(19)中华 人民共和国 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 202111524368.4 (22)申请日 2021.12.14 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 李策　郝芳　李熠　黄寅　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 黄丽霞 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 样本筛选方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及人工智能领域， 具体涉及一种样 本筛选方法、 装置、 计算机设备、 存储介质和计算 机程序产品。 所述方法包括： 获取训练完成的第 一模型的模型算法； 根据第一模型的模型算法， 确定多个初始化的子模型； 多个子模 型中的每个 子模型的模 型超参数保持一致； 通过全量待筛选 样本集分别对每个子模型进行训练， 得到多个检 验模型； 通过多个检验模型对全量待筛选样本集 中的每个样 本进行预测， 得到与每个样本分别对 应的多个预测结果； 基于每个训练样本分别对应 的预测结果， 从全量待筛选样 本集中筛选出候选 异常样本； 从候选异常样本中筛选出目标异常样 本， 并从全量待筛选样本集中剔除目标异常样 本， 得到正常样本集。 采用本方法能够提高样本 筛选的效率。 权利要求书2页 说明书15页 附图3页 CN 114169460 A 2022.03.11 CN 114169460 A 1.一种样本 筛选方法， 其特 征在于， 所述方法包括： 获取训练完成的第一模型的模型算法， 其中， 所述第一模型通过全量待筛选样本集进 行训练得到； 根据所述第一模型的模型算法， 确定多个初始化的子模型； 多个子模型中的每个子模 型的模型超参数保持一 致； 通过所述全量待筛选样本集分别对每个所述子模型进行训练， 得到多个检验模型， 其 中， 每个子模型在训练时采用不同的随机数种子； 通过所述多个检验模型对所述全量待筛选样本集中的每个样本进行预测， 得到与每个 样本分别对应的多个预测结果； 基于每个训练样本分别对应的预测结果， 从所述全量待筛选样本集中筛选出候选异常 样本； 从所述候选异常样本中筛选出目标异常样本， 并从所述全量待筛选样本集中剔除所述 目标异常样本， 得到正常样本集。 2.根据权利要求1所述的方法， 其特 征在于， 所述第一模型的训练步骤， 包括： 基于目标机器学习算法构建待训练的第一模型； 获取全量待筛 选样本集， 并将所述全量待筛 选样本集分为训练集和 测试集； 将所述待训练的第一模型在所述训练集上进行训练， 并在所述测试集上进行测试， 直 到达到训练停止条件时停止， 得到训练完成的第一模型。 3.根据权利要求1所述的方法， 其特征在于， 所述通过所述全量待筛选样本集分别对每 个所述子模型进行训练， 得到多个 检验模型， 包括： 获取全量待筛 选样本集， 并将所述全量待筛 选样本集分为训练集和 测试集； 将多个子模型构成初始检验 模型序列； 将所述初始检验模型序列中的每个子模型分别采用不同的随机数种子在所述训练集 上进行训练， 并在所述测试集上进行测试， 得到多个训练完成的检验模型； 其中， 多个子模 型对应的训练完成的检验 模型共同组成训练完成的检验 模型序列。 4.根据权利要求1所述的方法， 其特征在于， 所述基于每个训练样本分别对应的预测结 果， 从所述全量待筛 选样本集中筛 选出候选异常样本， 包括： 对于每个训练样本， 统计与相应训练样本所对应的多个预测结果中表征预测信心不足 的预测结果的个数； 基于表征预测信心不足的预测结果的个数、 以及所述检验模型的总个数， 确定与相应 训练样本对应的判定系数； 当所述判定系数 大于预设阈值时， 则确定相应训练样本为 候选异常样本 。 5.根据权利要求1所述的方法， 其特征在于， 所述从所述候选异常样本中筛选出目标异 常样本， 包括： 基于预设核查规则对多个所述候选异常样本进行逐个核查， 判断每个所述候选异常样 本是否为真实的异常样本， 若是， 则将真实的异常样本作为目标异常样本 。 6.根据权利要求1所述的方法， 其特征在于， 所述从所述候选异常样本中筛选出目标异 常样本， 并从所述全量待筛 选样本集中剔除所述目标异常样本， 得到正常样本集， 包括： 获取通过全量待筛 选样本集进行训练得到的第二模型；权　利　要　求　书 1/2 页 2 CN 114169460 A 2从所述全量待筛选样本集中逐个剔除候选异常样本， 每剔除一次， 则将所述第二模型 在待筛选样本集的训练集的剩余样本中进 行重新训练， 并在待筛选样本集的测试集中进 行 测试， 查看训练效果是否提升； 若训练效果提升， 则确定当次剔除的候选异常样本为目标异常样本， 若训练效果下降， 则确定当次剔除的候选异常样本为 正常样本； 将所述待筛选样本集的训练集中的候选异常样本全部剔除之后， 对所述待筛选样本集 的训练集和 测试集进行重新划分， 确保上一次测试集中的样本全部在这 一次的训练集中； 返回所述从所述全量待筛选样本集中逐个剔除候选异常样本的步骤继续执行， 直到完 成对所有候选异常样本的样本检验为止； 将所述全量待筛选样本集中的目标异常样本全部剔除后的剩余样本， 组成正常样本 集。 7.一种样本 筛选装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取训练完成的第 一模型的模型算法， 其中， 所述第 一模型通过全量待 筛选样本集进行训练得到； 初始化模块， 用于根据 所述第一模型的模型算法， 确定多个初始化的子模型； 多个子模 型中的每 个子模型的模型超参数保持一 致； 训练模块， 用于通过所述全量待筛选样本集分别对每个所述子模型进行训练， 得到多 个检验模型， 其中， 每 个子模型在训练时采用不同的随机数种子； 预测模块， 用于通过所述多个检验模型对所述全量待筛选样本集中的每个样本进行预 测， 得到与每 个样本分别对应的多个预测结果； 筛选模块， 用于基于每个训练样本分别对应的预测结果， 从所述全量待筛选样本集中 筛选出候选异常样本； 所述筛选模块， 还用于从所述候选异常样本中筛选出目标异常样本， 并从所述全量待 筛选样本集中剔除所述目标异常样本， 得到正常样本集。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114169460 A 3