模型训练方法、账号评分方法、装置、设备、介质和产品与流程

1.本公开涉及人工智能领域，尤其涉及机器学习领域和内容推荐领域，可应用于链接抓取和链接库维护场景，并且更具体地，涉及模型训练方法、账号评分方法、模型训练装置、账号评分装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.在因特网中每天都会产出数以千亿记甚至更多的链接数据，与由优质管理账号产生的、能够链接到具有正向价值的优质内容的链接数据相比，更多的链接数据链接到的是无价值的垃圾内容甚至不良内容。如果放任这些链接到垃圾内容甚至不良内容的有危害的链接进入正常因特网生态中并展现在大众的视野当中，不仅仅会降低用户对因特网的体验，还会在一定程度上助长不良信息的传播。同时，搜索引擎前端展现模块也会使用链接库来筛选出满足用户查询的链接资源，因此链接库内过多的垃圾链接或者无价值的链接也会严重影响用户的查询体验。
3.然而，传统的用于链接抓取和链接库维护的技术无法高效地解决上述问题。


技术实现要素：

4.根据本公开的实施例，提供了一种模型训练方法、账号评分方法、模型训练装置、账号评分装置、电子设备、计算机可读存储介质和计算机程序产品。
5.在本公开的第一方面中，提供了一种模型训练方法，包括：获取与管理账号相关联的站点的站点统计信息；以及训练账号评分模型，使得使用经训练的账号评分模型，基于站点统计信息所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分的差别小于阈值差别。
6.在本公开的第二方面中，提供了一种账号评分方法，包括使用根据本公开的第一方面而被训练的账号评分模型，确定针对待评分管理账号的评分。
7.在本公开的第三方面中，提供了一种模型训练装置，包括：第一信息获取模块，被配置为获取与管理账号相关联的站点的站点统计信息；以及模型训练模块，被配置为训练账号评分模型，使得使用经训练的账号评分模型，基于站点统计信息所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分的差别小于阈值差别。
8.在本公开的第四方面中，提供了一种账号评分装置，被配置为使用由根据本公开的第三方面的模型训练装置训练的账号评分模型，确定针对待评分管理账号的评分。
9.在本公开的第五方面中，提供了一种电子设备，包括至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够实现根据本公开的第一方面的方法。
10.在本公开的第六方面中，提供了一种电子设备，包括至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够实现根据本公开的第二方面的方法。
11.在本公开的第七方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机实现根据本公开的第一方面的方法。
12.在本公开的第八方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机实现根据本公开的第二方面的方法。
13.在本公开的第九方面中，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时，执行根据本公开的第一方面的方法。
14.在本公开的第十方面中，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时，执行根据本公开的第二方面的方法。
15.利用根据本技术的技术，提供了一种账号评分方法，利用该方法的技术方案，可以基于与管理账号相关联的站点的站点统计信息来训练账号评分模型，以用于对管理账号进行准确和高效的评分，从而可以利用评分来反映与管理账号相关联的链接的质量并且进行相应的处理，因此能够提高链接抓取和链接库维护的质量和效率，不仅能够节省链接库的存储资源，也能够提升使用链接库的用户的用户体验。
16.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
17.通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中在本公开示例性实施例中，相同的参考标号通常代表相同部件。应当理解，附图用于更好地理解本方案，不构成对本公开的限定。其中：
18.图1示出了可以在其中实现本公开的某些实施例中的模型训练方法的模型训练环境100的示意性框图；
19.图2示出了根据本公开实施例的模型训练方法200的流程图；
20.图3示出了根据本公开实施例的账号评分方法300的流程图；
21.图4示出了根据本公开的实施例的模型训练装置400的示意性框图；以及
22.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
23.在各个附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
24.下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
