評估模型基于操作序列數據、信息變更數據以及歷史訂單的訂單數據，輸出歷史訂單的風險評估結果，基于風險評估結果與歷史訂單的真實風險標簽，調整訂單風險評估模型的模型參數，以訓練訂單風險評估模型。
6、可選地，確定歷史訂單的操作序列數據，包括：
7、根據目標用戶對歷史訂單進行下單操作的過程中的各個操作事件以及每個
8、可選地，確定目標用戶的信息變更數據，包括：
9、基于目標用戶的歷史訂單，獲取目標用戶在多個維度的訂單信息變更記錄；維度包括接收方維度與目標用戶的網際協議地址維度；
10、基于訂單信息變更記錄，確定目標用戶的信息變更數據。
11、可選地，數據模態包括類別模態、數值模態與文本模態；按照不同數據模態，將操作序列數據、信息變更數據以及歷史訂單的訂單數據嵌入至訂單風險評估模型，包括：
12、對于操作序列數據、信息變更數據以及歷史訂單的訂單數據中的類別模態數據，根據類別模態數據的類別數量，創建嵌入矩陣，以將操作序列數據、信息變更數據以及歷史訂單的訂單數據中的類別模態數據嵌入至訂單風險評估模型；其中，嵌入矩陣采用正態分布進行矩陣初始化；
13、對于操作序列數據、信息變更數據以及歷史訂單的訂單數據中的數值模態數據，對數值模態數據進行歸一化處理，將完成歸一化處理的數值模態數據輸入至訂單風險評估模型；
14、對于操作序列數據、信息變更數據以及歷史訂單的訂單數據中的文本模態數據，對文本模態數據進行分詞處理，基于分詞處理結果，生成與文本模態對應的文本嵌入向量，將文本嵌入向量嵌入至訂單風險評估模型。
15、可選地，使訂單風險評估模型基于操作序列數據、信息變更數據以及歷史訂單的訂單數據，輸出歷史訂單的風險評估結果之前，還包括：
16、按照預設的權重值，對操作序列數據、信息變更數據以及歷史訂單的訂單數據進行融合，以使訂單風險評估模型基于融合后的操作序列數據、信息變更數據以及歷史訂單的訂單數據，輸出歷史訂單的風險評估結果；其中，預設的權重值為基于歷史訂單的下單時間確定的。
17、第二方面，本公開實施例提供了一種訂單風險評估方法，包括：
18、確定目標用戶的待評估訂單的操作序列數據；
19、將待評估訂單的操作序列數據與訂單數據輸入至預先訓練的訂單風險評估模型，以使訂單風險評估模型輸出待評估訂單的風險評估結果；
20、其中，訂單風險評估模型為基于權利要求1-5任一的訂單風險評估模型訓練方法訓練得到的。
21、第三方面，本公開實施例提供了一種訂單風險評估模型訓練裝置，包括：
22、第一確定模塊，用于基于目標用戶的歷史訂單，確定歷史訂單的操作序列數據以及目標用戶的信息變更數據；
23、嵌入模塊，用于按照不同數據模態，將操作序列數據、信息變更數據以及歷史訂單的訂單數據嵌入至訂單風險評估模型；其中，不同模態的數據嵌入至訂單風險評估模型的方法不同；
24、訓練模塊，用于使訂單風險評估模型基于操作序列數據、信息變更數據以及歷史訂單的訂單數據，輸出歷史訂單的風險評估結果，基于風險評估結果與歷史訂單的真實風險標簽，調整訂單風險評估模型的模型參數，以訓練訂單風險評估模型。
25、第四方面，本公開實施例提供了一種訂單風險評估裝置，包括：
26、第二確定模塊，用于確定目標用戶的待評估訂單的操作序列數據；
27、評估模塊，用于將待評估訂單的操作序列數據與訂單數據輸入至預先訓練的訂單風險評估模型，以使訂單風險評估模型輸出待評估訂單的風險評估結果；
28、其中，訂單風險評估模型為基于權利要求1-5任一的訂單風險評估模型訓練方法訓練得到的。
29、第五方面，本公開實施例還提供一種電子設備，包括：處理器、存儲器和總線，存儲器存儲有處理器可執行的機器可讀指令，當計算機設備運行時，處理器與存儲器之間通過總線通信，機器可讀指令被處理器執行時執行上述第一方面，或第一方面中任一種可選的實施方式中的步驟。
