一种区块链地址分类方法和装置与流程
本发明涉及计算机技术领域，尤其涉及一种区块链地址分类方法和装置。
背景技术：
目前，区块链地址的常见分类方法中，共同输入启发式分类方法基于一个重要假设，即如果一笔交易中同时有多个输入地址，则认为这些输入地址是来自同一个实体，简言之，向同一对象转账的不同地址被认为是来自一个实体。当基本假设不成立时，例如同一笔交易中存在来自其他实体的输入，或出现单一输入的情况，地址标注结果将不再可靠，且初始地址标签的标注必须准确，否则后续辐射所得的结果将全部不可靠。找零地址启发式识别方法是一种针对utxo(未消费的交易输出)模型数据结构的经典分类方法。utxo一经创建不可被拆分，所以区块链交易中常出现“找零”，即付款者支出的“钱”(一般是加密货币)大于接受者收账的“钱”，此时需将多余的“钱”转移到找零地址。该算法首先需要判断是否存在找零行为，再判断哪个地址为找零地址，所以存在误差传递问题，且该算法对规则或假设的依赖性过高，导致算法的泛化性不足，并且需经历多次遍历，对硬件资源和时间成本要求较高。而现有的线性决策边界分类器虽然在不少应用场景中有不错的表现，但在区块链地址分类中效果却不理想，存在由于模型误设、样本权重恒定、各标签样本分布不均等因素导致的分类准确率低问题。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
对区块链地址分类准确率低、可靠性差，还会存在误差传递问题、算法泛化性不足、对硬件资源和时间成本要求较高等缺陷。
技术实现要素：
有鉴于此，本发明实施例提供一种区块链地址分类方法和装置，能够提高对区块链地址分类的准确率和可靠性，并克服现有技术存在的误差传递问题、算法泛化性不足、对硬件资源和时间成本要求较高等缺陷。
为实现上述目的，根据本发明实施例的一个方面，提供了一种区块链地址分类方法。
一种区块链地址分类方法，包括：确定第一区块链地址样本的集合，每个所述第一区块链地址样本包括表示区块链地址的第一数量的特征；利用所述第一区块链地址样本的集合，迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的所述加权平均错误率与各所述第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的所述加权平均错误率计算该分类器的分类器权重，所述第一区块链地址样本在本次迭代中的样本权重，是基于所述第一区块链地址样本的样本权重初始值或所述第一区块链地址样本在上次迭代中的样本权重计算得到的；基于所述迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，所述区块链地址分类模型用于确定待分类区块链地址的类别。
可选地，所述确定第一区块链地址样本的集合，包括：获取第二区块链地址样本的集合，每个所述第二区块链地址样本包括表示区块链地址的第二数量的特征，所述第二数量大于或等于第一数量；进行多轮特征筛选，以从所述第二数量的特征中选出所述第一数量的特征，以各所述第二区块链地址样本中选出的所述第一数量的特征，构建对应的所述第一区块链地址样本，以确定所述第一区块链地址样本的集合。
可选地，所述进行多轮特征筛选，以从所述第二数量的特征中选出所述第一数量的特征，包括在每轮特征筛选中，执行以下步骤：使用待筛选特征集合中的单一特征，训练简化版分类器，所述简化版分类器与所述待筛选特征集合中的特征一一对应，所述待筛选特征集合为所述第二数量的特征中尚未被选出的特征构成的集合；计算各所述简化版分类器的错误率，以得到最小错误率；若所述最小错误率小于或等于预设阈值，则将对应所述最小错误率的所述简化版分类器所使用的特征选出，并更新所述待筛选特征集合；若所述最小错误率大于所述预设阈值时，则结束所述多轮特征筛选的流程，以得到所述第一数量的特征。
可选地，通过如下方式计算所述简化版分类器的错误率：计算所述简化版分类器对应每个训练样本的预测值和标签值，所述训练样本包括训练所述简化版分类器所使用的所述单一特征；将每一所述训练样本的预测值与标签值之差的绝对值，分别通过符号函数进行处理得到对应的第一符号函数值，将各所述第一符号函数值按照对应的训练样本在本轮筛选中对应的权重进行加权求和，得到所述简化版分类器的错误率。