25.在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
26.如以上在背景技术中所描述的，传统的用于链接抓取链接库维护的技术存在不足。具体而言，在传统方案中，针对网页页面，可以使用例如spider的网络爬虫来抓取网页的内容，并且对内容进行解析来判断价值生态等相关信息；针对链接数据，可以通过向网页页面的跳转指向关系来进行初步的判断。然而，这些方式大都以链接数据为单位进行判断，因此在效率上存在不足。
27.为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个问题，考虑到针对站点背后的站长，大部分生产垃圾数据的站长都是有利益驱动的并且所掌控的站点也有很大的相关性，本公开的实施例提出了一种账号评分方法，利用该方法的技术方案，可以基于与管理账号相关联的站点的站点统计信息来训练账号评分模型，以用于对管理账号进行准确和高效的评分，从而可以利用评分来反映与管理账号相关联的链接的质量并且进行相应的处理，因此能够提高链接抓取和链接库维护的质量和效率，不仅能够节省链接库的存储资源，也能够提升使用链接库的用户的用户体验。
28.图1示出了可以在其中实现本公开的某些实施例中的模型训练方法的模型训练环境100的示意性框图。根据本公开的一个或多个实施例，模型训练环境100可以是云环境。如图1中所示，模型训练环境100包括计算设备110。在模型训练环境100中，训练相关数据120作为计算设备110的输入被提供给计算设备110。训练相关数据120例如可以包括与管理账号相关联的站点的站点统计信息。根据本公开的一个或多个实施例，个人或者企业可以通过注册管理账号来购买域名，并且可以在域名下建立多个站点，并且进一步地可以推送与所建立的站点相关联的数据，例如链接到站点或者站点中的内容的链接。因此，每个站点都可以与对应的管理账号相关联，并且每个管理账号也可以与一个或多个域名以及一个或多个站点相关联。
29.计算设备110可以与账号评分模型130进行交互，例如，计算设备110可以将训练相关数据120中的至少一部分提供给账号评分模型130，从账号评分模型130接收由账号评分模型130基于训练相关数据120而确定的针对管理账号的评分，以及通过将由账号评分模型130确定的针对管理账号的评分与对应的、针对管理账号预先标注的标注评分进行比较，并且判断比较得到的差别是否小于阈值差别来向账号评分模型130发出调整账号评分模型130的参数的指令，以对账号评分模型130进行训练。
30.根据本公开的一个或多个实施例，在模型训练环境100中，当计算设备110接收到由账号评分模型130基于训练相关数据120而确定的针对管理账号的评分之后，可以通过将由账号评分模型130确定的针对管理账号的评分与对应的、针对管理账号预先标注的标注评分进行比较来向账号评分模型130发出调整账号评分模型130的参数的指令，从而使得由账号评分模型130确定的针对管理账号的评分与对应的针对管理账号预先标注的标注评分的差别尽可能小。
31.应当理解，模型训练环境100仅仅是示例性而不是限制性的，并且其是可扩展的，其中可以包括更多的计算设备110，并且可以向计算设备110提供更多的训练相关数据120作为输入，计算设备110也可以与更多的账号评分模型130进行交互，从而使得可以满足更多用户同时利用更多的计算设备110，甚至利用更多的训练相关数据120来同时或者非同时地训练账号评分模型130的需求。此外，计算设备110也可以在完成对账号评分模型130的训练之后，使用经训练的账号评分模型130来确定针对待评分管理账号的评分。
32.在图1所示的模型训练环境100中，向计算设备110输入训练相关数据120以及计算设备110与账号评分模型130之间的交互可以通过网络来进行。
33.图2示出了根据本公开的实施例的模型训练方法200的流程图。具体而言，模型训练方法200可以由图1中所示的模型训练环境100中的计算设备110来执行。应当理解的是，模型训练方法200还可以包括未示出的附加操作和/或可以省略所示出的操作，本公开的范围在此方面不受限制。
34.在框202，计算设备110获取与管理账号相关联的站点的站点统计信息。根据本公开的一个或多个实施例，管理账号可以包括用于购买域名以及建立站点的账号，因此管理账号通常可以与一个或多个域名以及一个或多个站点相关联。
35.根据本公开的一个或多个实施例，获取站点统计信息可以包括获取以下至少一项：站点的因特网内容提供方备案统计信息；以及所获得的与站点相关联的链接被存储在链接库中的比例。
36.站点的因特网内容提供方备案统计信息可以包括站点中、已进行因特网内容提供方备案的站点的比例。一般而言，经过备案的站点的质量相对较高。因此，如果与管理账号相关联的站点中、已进行因特网内容提供方备案的站点的比例较高，则可以认为管理账号的质量较高，对于此类管理账号的评分也可以较高。