30、第六方面，本公開實施例還提供一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機程序，該計算機程序被處理器運行時執行上述第一方面，或第一方面中任一種可選的實施方式中的步驟。
31、第七方面，本公開實施例還提供一種計算機程序產品，包括計算機程序，計算機程序在被處理器執行時實現上述任一實施例的方法。
32、上述任一方面或任一方面的認識實施方式，通過基于目標用戶的歷史訂單，確定歷史用戶的操作序列數據以及目標用戶的信息變更數據；由此在進行訂單評估時，除了能夠像常規訂單評估方法基于當前待評估訂單的訂單特征進行評估之外，還可以結合用戶長周期內的歷史行為數據，有助于模型更好地理解和捕獲用戶的行為習慣，從而提高識別的準確性。比如目標用戶需要經常替位于其他地理位置的親人購買物品，導致了收件方地址等信息經常變化，如果按照常規的方法，可能會由于訂單地址與當前用戶的網際協議地址不符而將當前訂單的風險概率視為較高，而采用本公開實施例提供的訂單風險評估模型訓練方法訓練出的模型，能夠結合用戶長周期內的行為習慣，并基于這些行為習慣來對當前訂單進行風險評估，由此上述情況的訂單就不會出現誤判的情況。此外，本公開實施例提供的訂單風險評估模型訓練方法，還能夠融合不同模態的數據，既能夠提取時間序列特征，有可以對文本等多模態特征進行有效融合。此外，現有技術在進行風險訂單評估時，通常是依賴預設好的規則，對于不存在于規則中的風險則無法發現，而本公開實施例訓練得到的訂單風險評估模型能夠結合訂單自身特征與用戶長周期內的行為數據，由此可以更好地理解用戶的行為模式與針對不同物品的需求，從而提高了識別新型風險本文檔來自技高網...
【技術保護點】
1.一種訂單風險評估模型訓練方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，確定所述歷史訂單的操作序列數據，包括：
3.根據權利要求1所述的方法，其特征在于，確定所述目標用戶的信息變更數據，包括：
4.根據權利要求1所述的方法，其特征在于，所述數據模態包括類別模態、數值模態與文本模態；按照不同數據模態，將所述操作序列數據、信息變更數據以及所述歷史訂單的訂單數據嵌入至訂單風險評估模型，包括：
5.根據權利要求1所述的方法，其特征在于，使所述訂單風險評估模型基于所述操作序列數據、信息變更數據以及所述歷史訂單的訂單數據，輸出所述歷史訂單的風險評估結果之前，還包括：
6.一種訂單風險評估方法，其特征在于，包括：
7.一種訂單風險評估模型訓練裝置，其特征在于，包括：
8.一種訂單風險評估方法，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-6中任一所述的方
11.一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現根據權利要求1-6中任一項所述的方法。
...【技術特征摘要】
1.一種訂單風險評估模型訓練方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，確定所述歷史訂單的操作序列數據，包括：
3.根據權利要求1所述的方法，其特征在于，確定所述目標用戶的信息變更數據，包括：
4.根據權利要求1所述的方法，其特征在于，所述數據模態包括類別模態、數值模態與文本模態；按照不同數據模態，將所述操作序列數據、信息變更數據以及所述歷史訂單的訂單數據嵌入至訂單風險評估模型，包括：
5.根據權利要求1所述的方法，其特征在于，使所述訂單風險評估模型基于所述操作序列數據、信息變更數據以及...
【專利技術屬性】
技術研發人員：朱丹陽，王三鵬，林睿，
申請(專利權)人：北京沃東天駿信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。