可选地，所述若所述最小错误率小于或等于预设阈值，则将对应所述最小错误率的所述简化版分类器所使用的特征选出之后，还包括：将所述训练样本在对应所述最小错误率的所述简化版分类器得到的标签值和预测值之差的绝对值，通过符号函数进行处理得到第二符号函数值，利用本轮特征筛选中计算出的所述最小错误率与所述第二符号函数值，计算用于更新训练样本权重的系数；将所述训练样本在本轮筛选中对应的权重与所述系数相乘，以将所述训练样本的当前权重更新为所述训练样本在下轮筛选中对应的权重。
可选地，所述利用所述第一区块链地址样本的集合，迭代训练选定的分类器之前，包括通过如下方式确定所述迭代训练的最优迭代次数：将所述第一区块链地址样本的集合划分为k个子集，每次利用k-1个子集训练一个分类器，每次训练后计算出一个交叉验证错误率估计值；利用各次训练得到的交叉验证错误率估计值，计算交叉验证错误率估计值方差，以选出最小交叉验证错误率估计值对应的目标迭代次数；计算所述最小交叉验证错误率估计值与交叉验证错误率估计值标准差二者的加和，在预设的迭代次数集合中，选出对应的所述交叉验证错误率估计值不大于所述加和的各迭代次数之中的最小值，作为所述最优迭代次数。
可选地，在每次迭代时，通过如下方式计算所述加权平均错误率：将每一所述第一区块链地址样本的标签值与预测值之差的绝对值，分别通过符号函数进行处理得到对应的第三符号函数值，将各所述第三符号函数值，按照对应的所述第一区块链地址样本在所述本次迭代中的样本权重进行加权求和，得到加权和，将所述加权和与所述本次迭代中所有所述样本权重之和的比值，作为所述加权平均错误率。
可选地，在本次迭代是第一次迭代的情况下，所述第一区块链地址样本在本次迭代中的样本权重，为所述第一区块链地址样本的样本权重初始值；在本次迭代不是第一次迭代的情况下，所述第一区块链地址样本在本次迭代中的样本权重，通过计算以下三项的乘积得到：所述第一区块链地址样本在上次迭代中的样本权重、利用本次迭代中的分类器权重通过预设函数运算得到的值、所述第一区块链地址样本对应的所述第三符号函数值，其中，所述预设函数为以e为底的指数函数。
可选地，各次迭代所选定的分类器为相同或不同的线性决策边界分类器。
根据本发明实施例的另一方面，提供了一种区块链地址分类装置。
一种区块链地址分类装置，包括：第一区块链地址样本集确定模块，用于确定第一区块链地址样本的集合，每个所述第一区块链地址样本包括表示区块链地址的第一数量的特征；分类器迭代训练模块，用于利用所述第一区块链地址样本的集合，迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的所述加权平均错误率与各所述第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的所述加权平均错误率计算该分类器的分类器权重，所述第一区块链地址样本在本次迭代中的样本权重，是基于所述第一区块链地址样本的样本权重初始值或所述第一区块链地址样本在上次迭代中的样本权重计算得到的；区块链地址分类模型确定模块，用于基于所述迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，所述区块链地址分类模型用于确定待分类区块链地址的类别。
可选地，所述第一区块链地址样本集确定模块还用于：获取第二区块链地址样本的集合，每个所述第二区块链地址样本包括表示区块链地址的第二数量的特征，所述第二数量大于或等于第一数量；进行多轮特征筛选，以从所述第二数量的特征中选出所述第一数量的特征，以各所述第二区块链地址样本中选出的所述第一数量的特征，构建对应的所述第一区块链地址样本，以确定所述第一区块链地址样本的集合。
可选地，所述第一区块链地址样本集确定模块包括特征筛选子模块，用于：在每轮特征筛选中，执行以下步骤：使用待筛选特征集合中的单一特征，训练简化版分类器，所述简化版分类器与所述待筛选特征集合中的特征一一对应，所述待筛选特征集合为所述第二数量的特征中尚未被选出的特征构成的集合；计算各所述简化版分类器的错误率，以得到最小错误率；若所述最小错误率小于或等于预设阈值，则将对应所述最小错误率的所述简化版分类器所使用的特征选出，并更新所述待筛选特征集合；若所述最小错误率大于所述预设阈值时，则结束所述多轮特征筛选的流程，以得到所述第一数量的特征。
可选地，所述特征筛选子模块通过如下方式计算所述简化版分类器的错误率：计算所述简化版分类器对应每个训练样本的预测值和标签值，所述训练样本包括训练所述简化版分类器所使用的所述单一特征；将每一所述训练样本的预测值与标签值之差的绝对值，分别通过符号函数进行处理得到对应的第一符号函数值，将各所述第一符号函数值按照对应的训练样本在本轮筛选中对应的权重进行加权求和，得到所述简化版分类器的错误率。
可选地，所述第一区块链地址样本集确定模块还包括权重更新子模块，用于：将所述训练样本在对应所述最小错误率的所述简化版分类器得到的标签值和预测值之差的绝对值，通过符号函数进行处理得到第二符号函数值，利用本轮特征筛选中计算出的所述最小错误率与所述第二符号函数值，计算用于更新训练样本权重的系数；将所述训练样本在本轮筛选中对应的权重与所述系数相乘，以将所述训练样本的当前权重更新为所述训练样本在下轮筛选中对应的权重。
可选地，还包括最优迭代次数确定模块，用于通过如下方式确定所述迭代训练的最优迭代次数：将所述第一区块链地址样本的集合划分为k个子集，每次利用k-1个子集训练一个分类器，每次训练后计算出一个交叉验证错误率估计值；利用各次训练得到的交叉验证错误率估计值，计算交叉验证错误率估计值方差，以选出最小交叉验证错误率估计值对应的目标迭代次数；计算所述最小交叉验证错误率估计值与交叉验证错误率估计值标准差二者的加和，在预设的迭代次数集合中，选出对应的所述交叉验证错误率估计值不大于所述加和的各迭代次数之中的最小值，作为所述最优迭代次数。
可选地，所述分类器迭代训练模块在每次迭代时，通过如下方式计算所述加权平均错误率：将每一所述第一区块链地址样本的标签值与预测值之差的绝对值，分别通过符号函数进行处理得到对应的第三符号函数值，将各所述第三符号函数值，按照对应的所述第一区块链地址样本在所述本次迭代中的样本权重进行加权求和，得到加权和，将所述加权和与所述本次迭代中所有所述样本权重之和的比值，作为所述加权平均错误率。
可选地，在本次迭代是第一次迭代的情况下，所述第一区块链地址样本在本次迭代中的样本权重，为所述第一区块链地址样本的样本权重初始值；在本次迭代不是第一次迭代的情况下，所述第一区块链地址样本在本次迭代中的样本权重，通过计算以下三项的乘积得到：所述第一区块链地址样本在上次迭代中的样本权重、利用本次迭代中的分类器权重通过预设函数运算得到的值、所述第一区块链地址样本对应的所述第三符号函数值，其中，所述预设函数为以e为底的指数函数。
可选地，所述分类器迭代训练模块在各次迭代所选定的分类器为相同或不同的线性决策边界分类器。
根据本发明实施例的又一方面，提供了一种电子设备。
一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明实施例所提供的区块链地址分类方法。
根据本发明实施例的又一方面，提供了一种计算机可读介质。
一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的区块链地址分类方法。
上述发明中的一个实施例具有如下优点或有益效果：利用第一区块链地址样本的集合迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的加权平均错误率与各第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的加权平均错误率计算该分类器的分类器权重，第一区块链地址样本在本次迭代中的样本权重，是基于第一区块链地址样本的样本权重初始值或第一区块链地址样本在上次迭代中的样本权重计算得到的；基于迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，以对待分类区块链地址分类。能够提高对区块链地址分类的准确率和可靠性，并克服现有技术存在的误差传递问题、算法泛化性不足、对硬件资源和时间成本要求较高等缺陷。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明一个实施例的区块链地址分类方法的主要步骤示意图；
