本发明涉及自然语言处理领域,尤其涉及一种ai反诈建议生成方法合系统。
背景技术:
1、随着人类科技的不断进步,人工智能的发展也在飞速进行着,目前的人工智能技术可以理解图片、识别意图、接受和输出更长的文本从而进行内容的创作,能够完成如根据一张人类绘制的草图直接生成网站、写更加复杂的代码、写论文报告和参加考试等工作。这标志着这项生成式ai技术已经能够在众多领域替代人类,并拥有更高的效率,更好地效果。
2、近些年,电信网络诈骗愈发严重,目前对于防范诈骗的手段还不成熟,需要消耗的人力物力非常之大,互联网的发展也在飞速更新换代,新型诈骗手段也层出不穷,所以亟需一种利用人工智能技术进行防范诈骗的技术手段,对于电信网络诈骗治理来说,运营商拥有海量的信令数据、业务数据和专家反战经验知识,可以通过拥抱这项新技术,借助最先进的人工智能技术来共同应对不断变化、不断升级的诈骗手段,借此弥补现有技术对于反诈防诈的技术缺漏以及对于整治诈骗工作效率低的问题。
技术实现思路
1、基于上述问题,本发明提出了一种ai反诈建议生成方法和系统,解决现有技术对于诈骗整治过程中效率不高的问题。
2、为实现上述目的,本发明实施例提供了一种ai反诈建议生成方法,包括:
3、获取诈骗案件数据,将所述诈骗案件数据输入至预设的ai反诈模型进行ai反诈建议生成处理,输出ai反诈建议;
4、其中,所述预设的ai反诈模型包括:若干个第一ai模型、第二ai模型和监督微调模型;
5、所述若干个第一ai模型用于通过诈骗案件训练数据,进行案件场景评估训练,根据场景评分筛选出第一指令集;
6、所述第二ai模型用于通过所述第一指令集,进行预训练,得到预训练结果;
7、所述监督微调模型用于通过微调指令参数,对所述预训练结果进行监督微调,得到第二指令集。
8、本发明实施例提出的一种ai反诈建议生成方法采用多个自然语言大模型进行反诈模型的构建并输出反诈建议,通过对训练结果的微调让模型再防诈骗这一垂直行业更具专业性,也通过微调指令参数的方式来让模型学习更多防诈骗领域的专业知识,以及分析诈骗号码特征的能力和给出更加专业的处置建议,还通过ai反诈模型进行的案件场景评估训练,并且能对不同场景评分筛选评分从而采用不同的调用方式生成不同的反诈建议。通过ai技术的运用,减少了诈骗整治过程种人力物力的消耗,还能根据诈骗手段的更新,随时更新训练数据输出反诈模型,大大提高了反诈工作的效率。
9、进一步的,所述获取诈骗案件数据,将所述诈骗案件数据输入至预设的ai反诈模型进行ai反诈建议生成处理,输出a i反诈建议,具体为:
10、获取诈骗案件数据,将所述诈骗案件数据输入至预设的ai反诈模型,匹配所述若干个第一a i模型已训练的场景,并获取根据场景评分筛选的所述第一指令集;
11、匹配所述第一指令集在所述第二ai模型中进行预训练和监督微调后得到的对应所述第二指令集;
12、根据所述第二指令集,输出匹配当前所述诈骗案件数据场景的ai反诈建议。
13、进一步的,所述若干个第一ai模型用于通过诈骗案件训练数据,进行案件场景评估训练,根据场景评分筛选出第一指令集,具体为:
14、通过所述若干个第一ai模型,对所获取历史案件及案件分析的文本数据进行数据场景评估,分别生成若干个第一场景评估训练结果;
15、分别对所述若干个第一场景评估结果进行基于预设答案的评分判定,得到对应的各第一场景评估分数;
16、确定所述各第一场景评估分数中的最大值,将所述最大值对应的第一场景评估训练结果作为所述第一指令集。
17、进一步的,所述第二ai模型用于通过所述第一指令集,进行预训练,得到预训练结果,具体为:
18、通过所述第二ai模型,对所述第一指令集进行文本任务训练,得到第一任务训练结果;
19、对所述第一任务训练结果进行初步质量检查,筛选出符合文本任务训练要求的结果,得到所述预训练结果;
20、其中,所述文本任务训练包括:文本对话训练、文本对话续写训练和对话结果优化训练。
