本公开涉及计算机，尤其涉及一种模型获取方法、装置、网络设备及存储介质。
背景技术：
1、随着科学技术的发展，为用户提供的服务越来越多，且提高服务质量成为用户关注的重点。其中，例如可以获取多个目标特征(一个或多个)，并对ai模型进行训练。但是由于模型之间性能存在差异，使得特征选择较为单一，使得风险预测模型获取的准确性较差。
技术实现思路
1、本公开提供一种模型获取方法、装置、网络设备及存储介质，以提高模型训练的准确性，提高欺诈风险预测的准确性。本公开的技术方案如下：
2、根据本公开实施例的第一方面，提供一种模型获取方法，包括：
3、根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱；
4、对所述反欺诈客户关系领域知识图谱中包括的特征集合进行族群归类，获取族群特征；
5、采用初始图神经网络模型对所述反欺诈客户关系领域知识图谱中的所述族群特征和个体特征进行学习，获取所述族群特征和所述个性特征之间的关联特征；
6、在所述关联特征满足特征要求的情况下，获取到目标图神经网络模型。
7、根据一些实施例，所述方法还包括：
8、获取用户特征数据；
9、采用所述目标图神经网络模型对所述用户特征数据进行识别，获取与所述用户特征数据对应的关系链路信息；
10、根据所述关系链路信息和变异预测链路集合，确定与所述用户特征数据对应的欺诈风险信息。
11、根据一些实施例，在所述根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱之后，还包括：
12、通过关系图对所述反欺诈客户关系领域知识图谱进行展示，获取所述反欺诈客户关系领域知识图谱对应的展示图像；
13、采用分段线性混沌加密算法对所述展示图像进行加密，并存储所述展示图像。
14、根据一些实施例，所述根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱，包括：
15、对收集的第一历史用户特征数据进行数据预处理，得到第二历史用户特征数据，其中，所述数据预处理包括特征标注处理、预分类处理、初始化边界数和社区模块化的度量值处理；
16、采用社团发现算法对所述第二历史用户特征数据进行数据处理，去除所述初始化边界数和社区模块化的度量值，得到第三历史用户特征数据，并对所述第三历史用户特征数据进行加密，将加密后的第三历史用户特征数据存储至区块链节点。
17、根据一些实施例，所述采用初始图神经网络模型对所述反欺诈客户关系领域知识图谱中的所述族群特征和个体特征进行学习，获取目标图神经网络模型，包括：
18、采用初始图神经网络模型对所述反欺诈客户关系领域知识图谱中的所述族群特征和个体特征进行学习，获取第一历史用户特征数据对应的各数据源的权重；
19、根据所述各数据源的权重，获取目标图神经网络模型。
20、根据一些实施例，所述方法还包括：
21、采用随机变异操作，对用户操作进行多次模拟，生成变异预测链路集合；
22、将所述变异预测链路集合添加至所述第一历史用户数据，得到第四历史用户数据；
23、采用所述第四历史用户数据，重复执行建立反欺诈客户关系领域知识图谱的步骤。
24、根据一些实施例，所述方法还包括：
25、采用分段线性混沌映射将所述变异预测链路集合转换为二进制数据，并存储所述二进制数据。
26、根据本公开实施例的第二方面，提供一种模型获取装置，包括：
27、图谱建立单元，用于根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱；
28、特征获取单元，用于对所述反欺诈客户关系领域知识图谱中包括的特征集合进行族群归类，获取族群特征；
29、所述特征获取单元，还用于采用初始图神经网络模型对所述反欺诈客户关系领域知识图谱中的所述族群特征和个体特征进行学习，获取所述族群特征和所述个性特征之间的关联特征；
30、模型获取单元，用于在所述关联特征满足特征要求的情况下，获取到目标图神经网络模型。
31、根据本公开实施例的第三方面，提供一种网络设备，包括：
32、处理器；
33、用于存储所述处理器可执行指令的存储器；
34、其中，所述处理器被配置为执行所述指令，以实现前述一方面中任一项所述的模型获取方法。
35、根据本公开实施例的第四方面，提供了一种存储介质，当所述存储介质中的指令由网络设备的处理器执行时，使得网络设备能够执行前述一方面中任一项所述的模型获取方法。
36、根据本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。
37、本公开的实施例提供的技术方案至少带来以下有益效果：
38、在一些或者相关实施例中，通过根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱；对所述反欺诈客户关系领域知识图谱中包括的特征集合进行族群归类，获取族群特征；采用初始图神经网络模型对所述反欺诈客户关系领域知识图谱中的所述族群特征和个体特征进行学习，获取所述族群特征和所述个性特征之间的关联特征；在所述关联特征满足特征要求的情况下，获取到目标图神经网络模型。因此历史用户特征数据之间的关联关系，获取用户特征数据之间的隐藏关系，且可以通过知识图谱进行用户特征的追踪，可以，可以减少特征选择较为单一导致模型训练准确性较差的情况，可以提高模型训练的准确性，提高欺诈风险预测的准确性。
39、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
1.一种模型获取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱之后，还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据收集的第一历史用户特征数据，建立反欺诈客户关系领域知识图谱，包括：
5.根据权利要求1所述的方法，其特征在于，所述采用初始图神经网络模型对所述反欺诈客户关系领域知识图谱中的所述族群特征和个体特征进行学习，获取目标图神经网络模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种模型获取装置，其特征在于，包括：
9.一种网络设备，其特征在于，包括：
10.一种存储介质，当所述存储介质中的指令由网络设备的处理器执行时，使得网络设备能够执行如权利要求1至7中任一项所述的模型获取方法。