图2是根据本发明一个实施例的区块链地址分类流程示意图；
图3是根据本发明一个实施例的区块链地址分类装置的主要模块示意图；
图4是本发明实施例可以应用于其中的示例性系统架构图；
图5是适于用来实现本发明实施例的服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明一个实施例的区块链地址分类方法的主要步骤示意图。
如图1所示，本发明一个实施例的区块链地址分类方法主要包括如下的步骤s101至步骤s103。
步骤s101：确定第一区块链地址样本的集合，每个第一区块链地址样本包括表示区块链地址的第一数量的特征。
步骤s102：利用第一区块链地址样本的集合，迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的加权平均错误率与各第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的加权平均错误率计算该分类器的分类器权重，第一区块链地址样本在本次迭代中的样本权重，是基于第一区块链地址样本的样本权重初始值或第一区块链地址样本在上次迭代中的样本权重计算得到的；
步骤s103：基于迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，区块链地址分类模型用于确定待分类区块链地址的类别。
确定第一区块链地址样本的集合的步骤，具体可以包括：获取第二区块链地址样本的集合，每个第二区块链地址样本包括表示区块链地址的第二数量的特征，第二数量大于或等于第一数量；进行多轮特征筛选，以从第二数量的特征中选出第一数量的特征，以各第二区块链地址样本中选出的第一数量的特征，构建对应的第一区块链地址样本，以确定第一区块链地址样本的集合。
进行多轮特征筛选，以从第二数量的特征中选出第一数量的特征的步骤，具体可以包括，在每轮特征筛选中，执行以下步骤：使用待筛选特征集合中的单一特征，训练简化版分类器，简化版分类器与待筛选特征集合中的特征一一对应，待筛选特征集合为第二数量的特征中尚未被选出的特征构成的集合；计算各简化版分类器的错误率，以得到最小错误率；若最小错误率小于或等于预设阈值，则将对应最小错误率的简化版分类器所使用的特征选出，并更新待筛选特征集合；若最小错误率大于预设阈值时，则结束多轮特征筛选的流程，以得到第一数量的特征。
可以通过如下方式计算简化版分类器的错误率：计算简化版分类器对应每个训练样本的预测值和标签值，训练样本包括训练简化版分类器所使用的单一特征；将每一训练样本的预测值与标签值之差的绝对值，分别通过符号函数进行处理得到对应的第一符号函数值，将各第一符号函数值按照对应的训练样本在本轮筛选中对应的权重进行加权求和，得到简化版分类器的错误率。
若上述得到的最小错误率小于或等于预设阈值，则将对应最小错误率的简化版分类器所使用的特征选出的步骤之后，还可以包括：将训练样本在对应最小错误率的简化版分类器得到的标签值和预测值之差的绝对值，通过符号函数进行处理得到第二符号函数值，利用本轮特征筛选中计算出的最小错误率与第二符号函数值，计算用于更新训练样本权重的系数；将训练样本在本轮筛选中对应的权重与用于更新训练样本权重的系数相乘，以将训练样本的当前权重更新为训练样本在下轮筛选中对应的权重。
利用第一区块链地址样本的集合，迭代训练选定的分类器的步骤之前，可以包括通过如下方式确定迭代训练的最优迭代次数：将第一区块链地址样本的集合划分为k个子集，每次利用k-1个子集训练一个分类器，每次训练后计算出一个交叉验证错误率估计值；利用各次训练得到的交叉验证错误率估计值，计算交叉验证错误率估计值方差，以选出最小交叉验证错误率估计值对应的目标迭代次数；计算最小交叉验证错误率估计值与交叉验证错误率估计值标准差二者的加和，在预设的迭代次数集合中，选出对应的交叉验证错误率估计值不大于该加和的各迭代次数之中的最小值，作为最优迭代次数。