37.站点的因特网内容提供方备案统计信息也可以包括已进行因特网内容提供方备案的站点的备案时间。一般而言，因特网内容提供方备案时间越久远，则因特网内容提供方备案对站点质量的证明力越弱，因为站点有可能更换了管理人或者维护人。反之，因特网内容提供方备案时间越近，则因特网内容提供方备案对站点质量的证明力越强。因此，如果因特网内容提供方备案时间更近，则可以认为与该站点相关联的管理账号的质量越高，对于此类管理账号的评分也可以较高。
38.所获得的与站点相关联的链接被存储在链接库中的比例可以包括由抓取器抓取到的、与某站点相关联的全部链接中，最终被存储到链接库中的链接数量的占比。一般而言，由于链接库中所存储的是质量较高的链接。因此，如果某个站点被存储到链接库中的链接的比例越高，则说明这个站点的质量越高，并且可以认为与该站点相关联的管理账号的质量越高，对于此类管理账号的评分也可以较高。
39.根据本公开的一个或多个实施例，获取站点统计信息可以包括获取以下至少一项：站点的导流统计信息；以及被存储在链接库中的、与站点相关联的链接的存储统计信息。
40.站点的导流统计信息可以包括从站点被导流到的页面的质量。一般而言，如果从站点被导流到的页面质量较低，例如涉及诸如抄站的低质量内容甚至不良内容，则可以通过这样的导流统计信息确定站点的质量较低，并且可以认为与该站点相关联的管理账号的质量较低，对于此类管理账号的评分也可以较低。
41.站点的导流统计信息也可以包括站点中的、导流到其他站点的链接的比例。一般而言，如果某站点中包括大量导流到其他站点的链接，则可以认为这样的站点的质量较低，并且可以认为与该站点相关联的管理账号的质量较低，对于此类管理账号的评分也可以较低。
42.根据本公开的一个或多个实施例，获取站点统计信息可以包括获取以下至少一
项：站点所属于的主域所包括的站点数量；以及站点的因特网协议地址统计信息。
43.一般而言，同一管理账号可以在一个主域中建立多个站点，但为了能够更好地维护站点，在主域中不会建立过多的站点。因此，如果主域中的站点数量过大，则可以认为这样的站点的质量较低，并且可以认为与该站点相关联的管理账号的质量较低，对于此类管理账号的评分也可以较低。
44.站点的因特网协议地址统计信息可以包括站点的因特网协议地址指向外国服务器的比例。一般而言，在国内访问外国服务器时的访问性能会较低，并且有可能出现连接不稳定的情况。因此，正常的站点为了能够提供更好的服务大都会选择国内服务器。此外，使用外国服务器还可能是出于规避相关法律法规来建立不良站点的情况。因此，站点的因特网协议地址指向外国服务器的比例较高，则可以认为这样的站点的质量较低，并且可以认为与该站点相关联的管理账号的质量较低，对于此类管理账号的评分也可以较低。
45.在前述站点统计信息中，站点的因特网内容提供方备案统计信息以及所获得的与站点相关联的链接被存储在链接库中的比例是最为重要的站点统计信息，利用它们可以容易地标识出高质量的站点以及相关联的管理账号。站点的导流统计信息以及被存储在链接库中的、与站点相关联的链接的存储统计信息是参考度稍低的站点统计信息。站点所属于的主域所包括的站点数量以及站点的因特网协议地址统计信息是参考度最低的站点统计信息。
46.在框204，计算设备110训练账号评分模型130，使得使用经训练的账号评分模型130，基于在框202所获取的站点统计信息所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分的差别小于阈值差别。如前所述，站点统计信息可以包括站点的因特网内容提供方备案统计信息、所获得的与站点相关联的链接被存储在链接库中的比例、站点的导流统计信息、被存储在链接库中的、与站点相关联的链接的存储统计信息、站点所属于的主域所包括的站点数量以及站点的因特网协议地址统计信息是参考度最低的站点统计信息，并且前述站点统计信息的参考度存在不同。因此，在训练账号评分模型130时，计算设备110可以对前述站点统计信息按照参考度进行不同的加权，从而使得可以更好地体现更为重要的站点统计信息所带来的影响。
47.根据本公开的一个或多个实施例，计算设备110可以训练账号评分模型130，使得使用经训练的账号评分模型130，基于在框202所获取的站点统计信息所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分的差别尽可能小或者收敛。
48.根据本公开的一个或多个实施例，可以引入损失分数来有助于对由账号评分模型130所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分进行比较。例如，计算设备110可以使用损失函数，针对由账号评分模型130所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分确定评分损失分数，并且随后调整账号评分模型130的参数，使得针对由账号评分模型130所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分确定的评分损失分数尽可能小。
49.根据本公开的一个或多个实施例，在对账号评分模型130进行训练时，可以根据管理账号、在框202所获取的站点统计信息以及针对管理账号预先标注的标注评分获取正负样本来训练对账号评分模型130。
