买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：同盾科技有限公司;同盾控股有限公司

摘要：本申请涉及基于超图的非正常交易预测方法、装置、设备和存储介质，属于机器学习领域，该方法包括：根据用户在交易中使用的多维介质信息，构建节点特征矩阵，并基于节点特征矩阵构建超边矩阵和超边权重矩阵；将节点特征矩阵、超边矩阵和超边权重矩阵输入超图学习神经网络模型的第一层神经网络以使节点特征矩阵中的节点特征聚合到超边，得到超边特征；将超边特征输入超图学习神经网络模型的第二层神经网络以使超边特征聚合到用户的节点，得到表征的节点特征；基于表征的节点特征进行半监督学习，当损失函数收敛时，得到超图预测神经网络模型；根据超图预测神经网络模型预测用户的交易是否为非正常交易。提高了模型的能力，提高预测结果的准确性。

主权项：1.一种基于超图的非正常交易预测方法，其特征在于，所述方法包括以下步骤：根据用户在交易中使用的多维介质信息，构建节点特征矩阵，并基于所述节点特征矩阵构建超边矩阵和超边权重矩阵；其中，以用户节点为行、所述介质信息为列构建节点特征矩阵，所述多维介质信息包括设备信息、IP地址、E-mail地址、银行卡号和收货地址；将所述节点特征矩阵中介质信息相同或相似的用户节点连接以形成超边，以所述用户节点为行、所述超边为列构建超边矩阵；通过预设值或不同用户介质信息的相似度表示超边的权重大小，根据所述权重大小和所述节点特征矩阵构建超边权重矩阵；将所述节点特征矩阵、所述超边矩阵和所述超边权重矩阵输入超图学习神经网络模型的第一层神经网络以使所述节点特征矩阵中的节点特征聚合到超边，得到超边特征；将所述超边特征输入所述超图学习神经网络模型的第二层神经网络以使所述超边特征聚合到用户的节点，得到表征的节点特征；基于所述表征的节点特征进行半监督学习，当损失函数收敛时，得到超图预测神经网络模型；根据所述超图预测神经网络模型预测用户的交易是否为非正常交易；所述第一层神经网络包括以下公式： 其中，表示所述超边特征，1表示第1层神经网络，e表示边，表示边归一化参数，S表示所述超边权重矩阵，HT表示所述超边矩阵H的转置矩阵，X1表示输入第1层神经网络的节点特征矩阵，W1表示所述超图学习神经网络模型的参数；所述第二层神经网络包括以下公式： 其中，所述表示点归一化参数，v表示用户节点。

全文数据：

权利要求：

百度查询： 同盾科技有限公司 同盾控股有限公司 基于超图的非正常交易预测方法、装置、设备和存储介质