在每次迭代时，可通过如下方式计算加权平均错误率：将每一第一区块链地址样本的标签值与预测值之差的绝对值，分别通过符号函数进行处理得到对应的第三符号函数值，将各第三符号函数值，按照对应的第一区块链地址样本在本次迭代中的样本权重进行加权求和，得到加权和，将该加权和与本次迭代中所有样本权重之和的比值，作为加权平均错误率。
对于每次迭代，在本次迭代是第一次迭代的情况下，第一区块链地址样本在本次迭代中的样本权重，为第一区块链地址样本的样本权重初始值；在本次迭代不是第一次迭代的情况下，第一区块链地址样本在本次迭代中的样本权重，通过计算以下三项的乘积得到：第一区块链地址样本在上次迭代中的样本权重、利用本次迭代中的分类器权重通过预设函数运算得到的值、第一区块链地址样本对应的第三符号函数值，其中，该预设函数为以e为底的指数函数。
各次迭代所选定的分类器可以为相同或不同的线性决策边界分类器。
图2是根据本发明一个实施例的区块链地址分类流程示意图。
本发明实施例的区块链地址分类流程是通过本发明实施例提出的基于线性决策边界分类器的自适应增强区块链地址分类算法，来实现对待分类区块链地址的分类，主要包括：在区块链上提取区块链地址，并进行特征工程，以选出包括横截面及时间序列特征在内的百余个特征，并按自定比例随机将样本数据切分为训练集及测试集；使用训练集对特征进行筛选，得到第一区块链地址样本的集合；利用第一区块链地址样本的集合，使用k折交叉验证确定最优迭代次数m*；按照最优迭代次数m*，利用第一区块链地址样本的集合训练区块链地址分类模型；使用训练好的区块链地址分类模型对测试集进行预测，校验模型准确度；利用区块链地址分类模型对待分类区块链地址进行分类。
下面详细介绍本发明实施例的区块链地址分类的具体流程。
在数据准备步骤，在区块链上提取相关地址(已经分类打标和需要分类打标的区块链地址)，并进行特征工程。遍历整条区块链，从链上储存的历史交易信息中提取出包含横截面及时间序列信息在内的尽可能多的特征，得到区块链地址样本数据。
把区块链地址样本数据拆分为训练集及测试集，进行特征筛选，特征筛选阶段所使用的训练集即第二区块链地址样本的集合。
下面介绍本发明实施例的特征筛选的具体过程。
以二分类场景举例，假设区块链地址样本(即第二区块链地址样本)为(x1,y1),(x2,y2),...,(xn,yn)，其中，xj∈rp，j＝1,...,n为每个区块链地址样本的p维协变量；
分别对正负标签为yj＝1，-1的样本赋予初始权重
对权重做归一化处理如下：
对每个特征p(单一特征)，使用该特征训练一个简化版分类器，计算仅使用该特征的简化版线性分类器hp(即简化版分类器)，训练简化版分类器所用的训练样本的特征仅包括第二区块链地址样本中的单一特征，标签即为上述的yj，权重为上述的wi,j，在特征筛选阶段，称该权重为训练样本权重。
并计算如下的错误率：
εp称为简化版分类器hp的错误率，sign(x)形式的函数为符号函数，其中：
hp(xj)为第j个训练样本的预测值，yj为第j个训练样本的标签值，sign(|hp(xj)-yj|)的值即第一符号函数值。
每轮特征筛选时，训练的简化版分类器的数量与待筛选特征集合中待筛选的特征的数量相同，对于每一待筛选的特征，使用包含该特征的训练样本训练一个简化版分类器，即简化版分类器与待筛选特征集合中的特征一一对应，且使用每个特征训练的简化版分类器均对应一个错误率，从而可以选出其中的最小错误率。
在第一轮特征筛选(i＝1)中，对于p＝1,…,p，分别计算出p个错误率，进一步确定出其中的最小错误率min{ε1,...,εp-i+1}，判断该最小错误率是否小于或等于β(即预设阈值，表示可接受的最大错误率)，若是，选择使得达到该最小错误率的
本轮筛选特征之后，对于j＝1,...,n，按如下方式更新训练样本权重：
其中，
然后进入下一轮特征筛选，在下一轮特征筛选时，继续分别使用单一特征训练简化版分类器，并按照上述同样方式来进行特征筛选，即通过计算最小错误率以筛选特征，且算法每迭代一次，训练样本权重就会更新一次。
每一轮特征筛选时，如果最小错误率min{ε1,...,εp-i+1}>β，则终止计算，不继续进行下一轮特征筛选，即终止整个多轮特征筛选的流程。
