一种无监督金融操作风险识别异构图深度学习方法

摘要

本发明公开了一种无监督金融操作风险识别异构图深度学习方法，属于计算机技术领域。包括步骤：S1：获取公司内部员工操作活动数据，整理为训练集；S2：搭建由自编码器、解码器、高斯混合模型估计网络组成的混合估计网络模型；S3：将S1中的训练集导入S2中搭建的混合估计网络模型中，进行无监督的模型训练，训练直至总的损失函数收敛为止得到异构图深度学习模型；S4：基于S2中自编码器输出的异构图的特征编码，输入到训练好的异构图深度学习模型，得到每个员工每天的操作活动图数据是否为异常操作的估计概率，完成员工异常操作活动预估识别任务。本发明可解决截面数据无法刻画员工不同操作活动的内在联系的情况，以及在对相关数据进行标注时费时费力的问题。