[發明專利]業務規則生成方法及裝置

在審

• 申請號: 201910447779.4
• 申請日: 2019-05-27
• 公開（公告）號: CN110262775A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 李龍飛
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F8/10
• 分類號: G06F8/10;G06F8/20
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 陳蕾

1.一種業務規則生成方法，包括：

使用模型參數和業務樣本數據集來訓練出樹模型，所述樹模型的各個葉子結點具有唯一結點分值，所述業務樣本數據集中的業務樣本數據具有業務標記；

計算各個結點分值所對應的業務指標；

將具有第一結點分值的葉子結點確定為目標葉子結點，所述第一結點分值所對應的業務指標滿足業務指標要求；以及

基于所述樹模型中針對所確定出的目標葉子結點的路由路徑上的各個結點分裂特征，生成業務規則。

2.如權利要求1所述的業務規則生成方法，其中，計算各個結點分值所對應的業務指標包括：

統計各個結點分值所對應的業務樣本數據數；以及

基于所統計的各個結點分值的業務樣本數據數，計算各個結點分值作為閾值時的業務指標。

3.如權利要求1所述的方法，其中，在所述第一結點分值包括至少兩個第一結點分值時，將具有第一結點分值的葉子結點確定為目標葉子結點包括：

從所述至少兩個第一結點分值中選出所對應的業務指標最佳的第一結點分值；以及

將所選出的第一結點分值所對應的葉子節點，確定為目標葉子結點。

4.如權利要求1到3中任一所述的方法，其中，所述樹模型是使用迭代過程訓練出的，每次迭代過程中所使用的模型參數是基于前一迭代過程的模型參數和前一迭代過程中所確定出的目標葉子結點所對應的業務指標確定出。

5.如權利要求4所述的方法，其中，每次迭代過程中所使用的模型參數是使用AutoML模型訓練出。

6.一種業務規則生成裝置，包括：

模型訓練單元，被配置為使用模型參數和業務樣本數據集來訓練出樹模型，所述樹模型的各個葉子結點具有唯一結點分值，所述業務樣本數據集中的業務樣本數據具有業務標記；

業務指標計算單元，被配置為計算各個結點分值所對應的業務指標；

目標葉子結點確定單元，被配置為將具有第一結點分值的葉子結點確定為目標葉子結點，所述第一結點分值所對應的業務指標滿足業務指標要求；以及

業務規則生成單元，被配置為基于所述樹模型中針對所確定出的目標葉子結點的路由路徑上的各個結點分裂特征，生成業務規則。

7.如權利要求6所述的業務規則生成裝置，其中，所述業務指標計算單元包括：

統計模塊，被配置為統計各個結點分值所對應的業務樣本數據數；以及

業務指標計算模塊，被配置為基于所統計的各個結點分值的業務樣本數據數，計算各個結點分值作為閾值時的業務指標。

8.如權利要求6所述的裝置，其中，在所述第一結點分值包括至少兩個第一結點分值時，所述目標葉子結點確定單元包括：

最佳結點分值選擇模塊，被配置為從所述至少兩個第一結點分值中選出所對應的業務指標最佳的第一結點分值；以及

目標葉子結點確定模塊，被配置為將所選出的第一結點分值所對應的葉子節點，確定為目標葉子結點。

9.如權利要求6到8中任一所述的裝置，其中，所述模型訓練單元被配置為使用迭代過程訓練所述樹模型，每次迭代過程中所使用的模型參數是基于前一迭代過程的模型參數和前一迭代過程中所確定出的目標葉子結點所對應的業務指標確定出。

10.一種計算設備，包括：

至少一個處理器，以及

與所述至少一個處理器耦合的存儲器，所述存儲器存儲指令，當所述指令被所述至少一個處理器執行時，使得所述至少一個處理器執行如權利要求1到5中任一所述的業務規則生成方法。

11.一種機器可讀存儲介質，其存儲有可執行指令，所述指令當被執行時使得所述機器執行如權利要求1到5中任一所述的業務規則生成方法。