在上述多轮特征筛选的流程结束后，最后得到的特征列表中特征数量记作p*，即第一数量。通过特征筛选，从p个特征中筛选出p*个特征，ε1,...,εp*为筛选出的特征对应的错误率。
下面介绍本发明实施例的确定迭代训练的最优迭代次数的具体过程。
根据对计算资源、数据大小及对模型精准度的要求，挑选出可能的最优解m'＝(m1,m2,...,mu)集合，即预设的迭代次数集合。使用训练集数据，遍历该迭代次数集合，并采用k折交叉验证方法，使用上述通过特征筛选流程挑选出来的特征集训练分类器，从中选出最优迭代次数m*。
将训练集拆分成k个同样大小的大块，循环k次，每次使用除了k大块以外的k-1个模块训练模型
对于第u个单一分类器(u＝1,2,...u)，计算交叉验证错误率估计值
其中，
对于每个单一分类器，循环k次，最后都可以按照上述方法计算出一个交叉验证错误率估计值
挑选最优迭代次数m*，具体地，选出交叉验证错误率估计值最低的merr_min(即目标迭代次数)，即：
在集合m'中找出满足交叉验证错误率估计值不高于
m*＝min{m1,...,mu}s.t.
即，在约束条件(s.t.)
下面介绍本发明实施例的确定区块链地址分类模型的具体过程。
n表示训练集的样本量；
对第j＝1,…,n个样本，定义初始权重(即样本权重初始值)：
对第i＝1,…,m*次迭代：
通过最小化如下的加权平均错误率，训练线性分类器gi：
由该式可知，本次迭代的加权平均错误率erri与各第一区块链地址样本在本次迭代中的样本权重wi,j有关。其中，sign{|yj-gi(xj)|}的值即为第三符号函数值，gi(xj)为第j个第一区块链地址样本在第i次迭代的预测值。
算法每次迭代时，都以最小化错误率为目标来训练一个线性决策边界分类器(即线性分类器)，该错误率即上述的加权平均错误率。
通过如下方式计算分类器gi的分类器权重αi：
对于j＝1,...,n，计算样本权重：
wi+1,j＝wi,j×exp(αi)×sign{|yj-gi(xj)|},i＝1,...,m*
即，第一区块链地址样本在某次迭代中的样本权重wi+1,j，是基于第一区块链地址样本的样本权重初始值w1,j或第一区块链地址样本在上次迭代中的样本权重wi,j计算得到的。exp(αi)的值利用第i次迭代中的分类器权重通过预设函数运算得到的值，预设函数即以e为底的指数函数。算法每迭代一次，样本权重就会被更新一次。
完成m*次迭代后，基于迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型如下：
将训练好的区块链地址分类模型在测试集上测试模型准确度，并对比训练集错误率与测试集错误率，确认模型无过拟合问题。
上述区块链地址分类模型中，f(x)为区块链地址分类模型的输出，该输出指示待分类区块链地址的类别，以二分类为例，例如可以指示待分类区块链地址的类别为交易所区块链地址或非交易所区块链地址。
本发明实施例的上述各阶段(特征筛选、确定最优迭代次数、确定区块链地址分类模型等阶段)所使用的分类器可以为各种线性决策边界分类器，包括但不限于逻辑回归、决策树、随机森林、支持向量机等等。
机器学习中有大量的线性决策边界分类器，如线性内核支持向量机、逻辑回归、朴素贝叶斯等，虽然这些方法在不少应用场景中有不错的表现，但现有技术将这些方法应用在区块链地址分类中的效果却不理想，主要原因有以下几个：一、许多线性决策边界分类器需要假设地址标签和协变量之间有线性关系；二、在高维空间中异或问题(即分类边界为非线性超平面)明显，线性决策边界无法很好的将不同类别区分开；三、许多分类器需要假设协变量之间相互独立，且每个协变量对标签划分都同样重要；四、分类器通常假设每个样本的权重都是恒定的；五、多数分类器通常需要在各类别的样本数量分布比较均衡时，才有较好的分类结果。本发明实施例提出了基于线性决策边界分类模型的自适应增强区块链地址分类方法，克服了现有技术存在的上述问题，由于本发明实施例的区块链地址分类模型是一个组合模型，组合后的x和f(x)是接近于非线性的，从而不需要如现有技术方案那样假设地址标签和协变量之间有线性关系，并且本发明实施例能很好地将不同类别区分开。另外，本发明实施例的样本权重是动态更新的，从而不需要如现有技术方案那样假设协变量之间相互独立且每个协变量对标签划分都同样重要，本发明实施例每个样本的权重不是恒定的，并且，本发明实施例通过k折交叉验证方法确定最优迭代次数再进行迭代训练，在无需各类别样本数量分布均衡的情况下，即可得到准确的分类结果。
