(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210836957.4 (22)申请日 2022.07.15 (71)申请人 北京三快在线科技有限公司 地址 100080 北京市海淀区北四环西路9号 2106-030 (72)发明人 刘文强　宗博文　温舒　 (74)专利代理 机构 北京曼威知识产权代理有限 公司 11709 专利代理师 王宏财 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 40/02(2012.01) (54)发明名称 一种模型训练的方法、 业务风控的方法及装 置 (57)摘要 本说明书公开了一种模 型训练的方法、 业务 风控的方法及装置， 首先， 获取用户的用户数据。 其次， 将用户数据输入到待训练的预测模型中， 以提取用户对应的用户特征， 并根据用户特征， 确定用户所属的至少一个用户群体。 而后， 针对 用户所属的每个用户群体， 将用户特征输入到该 用户群体对应的子模型中， 预测用户执行目标业 务对应的业务结果， 作为该用户群体对应的预测 结果。 最后， 根据用户所属的至少一个用户群体 对应的预测结果以及用户对应的标签信息， 对预 测模型进行训练。 本方法可以根据用户在用户所 属的至少一个用户群体对应的子模型下的预测 结果， 确定出 更加准确的预测结果。 权利要求书3页 说明书15页 附图5页 CN 115146731 A 2022.10.04 CN 115146731 A 1.一种模型训练 的方法， 其特征在于， 预测模型包含有各用户群体对应的子模型， 不同 的子模型用于处 理不同的用户群 体对应的用户数据， 包括： 获取用户的用户数据； 将所述用户数据输入到待训练的预测模型中， 以提取所述用户对应的用户特征， 并根 据所述用户特 征， 确定所述用户所属的至少一个用户群 体； 针对所述用户所属的每个用户群体， 将所述用户特征输入到该用户群体对应的子模型 中， 预测所述用户执 行目标业 务对应的业 务结果， 作为该用户群 体对应的预测结果； 根据所述用户所属的至少一个用户群体对应的预测结果以及所述用户对应的标签信 息， 对所述预测模型进行训练。 2.如权利要求1所述的方法， 其特征在于， 将所述用户数据输入到待训练的预测模型 中， 以提取 所述用户对应的用户特 征， 具体包括： 将所述用户数据输入到待训练的预测模型中， 对所述用户数据进行特征提取， 以确定 出所述用户对应的原 始特征； 通过第一指定数据对所述用户数据中缺失数据的数据维度进行补充， 并通过第 二指定 数据对所述用户数据中除缺 失数据的数据维度以外的其他数据维度进 行替换， 以得到补偿 特征； 根据所述原 始特征以及所述补偿特 征， 确定所述用户对应的用户特 征。 3.如权利要求2所述的方法， 其特 征在于， 确定出 所述用户对应的原 始特征， 具体包括： 通过所述预测模型中的第一特征权重， 对所述用户数据进行特征提取， 以确定出所述 用户对应的原 始特征； 根据所述原 始特征以及所述补偿特 征， 确定所述用户对应的用户特 征， 具体包括： 根据所述预测模型中的第二特 征权重以及所述补偿特 征， 确定调整后的补偿特 征； 根据所述原 始特征以及所述调整后的补偿特 征， 确定所述用户对应的用户特 征。 4.如权利要求1所述的方法， 其特征在于， 所述用户群体包括： 全局用户群体、 各子用户 群体， 所述全局用户群体包含有所有用户， 所述子用户群体是所有用户按照预设的业务需 求进行划分后得到的； 针对所述用户所属的每个用户群体， 将所述用户特征输入到该用户群体对应的子模型 中， 预测所述用户执行目标业务对应的业务结果， 作为该用户群体对应的预测结果， 具体包 括： 将所述用户特征输入到全局用户群体对应的子模型中， 预测所述用户执行目标业务对 应的业务结果， 作为全局用户群体对应的预测结果， 以及针对所述用户所属的每个子用户 群体， 将所述用户特征输入到该子用户群体对应的子模型中， 预测所述用户执行目标业务 对应的业 务结果， 作为该子用户群 体对应的预测结果。 