本技術(shù)涉及人工智能，特別是涉及一種違規(guī)人員預(yù)測(cè)方法和裝置。

背景技術(shù)：

1、違規(guī)人員是指在履行職責(zé)或執(zhí)行任務(wù)過(guò)程中違反相關(guān)規(guī)定、章程、制度或法律的個(gè)體。例如，一些機(jī)構(gòu)、企業(yè)、組織等體系中的人員，存在行為異常、行為違規(guī)或操作不合規(guī)等情況，即稱(chēng)其為違規(guī)人員。

2、為了保障體系的正常運(yùn)作，及時(shí)進(jìn)行違規(guī)人員預(yù)測(cè)是非常必要地手段。通過(guò)預(yù)測(cè)能夠?提前識(shí)別和預(yù)防潛在的不合規(guī)行為，?從而有效管理和控制風(fēng)險(xiǎn)。

3、因此，如何進(jìn)行違規(guī)人員預(yù)測(cè)是目前亟待解決地問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種違規(guī)人員預(yù)測(cè)方法和裝置，能夠有效進(jìn)行違規(guī)人員預(yù)測(cè)，以提前識(shí)別和預(yù)防潛在的不合規(guī)行為，從而有效管理和控制風(fēng)險(xiǎn)。

2、第一方面，本技術(shù)提供了一種違規(guī)人員預(yù)測(cè)方法，包括：

3、響應(yīng)于對(duì)目標(biāo)人員的違規(guī)預(yù)測(cè)請(qǐng)求，獲取目標(biāo)人員的屬性特性和行為特征；

4、采用預(yù)設(shè)的違規(guī)預(yù)測(cè)模型對(duì)屬性特征和行為特征進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果；違規(guī)預(yù)測(cè)模型是基于多個(gè)樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及多個(gè)樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽訓(xùn)練得到的。

5、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，響應(yīng)于對(duì)目標(biāo)人員的違規(guī)預(yù)測(cè)請(qǐng)求，獲取目標(biāo)人員的屬性特性和行為特征，進(jìn)而采用預(yù)設(shè)的違規(guī)預(yù)測(cè)模型對(duì)屬性特征和行為特征進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果，違規(guī)預(yù)測(cè)模型是基于多個(gè)樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及多個(gè)樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽訓(xùn)練得到的。該方法中，通過(guò)預(yù)先采用多個(gè)樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及多個(gè)樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行模型訓(xùn)練得到違規(guī)預(yù)測(cè)模型，這樣，在需要對(duì)目標(biāo)人員進(jìn)行違規(guī)預(yù)測(cè)時(shí)，可以根據(jù)違規(guī)預(yù)測(cè)模型對(duì)目標(biāo)人員的特征數(shù)據(jù)進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果，即能夠有效對(duì)目標(biāo)人員進(jìn)行違規(guī)預(yù)測(cè)，以提前識(shí)別和預(yù)防潛在的不合規(guī)行為，從而有效管理和控制風(fēng)險(xiǎn)。

6、在其中一個(gè)實(shí)施例中，采用預(yù)設(shè)的違規(guī)預(yù)測(cè)模型對(duì)屬性特征和行為特征進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果，包括：

7、根據(jù)屬性特征和預(yù)設(shè)的標(biāo)簽規(guī)則，確定目標(biāo)人員的目標(biāo)屬性標(biāo)簽；以及根據(jù)行為特征和標(biāo)簽規(guī)則，確定目標(biāo)人員的目標(biāo)行為標(biāo)簽；

8、將目標(biāo)屬性標(biāo)簽和目標(biāo)行為標(biāo)簽輸入至違規(guī)預(yù)測(cè)模型中，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果。

9、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)根據(jù)屬性特征和預(yù)設(shè)的標(biāo)簽規(guī)則，確定目標(biāo)人員的目標(biāo)屬性標(biāo)簽，以及根據(jù)行為特征和標(biāo)簽規(guī)則，確定目標(biāo)人員的目標(biāo)行為標(biāo)簽，進(jìn)而將目標(biāo)屬性標(biāo)簽和目標(biāo)行為標(biāo)簽輸入至違規(guī)預(yù)測(cè)模型中，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果。在采用違規(guī)預(yù)測(cè)模型確定目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果時(shí)，先對(duì)目標(biāo)人員的屬性特征和行為特征進(jìn)行標(biāo)簽標(biāo)注處理，以得到與訓(xùn)練違規(guī)預(yù)測(cè)模型時(shí)的輸入數(shù)據(jù)相同的標(biāo)簽數(shù)據(jù)，進(jìn)而將目標(biāo)人員的屬性標(biāo)簽和行為標(biāo)簽輸入至違規(guī)預(yù)測(cè)模型中，可以快速得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果，提高了違規(guī)預(yù)測(cè)結(jié)果的準(zhǔn)確性。