图3是根据本发明一个实施例的区块链地址分类装置的主要模块示意图。
如图3所示，本发明一个实施例的区块链地址分类装置300主要包括：第一区块链地址样本集确定模块301、分类器迭代训练模块302、区块链地址分类模型确定模块303。
第一区块链地址样本集确定模块301，用于确定第一区块链地址样本的集合，每个第一区块链地址样本包括表示区块链地址的第一数量的特征；
分类器迭代训练模块302，用于利用第一区块链地址样本的集合，迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的加权平均错误率与各第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的加权平均错误率计算该分类器的分类器权重，第一区块链地址样本在本次迭代中的样本权重，是基于第一区块链地址样本的样本权重初始值或第一区块链地址样本在上次迭代中的样本权重计算得到的；
区块链地址分类模型确定模块303，用于基于迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，区块链地址分类模型用于确定待分类区块链地址的类别。
第一区块链地址样本集确定模块301具体可以用于：获取第二区块链地址样本的集合，每个第二区块链地址样本包括表示区块链地址的第二数量的特征，第二数量大于或等于第一数量；进行多轮特征筛选，以从第二数量的特征中选出第一数量的特征，以各第二区块链地址样本中选出的第一数量的特征，构建对应的第一区块链地址样本，以确定第一区块链地址样本的集合。
第一区块链地址样本集确定模块301可以包括特征筛选子模块，用于：在每轮特征筛选中，执行以下步骤：使用待筛选特征集合中的单一特征，训练简化版分类器，简化版分类器与待筛选特征集合中的特征一一对应，待筛选特征集合为第二数量的特征中尚未被选出的特征构成的集合；计算各简化版分类器的错误率，以得到最小错误率；若最小错误率小于或等于预设阈值，则将对应最小错误率的简化版分类器所使用的特征选出，并更新待筛选特征集合；若最小错误率大于预设阈值时，则结束多轮特征筛选的流程，以得到第一数量的特征。
特征筛选子模块可以通过如下方式计算简化版分类器的错误率：计算简化版分类器对应每个训练样本的预测值和标签值，训练样本包括训练简化版分类器所使用的单一特征；将每一训练样本的预测值与标签值之差的绝对值，分别通过符号函数进行处理得到对应的第一符号函数值，将各第一符号函数值按照对应的训练样本在本轮筛选中对应的权重进行加权求和，得到简化版分类器的错误率。
第一区块链地址样本集确定模块还可以包括权重更新子模块，用于：将训练样本在对应最小错误率的简化版分类器得到的标签值和预测值之差的绝对值，通过符号函数进行处理得到第二符号函数值，利用本轮特征筛选中计算出的最小错误率与第二符号函数值，计算用于更新训练样本权重的系数；将训练样本在本轮筛选中对应的权重与该系数相乘，以将训练样本的当前权重更新为训练样本在下轮筛选中对应的权重。
区块链地址分类装置300还可以包括最优迭代次数确定模块，用于通过如下方式确定迭代训练的最优迭代次数：将第一区块链地址样本的集合划分为k个子集，每次利用k-1个子集训练一个分类器，每次训练后计算出一个交叉验证错误率估计值；利用各次训练得到的交叉验证错误率估计值，计算交叉验证错误率估计值方差，以选出最小交叉验证错误率估计值对应的目标迭代次数；计算最小交叉验证错误率估计值与交叉验证错误率估计值标准差二者的加和，在预设的迭代次数集合中，选出对应的交叉验证错误率估计值不大于该加和的各迭代次数之中的最小值，作为最优迭代次数。
分类器迭代训练模块302在每次迭代时，通过如下方式计算加权平均错误率：将每一第一区块链地址样本的标签值与预测值之差的绝对值，分别通过符号函数进行处理得到对应的第三符号函数值，将各第三符号函数值，按照对应的第一区块链地址样本在本次迭代中的样本权重进行加权求和，得到加权和，将该加权和与本次迭代中所有样本权重之和的比值，作为加权平均错误率。