21、进一步的,所述监督微调模型用于通过微调指令参数,对所述预训练结果进行监督微调,得到第二指令集,具体为:
22、通过所述监督微调模型的微调指令参数,对所述预训练结果进行任务场景分类处理,得到多个任务类别指令集;
23、对所述多个任务类别指令集分别进行指令筛选、指令调整和指令合并,得到所述第二指令集;
24、其中,所述第二指令集用于输出各任务场景对应的ai反诈建议。
25、本发明实施例还提供一种ai反诈建议生成系统,包括:ai反诈建议生成模块和预设ai模型存储模块;
26、所述ai反诈建议生成模块用于获取诈骗案件数据,将所述诈骗案件数据输入至预设的ai反诈模型进行ai反诈建议生成处理,输出ai反诈建议;
27、所述预设ai模型存储模块包括:第一训练模块、第二训练模块和监督微调模块;
28、所述第一训练模块用于通过诈骗案件训练数据,进行案件场景评估训练,根据场景评分筛选出第一指令集;
29、所述第二训练模块用于通过所述第一指令集,进行预训练,得到预训练结果;
30、所述监督微调模块用于通过微调指令参数,对所述预训练结果进行监督微调,得到第二指令集。
31、本发明实施例所提供一种ai反诈建议生成系统,通过第一训练模块和第二训练模块获得训练结果,不断更新学习和训练逐步提高模型专业度;通过监督微调模块对微调结果进行输出,在不同场景得到调用,人工智能技术减少了人力物力的输出,还能够及时应对诈骗方式的更新换代,能够很快地获取训练数据进行训练并对反诈模型进行更新输出,能够很好的提高反诈整治的效率。
32、进一步的,所述ai反诈建议生成模块用于获取诈骗案件数据,将所述诈骗案件数据输入至预设的ai反诈模型进行ai反诈建议生成处理,输出ai反诈建议,还包括:
33、数据采集单元、第一数据处理单元、第二数据处理单元和反诈建议生成单元;
34、所述数据采集单元用于获取诈骗案件数据,将所述诈骗案件数据输入至预设的ai反诈模型;
35、所述第一数据处理单元用于匹配所述若干个第一ai模型已训练的场景,并获取根据场景评分筛选的所述第一指令集;
36、所述第二数据处理单元用于匹配所述第一指令集在所述第二ai模型中进行预训练和监督微调后得到的对应所述第二指令集;
37、所述反诈建议生成单元用于根据所述第二指令集,输出匹配当前所述诈骗案件数据场景的ai反诈建议。
38、进一步的,所述第一训练模块用于通过诈骗案件训练数据,进行案件场景评估训练,根据场景评分筛选出第一指令集,还包括:
39、场景评估单元、评分判别单元和指令输出单元;
40、所述场景评估单元用于通过若干个第一ai模型,对所获取历史案件及案件分析的文本数据进行数据场景评估,分别生成若干个第一场景评估训练结果;
41、所述评分判别单元用于分别对所述若干个第一场景评估结果进行基于预设答案的评分判定,得到对应的各第一场景评估分数;
42、所述指令输出单元用于确定所述各第一场景评估分数中的最大值,将所述最大值对应的第一场景评估训练结果作为所述第一指令集。
43、进一步的,所述第二训练模块用于通过所述第一指令集,进行预训练,得到预训练结果,还包括:
44、文本任务训练单元和质检单元;
45、所述文本任务训练单元用于通过第二ai模型,对所述第一指令集进行文本任务训练,得到第一任务训练结果;
46、所述质检单元用于对所述第一任务训练结果进行初步质量检查,筛选出符合文本任务训练要求的结果,得到所述预训练结果;
47、其中,所述文本任务训练包括:文本对话训练、文本对话续写训练和对话结果优化训练。
48、进一步的,所述监督微调模块用于通过微调指令参数,对所述预训练结果进行监督微调,得到第二指令集,并生成ai反诈建议,还包括:
49、任务场景分类单元和微调单元;
50、所述任务场景分类单元用于通过监督微调模型的微调指令参数,对所述预训练结果进行任务场景分类处理,得到多个任务类别指令集;
51、所述微调单元用于对所述多个任务类别指令集分别进行指令筛选、指令调整和指令合并,得到所述第二指令集;
52、其中,所述第二指令集用于输出各任务场景对应的ai反诈建议。