10、在其中一個(gè)實(shí)施例中，違規(guī)預(yù)測(cè)模型的訓(xùn)練過(guò)程包括：

11、根據(jù)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，獲取訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；

12、根據(jù)訓(xùn)練數(shù)據(jù)集，對(duì)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，得到初始模型；

13、根據(jù)測(cè)試數(shù)據(jù)集，對(duì)初始模型進(jìn)行測(cè)試，得到違規(guī)預(yù)測(cè)模型。

14、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)根據(jù)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，獲取訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，進(jìn)而根據(jù)訓(xùn)練數(shù)據(jù)集，對(duì)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，得到初始模型，根據(jù)測(cè)試數(shù)據(jù)集，對(duì)初始模型進(jìn)行測(cè)試，得到違規(guī)預(yù)測(cè)模型。該方法中，提供一種訓(xùn)練違規(guī)預(yù)測(cè)模型的可選方式通過(guò)先根據(jù)樣本數(shù)據(jù)劃分訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，進(jìn)而采用訓(xùn)練數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到初始模型，進(jìn)而采用測(cè)試數(shù)據(jù)集對(duì)初始模型進(jìn)行測(cè)試，以得到違規(guī)預(yù)測(cè)模型，這樣，可以有助于及時(shí)發(fā)現(xiàn)問(wèn)題并進(jìn)行相應(yīng)的調(diào)整，從而提高模型的最終性能。

15、在其中一個(gè)實(shí)施例中，在根據(jù)測(cè)試數(shù)據(jù)集，對(duì)初始模型進(jìn)行測(cè)試，得到違規(guī)預(yù)測(cè)模型之前，該方法還包括：

16、根據(jù)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，獲取驗(yàn)證數(shù)據(jù)集；

17、根據(jù)驗(yàn)證數(shù)據(jù)集，對(duì)初始模型的模型參數(shù)進(jìn)行調(diào)整，得到調(diào)整后的初始模型。

18、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)根據(jù)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，獲取驗(yàn)證數(shù)據(jù)集，進(jìn)而根據(jù)驗(yàn)證數(shù)據(jù)集，對(duì)初始模型的模型參數(shù)進(jìn)行調(diào)整，得到調(diào)整后的初始模型。該方法中，在對(duì)初始模型進(jìn)行測(cè)試之前，還采用劃分的驗(yàn)證數(shù)據(jù)集，對(duì)初始模型進(jìn)行驗(yàn)證，可以及時(shí)發(fā)現(xiàn)模型或者模型參數(shù)的問(wèn)題，這樣，可以及時(shí)重新調(diào)整參數(shù)或者調(diào)整模型，確保模型在未見(jiàn)過(guò)的數(shù)據(jù)上也能表現(xiàn)良好。

19、在其中一個(gè)實(shí)施例中，根據(jù)訓(xùn)練數(shù)據(jù)集，對(duì)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，得到初始模型，包括：

20、根據(jù)訓(xùn)練數(shù)據(jù)集，獲取正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集；正樣本數(shù)據(jù)集根據(jù)各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽確定；負(fù)樣本數(shù)據(jù)集根據(jù)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽確定；

21、將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中進(jìn)行模型訓(xùn)練，得到初始模型。

22、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)根據(jù)訓(xùn)練數(shù)據(jù)集，獲取正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集，正樣本數(shù)據(jù)集根據(jù)各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽確定，負(fù)樣本數(shù)據(jù)集根據(jù)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽確定，進(jìn)而將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中進(jìn)行模型訓(xùn)練，得到初始模型。該方法中，通過(guò)從訓(xùn)練數(shù)據(jù)集中獲取到正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集，將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)可以對(duì)正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集進(jìn)行處理，以得到神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，根據(jù)輸出結(jié)果迭代訓(xùn)練神經(jīng)網(wǎng)絡(luò)，可以得到初始模型，為快速確定初始模型提供了一種可選方式。

23、在其中一個(gè)實(shí)施例中，將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中進(jìn)行模型訓(xùn)練，得到初始模型，包括：