在本次迭代是第一次迭代的情况下，第一区块链地址样本在本次迭代中的样本权重，为第一区块链地址样本的样本权重初始值；在本次迭代不是第一次迭代的情况下，第一区块链地址样本在本次迭代中的样本权重，通过计算以下三项的乘积得到：第一区块链地址样本在上次迭代中的样本权重、利用本次迭代中的分类器权重通过预设函数运算得到的值、第一区块链地址样本对应的第三符号函数值，其中，预设函数为以e为底的指数函数。
分类器迭代训练模块302在各次迭代所选定的分类器为相同或不同的线性决策边界分类器。
另外，在本发明实施例中区块链地址分类装置的具体实施内容，在上面区块链地址分类方法中已经详细说明了，故在此重复内容不再说明。
图4示出了可以应用本发明实施例的区块链地址分类方法或区块链地址分类装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的区块链地址分类请求等数据进行分析等处理，并将处理结果(例如地址类别--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的区块链地址分类方法一般由服务器405执行，相应地，区块链地址分类装置一般设置于服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(cpu)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有系统500操作所需的各种程序和数据。cpu501、rom502以及ram503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。
以下部件连接至i/o接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一区块链地址样本集确定模块、分类器迭代训练模块、区块链地址分类模型确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一区块链地址样本集确定模块还可以被描述为“用于确定第一区块链地址样本的集合的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：确定第一区块链地址样本的集合，每个所述第一区块链地址样本包括表示区块链地址的第一数量的特征；利用所述第一区块链地址样本的集合，迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的所述加权平均错误率与各所述第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的所述加权平均错误率计算该分类器的分类器权重，所述第一区块链地址样本在本次迭代中的样本权重，是基于所述第一区块链地址样本的样本权重初始值或所述第一区块链地址样本在上次迭代中的样本权重计算得到的；基于所述迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，所述区块链地址分类模型用于确定待分类区块链地址的类别。
根据本发明实施例的技术方案，利用第一区块链地址样本的集合迭代训练选定的分类器，其中，对于每次迭代：选定一个分类器以加权平均错误率最小化为目标进行训练，本次迭代的加权平均错误率与各第一区块链地址样本在本次迭代中的样本权重有关，基于本次迭代的加权平均错误率计算该分类器的分类器权重，第一区块链地址样本在本次迭代中的样本权重，是基于第一区块链地址样本的样本权重初始值或第一区块链地址样本在上次迭代中的样本权重计算得到的；基于迭代训练后的各分类器和对应的分类器权重，确定区块链地址分类模型，以对待分类区块链地址分类。能够提高对区块链地址分类的准确率和可靠性，并克服现有技术存在的误差传递问题、算法泛化性不足、对硬件资源和时间成本要求较高等缺陷。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！