買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜上海交通大學(xué)寧波人工智能研究院申請(qǐng)的專利一種金融風(fēng)控領(lǐng)域的檢測(cè)交互特征的模型可解釋方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114742643B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210487256.4，技術(shù)領(lǐng)域涉及：G06Q40/03；該發(fā)明授權(quán)一種金融風(fēng)控領(lǐng)域的檢測(cè)交互特征的模型可解釋方法是由苗雨提;王冠;楊根科;褚健設(shè)計(jì)研發(fā)完成，并于2022-05-06向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種金融風(fēng)控領(lǐng)域的檢測(cè)交互特征的模型可解釋方法在說明書摘要公布了：本發(fā)明公開了一種金融風(fēng)控領(lǐng)域的檢測(cè)交互特征的模型可解釋方法，涉及圖神經(jīng)網(wǎng)絡(luò)技術(shù)與模型可解釋領(lǐng)域，所述方法包括以下步驟：步驟1、根據(jù)已有的訓(xùn)練特征和訓(xùn)練標(biāo)簽訓(xùn)練一個(gè)加性模型；步驟2、使用交互特征檢測(cè)模塊檢測(cè)存在的交互特征對(duì)，使用得到的所述交互特征對(duì)、所述訓(xùn)練標(biāo)簽和所述步驟1的殘差再構(gòu)造一個(gè)GAM模型，再將所述加性模型和所述GAM模型相加，得到一個(gè)包含所述交互特征對(duì)的GAM2模型；步驟3、根據(jù)高階交互存在當(dāng)且僅當(dāng)其所有低階交互均存在的原則，對(duì)所述GAM2模型進(jìn)行多輪迭代，直到某輪迭代交互特征階數(shù)不再增加，得到一個(gè)GAMn模型；步驟4、實(shí)現(xiàn)可視化與報(bào)告導(dǎo)出。

本發(fā)明授權(quán)一種金融風(fēng)控領(lǐng)域的檢測(cè)交互特征的模型可解釋方法在權(quán)利要求書中公布了：1.一種金融風(fēng)控領(lǐng)域的檢測(cè)交互特征的模型可解釋方法，其特征在于，所述方法包括以下步驟：步驟1、根據(jù)已有的訓(xùn)練特征和訓(xùn)練標(biāo)簽訓(xùn)練一個(gè)加性模型，所述加性模型的分類器表示為： 其中，，為所述訓(xùn)練特征或所述訓(xùn)練標(biāo)簽，為每一個(gè)對(duì)整體預(yù)測(cè)結(jié)果的貢獻(xiàn)度；步驟2、使用交互特征檢測(cè)模塊檢測(cè)存在的交互特征對(duì)，使用得到的所述交互特征對(duì)、所述訓(xùn)練標(biāo)簽和所述步驟1的殘差再構(gòu)造一個(gè)模型，再將所述加性模型和所述模型相加，得到一個(gè)包含所述交互特征對(duì)的模型，所述模型的分類器表示為： 其中，，為所述交互特征檢測(cè)模塊檢測(cè)出的所述交互特征對(duì)的集合，表示其中的任一所述交互特征對(duì)，為針對(duì)所述交互特征對(duì)中的關(guān)于的變換函數(shù)；步驟3、根據(jù)高階交互存在當(dāng)且僅當(dāng)其所有低階交互均存在的原則，對(duì)所述模型進(jìn)行多輪迭代，直到某輪迭代交互特征階數(shù)不再增加，得到一個(gè)模型，所述模型包含階交互的分類器表示為： 其中，，階交互的最高階是，表示一組高維交互特征；步驟4、實(shí)現(xiàn)可視化與報(bào)告導(dǎo)出；所述步驟2中的所述交互特征檢測(cè)模塊是基于圖神經(jīng)網(wǎng)絡(luò)；所述交互特征檢測(cè)模塊中的所述圖神經(jīng)網(wǎng)絡(luò)為模型，包括一個(gè)-邊檢測(cè)模型與一個(gè)模型；所述模型的輸入是一個(gè)不包含邊信息的圖，其中，每一個(gè)所述訓(xùn)練特征為一個(gè)節(jié)點(diǎn)，所述訓(xùn)練特征之間的交互對(duì)應(yīng)各條邊，即一個(gè)數(shù)據(jù)樣本是一個(gè)圖表示為： 其中， 其中，1表示之間存在一條邊，0表示之間不存在交互；在預(yù)測(cè)過程中，所述-邊檢測(cè)模型用于分析所述圖中的邊是否存在，其中，為的參數(shù)，輸出為一個(gè)邊集合；所述模型為一個(gè)圖分類器，提供基于的預(yù)測(cè)結(jié)果，再通過正則化，限制檢測(cè)到的所述交互特征對(duì)的數(shù)量；所述對(duì)由邊連接的初始節(jié)點(diǎn)進(jìn)行交互建模，再通過匯總所有相應(yīng)的建模結(jié)果來更新每個(gè)所述初始節(jié)點(diǎn)的表示，最后，對(duì)所有更新后的所述初始節(jié)點(diǎn)表征進(jìn)行匯總，得到最終的預(yù)測(cè)；所述模型會(huì)得到一個(gè)預(yù)測(cè)函數(shù)，用于預(yù)測(cè)分類結(jié)果，再在隨機(jī)梯度下降迭代法擬合參數(shù)的過程中使用所述正則化得到最終的用于預(yù)測(cè)分類結(jié)果的預(yù)測(cè)函數(shù)，所述模型預(yù)測(cè)函數(shù)的形式是： 其中，所述預(yù)測(cè)函數(shù)為沒有經(jīng)過正則化的預(yù)測(cè)函數(shù)，所述預(yù)測(cè)函數(shù)為經(jīng)過所述正則化處理的所述預(yù)測(cè)函數(shù)，為所述圖神經(jīng)網(wǎng)絡(luò)中的參數(shù)集合。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人上海交通大學(xué)寧波人工智能研究院，其通訊地址為：315012 浙江省寧波市海曙區(qū)南門街道南站西路29號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。