24、將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中，得到正樣本預(yù)測(cè)結(jié)果和負(fù)樣本預(yù)測(cè)結(jié)果；

25、根據(jù)正樣本預(yù)測(cè)結(jié)果、負(fù)樣本預(yù)測(cè)結(jié)果和預(yù)設(shè)的損失函數(shù)，得到神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)損失值；

26、基于預(yù)測(cè)損失值，調(diào)整神經(jīng)網(wǎng)絡(luò)的模型參數(shù)，直至訓(xùn)練完成，得到初始模型。

27、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中，得到正樣本預(yù)測(cè)結(jié)果和負(fù)樣本預(yù)測(cè)結(jié)果，進(jìn)而根據(jù)正樣本預(yù)測(cè)結(jié)果、負(fù)樣本預(yù)測(cè)結(jié)果和預(yù)設(shè)的損失函數(shù)，得到神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)損失值，之后基于預(yù)測(cè)損失值，調(diào)整神經(jīng)網(wǎng)絡(luò)的模型參數(shù)，直至訓(xùn)練完成，得到初始模型。該方法中，提供了一種快速確定初始模型的可選方式；通過(guò)將正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集輸入至神經(jīng)網(wǎng)絡(luò)中，可以得到神經(jīng)網(wǎng)絡(luò)對(duì)正樣本數(shù)據(jù)集的預(yù)測(cè)結(jié)果和對(duì)負(fù)樣本數(shù)據(jù)集的預(yù)測(cè)結(jié)果，之后結(jié)合損失函數(shù)計(jì)算出損失值，基于損失值不斷調(diào)整模型參數(shù)，直至訓(xùn)練結(jié)果，可以得到初始模型，這樣，通過(guò)不斷的調(diào)整模型參數(shù)，可以改進(jìn)模型的預(yù)測(cè)能力，提高初始模型的性能。

28、在其中一個(gè)實(shí)施例中，根據(jù)訓(xùn)練數(shù)據(jù)集，獲取正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集，包括：

29、對(duì)各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行特征處理，得到各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值，并將各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值確定為正樣本數(shù)據(jù)集；

30、對(duì)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行特征處理，得到各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值，并將各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值確定為負(fù)樣本數(shù)據(jù)集。

31、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)對(duì)各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行特征處理，得到各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值，并將各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值確定為正樣本數(shù)據(jù)集，通過(guò)對(duì)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行特征處理，得到各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值，并將各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽對(duì)應(yīng)的標(biāo)簽值確定為負(fù)樣本數(shù)據(jù)集。該方法中，提供了一種快速獲取正樣本數(shù)據(jù)集和負(fù)樣本數(shù)據(jù)集的可選方式；通過(guò)對(duì)各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行特征處理，得到正樣本數(shù)據(jù)集，以及對(duì)各樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行特征處理，得到負(fù)樣本數(shù)據(jù)集，為后續(xù)訓(xùn)練違規(guī)預(yù)測(cè)模型提供了數(shù)據(jù)支撐。

32、在其中一個(gè)實(shí)施例中，該方法還包括：

33、獲取各樣本未違規(guī)人員的身份信息；

34、以各身份信息為歸并主鍵，將各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽與各身份信息進(jìn)行關(guān)聯(lián)，得到多個(gè)映射關(guān)系；

35、根據(jù)多個(gè)映射關(guān)系，生成人員標(biāo)簽數(shù)據(jù)庫(kù)。

36、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)獲取各樣本未違規(guī)人員的身份信息，進(jìn)而以各身份信息為歸并主鍵，將各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽與各身份信息進(jìn)行關(guān)聯(lián)，得到多個(gè)映射關(guān)系，之后根據(jù)多個(gè)映射關(guān)系，生成人員標(biāo)簽數(shù)據(jù)庫(kù)。該方法中，通過(guò)將各樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽與各樣本未違規(guī)人員的身份信息進(jìn)行關(guān)聯(lián)，可以得到多個(gè)映射關(guān)系，進(jìn)而將該多個(gè)映射關(guān)系存儲(chǔ)至數(shù)據(jù)庫(kù)，可以得到人員標(biāo)簽數(shù)據(jù)庫(kù)，為后續(xù)樣本未違規(guī)人員的標(biāo)簽查詢(xún)提供便利。

37、在其中一個(gè)實(shí)施例中，該方法還包括：

38、響應(yīng)于對(duì)待查詢(xún)?nèi)藛T的標(biāo)簽查詢(xún)請(qǐng)求，獲取待查詢(xún)?nèi)藛T的身份信息；