50.应当理解，在计算设备110对账号评分模型130进行训练时，可以使用大量的管理
账号、与这些管理账号相关联的站点的站点统计信息以及与这些管理账号对应的、预先标注的标注评分来对账号评分模型130进行训练。
51.图3示出了根据本公开实施例的账号评分方法300的流程图。具体而言，账号评分方法300可以由图1中所示的模型训练环境100中的计算设备110来执行。应当理解的是，账号评分方法300还可以包括未示出的附加操作和/或可以省略所示出的操作，本公开的范围在此方面不受限制。
52.在框302，计算设备110使用根据模型训练方法200而被训练的账号评分模型130，确定针对待评分管理账号的评分。根据本公开的一个或多个实施例，当获取了与待评分管理账号相关联的站点的站点统计信息之后，计算设备110可以使用根据模型训练方法200而被训练的账号评分模型130来确定针对待评分管理账号的评分。
53.在框304，计算设备110确定在框304确定的评分是否高于第一阈值评分。如果在框302确定的评分高于第一阈值评分，则方法300前进到框306；否则，方法300前进到框308。根据本公开的一个或多个实施例，第一阈值评分为预设的阈值评分，并且评分高于第一阈值评分的待评分管理账号被认为是高质量管理账号。
54.在框306，计算设备110将与待评分管理账号相关联的链接存储在链接库中。
55.在框308，计算设备110确定在框302确定的评分是否低于第二阈值评分，其中第二阈值评分低于或等于第一阈值评分。如果在框302确定的评分低于第二阈值评分，则方法300前进到框310；否则，方法300前进到框312。
56.在框310，计算设备110将与待评分管理账号相关联的链接丢弃。
57.在框312，计算设备110将与待评分管理账号相关联的链接中的预定比例的链接存储在链接库中。根据本公开的一个或多个实施例，框312所涉及的情况是第二阈值评分低于第一阈值评分，并且针对待评分管理账号的评分落入第一阈值评分和第二阈值评分之间的情况。此时可以不将与待评分管理账号相关联的全部链接均存储到链接库中。
58.根据本公开的一个或多个实施例，前述预定比例和与待评分管理账号相关联的站点的类别相关联。例如，站点的类别可以包括体育、财经、休闲等，并且可以预设体育类别的链接在链接库中的所占的比例不能超过10％。在这种情况中，如果针对待评分管理账号的评分落入第一阈值评分和第二阈值评分之间，并且将与待评分管理账号相关联的全部链接均存储到链接库中会导致体育类别的链接在链接库中的所占的比例超过10％，则可以减少被存储到链接库中的链接数目，以满足上述比例要求。
59.应当理解，当待评分管理账号针对的是已经被存储在链接库中的链接时，可以修改方法300以无需框306的步骤，从而使得如果待评分管理账号的评分高于第一阈值评分则可以不进行任何操作，并且如果待评分管理账号的评分低于第一阈值评分，可则进一步通过判断待评分管理账号的评分是否低于第二阈值评分来确定是将与待评分管理账号相关联的链接丢弃还是将与待评分管理账号相关联的链接中的预定比例的链接存储在链接库中。
60.此外，方法300还可以包括未示出的其他步骤。例如，方法300可以首先确定待评分管理账号的评分是否低于比第二阈值评分更低的第三阈值评分，并且如果待评分管理账号的评分低于第三阈值评分，则所述待评分管理账号。
61.根据本公开的一个或多个实施例，在对待评分管理账号进行评分之后，也可以进
一步获取与待评分管理账号相关联的其他管理账号，并且将这些管理账号确定为具有与待评分管理账号相同的评分，并且依照分数的高低来进行如方法300中所记载的处理。例如，如果存在某管理账号与待评分管理账号均具有链接到同一不良站点的链接，则可以认为该管理账号与待评分管理账号相关联，并且可以据此之前前述操作。
62.以上参考图1至图3描述了与可以在其中实现本公开的某些实施例中的模型训练方法的模型训练环境100、根据本公开实施例的模型训练方法200、以及根据本公开实施例的账号评分方法300的相关内容。应当理解，上述描述是为了更好地展示本公开中所记载的内容，而不是以任何方式进行限制。
63.应当理解，本公开的上述各个附图中所采用的各种元件的数目和物理量的大小仅为举例，而并不是对本公开的保护范围的限制。上述数目和大小可以根据需要而被任意设置，而不会对本公开的实施方式的正常实施产生影响。
64.上文已经参见图1至图3描述了根据本公开的实施方式的模型训练方法200和账号评分方法300的细节。在下文中，将参见图4描述模型训练装置中的各个模块。
65.图4是根据本公开实施例的模型训练装置400的示意性框图。如图4所示，模型训练装置400可以包括：第一信息获取模块410，被配置为获取与管理账号相关联的站点的站点统计信息；以及模型训练模块420，被配置为训练账号评分模型，使得使用经训练的账号评分模型，基于站点统计信息所确定的、针对管理账号的评分和针对管理账号预先标注的标注评分的差别小于阈值差别。
66.在一个或多个实施例中，其中第一信息获取模块410包括：第二信息获取模块(未示出)，被配置为获取以下至少一项：站点的因特网内容提供方备案统计信息；以及所获得的与站点相关联的链接被存储在链接库中的比例。
67.在一个或多个实施例中，其中第一信息获取模块410包括：第三信息获取模块(未示出)，被配置为获取以下至少一项：站点的导流统计信息；以及被存储在链接库中的、与站点相关联的链接的存储统计信息。
68.在一个或多个实施例中，其中第一信息获取模块410包括：第四信息获取模块(未示出)，被配置为获取以下至少一项：站点所属于的主域所包括的站点数量；以及站点的因特网协议地址统计信息。
69.通过以上参考图1至图4的描述，根据本公开的实施方式的技术方案相对于传统方案具有诸多优点。例如，利用该方法的技术方案，可以基于与管理账号相关联的站点的站点统计信息来训练账号评分模型，以用于对管理账号进行准确和高效的评分，从而可以利用评分来反映与管理账号相关联的链接的质量并且进行相应的处理，因此能够提高链接抓取和链接库维护的质量和效率，不仅能够节省链接库的存储资源，也能够提升使用链接库的用户的用户体验。
70.具体而言，根据本公开的实施方式的技术方案可以基于与管理账号相关联的站点的站点统计信息来判断与管理账号相关联的大规模链接的链接质量，并且可以基于大量种类丰富的站点统计信息来判断链接的质量。换言之，根据本公开的实施方式的技术方案可以通过从链接映射到站点，从站点映射到管理账号，从而在根源上把控产生链接到垃圾内容或者不良内容的链接的管理账号，从而可以精准地打击低质链接。再次，根据本公开的实施方式的技术方案可以支持清理链接库中所存储的垃圾链接或者无价值的链接，从而可以
有效地节省链接库的存储资源，进而可以保证良好的链接库使用环境。
71.根据本公开的实施例，还提供了一种被配置为使用由根据本公开的模型训练装置400训练的账号评分模型来确定针对待评分管理账号的评分的账号评分装置、一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
72.对于被配置为使用由根据本公开的模型训练装置400训练的账号评分模型来确定针对待评分管理账号的评分的账号评分装置，在一个或多个实施例中，账号评分装置还包括：第一链接存储模块，被配置为如果评分高于第一阈值评分，则将与待评分管理账号相关联的链接存储在链接库中。
73.在一个或多个实施例中，账号评分装置还包括：链接丢弃模块，被配置为如果评分低于第二阈值评分，则将与待评分管理账号相关联的链接丢弃。
74.在一个或多个实施例中，账号评分装置还包括：账号禁用模块，被配置为如果评分低于第三阈值评分，则禁用待评分管理账号。
75.在一个或多个实施例中，账号评分装置还包括：第二链接存储模块，被配置为如果评分属于阈值评分范围，则将与待评分管理账号相关联的链接中的预定比例的链接存储在链接库中，并且其中预定比例和与待评分管理账号相关联的站点的类别相关联。
76.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。例如，如图1所示的计算设备110和如图4所示的模型训练装置400可以由电子设备500来实施。电子设备500旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
77.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
78.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
79.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如模型训练方法200和账号评分方法300。例如，在一些实施例中，模型训练方法200和账号评分方法300可以被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram 503并由计算单元501执行
时，可以执行上文描述的模型训练方法200和账号评分方法300的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行模型训练方法200和账号评分方法300。
80.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
81.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
82.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
83.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
84.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
85.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计
算机程序来产生客户端和服务器的关系。
86.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
87.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。