摘要
本发明公开了一种银行可疑交易特征自动识别方法及装置。收集银行交易记录,并对记录中的文本进行标准化处理,处理内容包括转账、消费、ATM取现等常见交易类型。然后,对标准化后的文本进行分词处理,提取关键信息词汇,并构建词汇表,该词汇表用于后续的Word2Vec模型训练。Word2Vec模型采用Skip‑Gram架构,通过预测上下文词来训练生成词向量,捕捉交易特征词汇之间的语义关系,并采用负采样方法减少模型计算量。训练过程中使用最大对数似然函数作为损失函数,优化模型参数。训练完成后,通过验证生成的词向量评估模型对可疑交易特征的识别精度,并根据验证结果进一步调整模型参数,以获得更准确的可疑交易识别模型。
技术关键词
Word2Vec模型
交易特征
自动识别方法
负采样方法
高风险
文本
资金
窗口技术
斯皮尔曼相关系数
分词
样本
自动识别装置
预测误差
处理单元
语义
自然语言
参数
非线性
动态更新
系统为您推荐了相关专利信息
库存周转率
深度强化学习
商品特征
深度Q网络
更新网络参数
企业融资风险评估
风险评估模型
资金流
逼近理想解排序
知识图谱技术
客户流失预测模型
训练样本数据
时间序列模型
随机森林模型
客户流失预测方法
电力系统规划评估
历史运行数据
指标
情景
电力系统拓扑结构
多任务学习模型
采购数据处理方法
数据安全
深度学习优化
库存周转率