39、根據(jù)待查詢(xún)?nèi)藛T的身份信息，從人員標(biāo)簽數(shù)據(jù)庫(kù)中篩選與身份信息對(duì)應(yīng)的屬性標(biāo)簽和行為標(biāo)簽；

40、將篩選出的與身份信息對(duì)應(yīng)的屬性標(biāo)簽和行為標(biāo)簽確定為待查詢(xún)?nèi)藛T的標(biāo)簽。

41、本技術(shù)實(shí)施例提供的違規(guī)人員預(yù)測(cè)方法中，通過(guò)響應(yīng)于對(duì)待查詢(xún)?nèi)藛T的標(biāo)簽查詢(xún)請(qǐng)求，獲取待查詢(xún)?nèi)藛T的身份信息，進(jìn)而根據(jù)待查詢(xún)?nèi)藛T的身份信息，從人員標(biāo)簽數(shù)據(jù)庫(kù)中篩選與身份信息對(duì)應(yīng)的屬性標(biāo)簽和行為標(biāo)簽，之后將篩選出的與身份信息對(duì)應(yīng)的屬性標(biāo)簽和行為標(biāo)簽確定為待查詢(xún)?nèi)藛T的標(biāo)簽。該方法中，在需要對(duì)待查詢(xún)?nèi)藛T的標(biāo)簽進(jìn)行查詢(xún)時(shí)，可以基于待查詢(xún)?nèi)藛T的身份信息，從人員標(biāo)簽數(shù)據(jù)庫(kù)中快速匹配到與該身份信息對(duì)應(yīng)的屬性標(biāo)簽和行為標(biāo)簽，該匹配到的屬性標(biāo)簽和行為標(biāo)簽即為待查詢(xún)?nèi)藛T的標(biāo)簽，通過(guò)身份信息快速匹配標(biāo)簽的方式，提高了標(biāo)簽查詢(xún)的效率。

42、第二方面，本技術(shù)還提供了一種違規(guī)人員預(yù)測(cè)裝置，包括：

43、特征獲取模塊，用于響應(yīng)于對(duì)目標(biāo)人員的違規(guī)預(yù)測(cè)請(qǐng)求，獲取目標(biāo)人員的屬性特性和行為特征；

44、結(jié)果確定模塊，用于采用預(yù)設(shè)的違規(guī)預(yù)測(cè)模型對(duì)屬性特征和行為特征進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果；違規(guī)預(yù)測(cè)模型是基于多個(gè)樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及多個(gè)樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽訓(xùn)練得到的。

45、第三方面，本技術(shù)實(shí)施例還提供了一種計(jì)算機(jī)設(shè)備。計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述第一方面中任一實(shí)施例中的步驟。

46、第四方面，本技術(shù)實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面中任一實(shí)施例中的步驟。

47、第五方面，本技術(shù)實(shí)施例還提供了一種計(jì)算機(jī)程序產(chǎn)品。計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面中任一實(shí)施例中的步驟。

48、上述違規(guī)人員預(yù)測(cè)方法和裝置，通過(guò)響應(yīng)于對(duì)目標(biāo)人員的違規(guī)預(yù)測(cè)請(qǐng)求，獲取目標(biāo)人員的屬性特性和行為特征，進(jìn)而采用預(yù)設(shè)的違規(guī)預(yù)測(cè)模型對(duì)屬性特征和行為特征進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果，違規(guī)預(yù)測(cè)模型是基于多個(gè)樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及多個(gè)樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽訓(xùn)練得到的。該方法中，通過(guò)預(yù)先采用多個(gè)樣本違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽，以及多個(gè)樣本未違規(guī)人員的屬性標(biāo)簽和行為標(biāo)簽進(jìn)行模型訓(xùn)練得到違規(guī)預(yù)測(cè)模型，這樣，在需要對(duì)目標(biāo)人員進(jìn)行違規(guī)預(yù)測(cè)時(shí)，可以根據(jù)違規(guī)預(yù)測(cè)模型對(duì)目標(biāo)人員的特征數(shù)據(jù)進(jìn)行處理，得到目標(biāo)人員的違規(guī)預(yù)測(cè)結(jié)果，即能夠有效對(duì)目標(biāo)人員進(jìn)行違規(guī)預(yù)測(cè)，以提前識(shí)別和預(yù)防潛在的不合規(guī)行為，從而有效管理和控制風(fēng)險(xiǎn)。