5.如权利要求1所述的方法， 其特 征在于， 所述预测模型包括： 权 重网络； 根据所述用户所属的至少一个用户群体对应的预测结果以及所述用户对应的标签信 息， 对所述预测模型进行训练， 具体包括： 将所述用户特征以及所述用户所属的用户群体对应的用户群标识输入到所述权重网 络， 确定所述用户所属的至少一个用户群 体对应的权 重系数； 根据所述用户所属的至少一个用户群体对应的预测结果、 所述用户所属的至少一个用权　利　要　求　书 1/3 页 2 CN 115146731 A 2户群体对应的权 重系数以及所述用户对应的标签信息， 对所述预测模型进行训练。 6.如权利要求1所述的方法， 其特征在于， 根据所述用户所属的至少一个用户群体对应 的预测结果以及所述用户对应的标签信息， 对所述预测模型进行训练， 具体包括： 根据所述用户所属的至少一个用户群体对应的预测结果， 确定预测模型对应的综合预 测结果； 根据所述用户所属的至少一个用户群体对应的预测结果、 所述预测模型对应的综合预 测结果以及所述用户对应的标签信息， 对所述预测模型进行训练。 7.如权利要求6所述的方法， 其特征在于， 根据所述用户所属的至少一个用户群体对应 的预测结果、 所述预测模型对应的综合预测结果以及所述用户对应的标签信息， 对所述预 测模型进行训练， 具体包括： 确定所述综合预测结果以及所述用户对应的标签信息之间的偏差， 作为第一偏差； 针对所述用户所属的每个用户群体， 确定该用户群体对应的预测结果与所述用户对应 的标签信息之间的偏差， 作为该用户群 体对应的第二偏差； 根据所述第一偏差以及所述用户所属的各用户群体对应的第二偏差， 确定损 失和值， 并以最小化所述损失和值 为优化目标， 对所述预测模型进行训练。 8.如权利要求7所述的方法， 其特征在于， 根据所述第 一偏差以及所述用户所属的各用 户群体对应的第二偏差， 确定损失和值， 具体包括： 获取所述第一偏差对应的偏差权重以及所述用户所属的各用户群体对应的第二偏差 的偏差权重； 根据所述第一偏差对应的偏差 权重以及所述第一偏差， 确定第一损失值； 针对所述用户所属的每个用户群体， 根据 该用户群体对应的第 二偏差以及该用户群体 对应的第二偏差的偏差 权重， 确定该用户群 体对应的第二损失值； 根据所述第 一损失值以及所述用户所属的各用户群体对应的第 二损失值， 确定损失和 值。 9.如权利要求8所述的方法， 其特征在于， 以最小化所述损 失和值为优化目标， 对所述 预测模型进行训练， 具体包括： 以最小化所述损失和值， 以及所述第 一损失值与 所述用户所属的各用户群体对应的第 二损失值相接 近为优化目标， 对所述预测模型进行训练。 10.一种业 务风控的方法， 其特 征在于， 包括： 接收目标用户针对目标业 务的业务请求； 根据所述 业务请求， 确定所述目标用户的用户数据； 将所述用户数据输入到预先训练的预测模型中， 以提取所述目标用户对应的用户特 征， 并根据所述用户特征， 确定所述目标用户所属的至少一个用户群体， 所述预测模型是通 过上述权利要求1～ 9任一项所述的方法训练得到的； 针对所述目标用户所属的每个用户群体， 将所述用户特征输入到所述预测模型中包含 的该用户群体对应的子模型中， 预测所述 目标用户执行目标业务对应的业务结果， 作为该 用户群体对应的预测结果； 根据所述目标用户所属的至少一个用户群体对应的预测结果， 对所述目标用户进行业 务风控。权　利　要　求　书 2/3 页 3 CN 115146731 A 3