申请/专利权人：中科链安(北京)科技有限公司

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117574214B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/25;G06F18/214;G06N3/0464;G06N3/049;G06N3/084;G06N3/09;G06Q40/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本申请提供智能合约分类模型训练方法、智能合约分类方法及装置，涉及智能合约分类技术领域，方法包括：获取智能合约数据的特征向量矩阵并以数据切片方式获取交易特征向量；基于特征向量矩阵以及智能合约类型标签训练融合神经网络中的R‑CNN模型以输出目标文本特征向量；再将目标文本特征向量与交易特征向量分别进行特征融合以得到各个智能合约数据的融合特征向量，并将各个融合特征向量输入融合神经网络中的全连接层，得到基于特征融合的智能合约分类模型。本申请能够提高智能合约分类模型训练过程中的特征全面性，能够提高智能合约分类模型的通用性以及训练效率，并能够有效提高采用智能合约分类模型进行智能合约分类的准确性及可靠性。

主权项：1.一种智能合约分类模型训练方法，其特征在于，包括：获取各个智能合约数据各自的操作码文本序列对应的特征向量矩阵，并以数据切片的方式获取各个智能合约数据各自的交易数据对应的交易特征向量；基于各个智能合约数据各自对应的所述特征向量矩阵以及智能合约类型标签训练预设的融合神经网络，以使该融合神经网络中的R-CNN模型对应输出各个智能合约数据各自对应的目标文本特征向量；再将各个所述智能合约数据对应的所述目标文本特征向量与所述交易特征向量分别进行特征融合，以得到各个所述智能合约数据各自对应的融合特征向量，并将各个所述融合特征向量输入所述融合神经网络中的全连接层以进行智能合约分类，进而将所述融合神经网络训练为一个基于特征融合的智能合约分类模型；所述融合神经网络包括：依次连接的R-CNN模型、特征融合层、全连接层和Softmax层；所述R-CNN模型用于根据输入的智能合约数据对应的所述特征向量矩阵，对应输出该智能合约数据对应的目标文本特征向量；所述R-CNN模型包括：依次连接的特征输入层、双向LSTM网络和最大池化层；所述特征输入层用于接收智能合约数据对应的所述特征向量矩阵以及智能合约类型标签；所述双向LSTM网络用于提取所述特征向量矩阵对应的文本特征数据，所述双向LSTM网络由前向LSTM和后向LSTM构成，所述文本特征数据包括：由多个词向量表示构成的句子，且句子中的第个词向量表示是在对第个单词融合上下文信息的词向量表示进行非线性变换后得到的，即；其中，根据下述公式求解； 其中，为上下文语境向量；表示第单词向量的权重参数；cl（wi）和cr（wi）分别表示双向LSTM网络中前向LSTM和后向LSTM分别输出的第i个单词的上下文语境向量；表示第单词的上下文语境向量；表示前向LSTM中当前词向量的权重参数；表示第个单词的词向量；表示第单词向量的权重参数；表示第单词的上下文语境向量；表示后向LSTM中当前词向量的权重参数；表示第个单词的词向量；表示第个单词的词向量；表示第个单词融合上下文信息的词向量表示；所述最大池化层用于对所述文本特征数据在句子长度上进行最大池化处理，以得到所述文本特征数据对应的表示向量，并将该表示向量作为所述智能合约数据的目标文本特征向量，其中，所述最大池化层的步长和尺寸为文本长度，通过对由多个词向量表示的每个句子在句子长度上进行最大池化，得到每个句子的表示向量： 其中，n为句子的长度，的维度为512*1；所述特征融合层用于将所述R-CNN模型输出的所述智能合约数据对应的目标文本特征向量与该智能合约数据对应的所述交易特征向量进行特征融合，以得到该智能合约数据对应的融合特征向量： 为智能合约数据对应的所述交易特征向量；所述全连接层用于根据输入的所述智能合约数据对应的融合特征向量，对应输出该智能合约数据对应的各个智能合约类型，其中： 其中，表示全连接层的输出向量，即智能合约数据对应的各个智能合约类型；表示全连接层的权重参数；表示全连接层的偏置项；所述Softmax层用于将所述全连接层输出的所述智能合约数据对应的各个智能合约类型分别转换为概率值，并采用反向传播算法进行所述融合神经网络的模型参数更新；其中： 表示第个智能合约类型的概率；表示当前智能合约类型；表示全连接层的输出向量中的第k个值；其中，训练预设的融合神经网络时采用的损失函数为交叉熵损失函数Loss，并采用反向传播算法进行参数更新； 其中是指模型预测的概率分布的第个元素，即softmax层输出的第个元素，表示各个智能合约数据各自对应的真实的智能合约类型标签的第个元素，表示各个智能合约数据构成的训练样本集合。

全文数据：

权利要求：

百度查询： 中科链安(北京)科技有限公司 智能合约分类模型训练方法、智能合约分类方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD