[發明專利]一種交易預測模型構建方法及裝置

在審

• 申請號: 201910529288.4
• 申請日: 2019-06-18
• 公開（公告）號: CN110335067A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 蘇宇;石英倫;朱凡;蔣旭昂
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種交易預測模型構建方法，其特征在于，包括：

獲取M個商戶聚集區域中各個商戶聚集區域在P個不同時間段內的P組原始數據，以得到M*P組原始數據，其中，一個時間段對應一組原始數據，每個商戶聚集區域對應P組原始數據，每組原始數據包括至少一種商戶參數和至少一種交易參數，所述交易參數中至少包括交易成功數量，每組原始數據中包括的商戶參數和交易參數的數量之和為N；

從各個商戶聚集區域對應的各組原始數據中篩選出K種目標參數對應的目標數據，以得到M*P組目標數據，各組目標數據包括的K種目標參數相同，K小于或等于N-1；

將所述M*P組目標數據包括的每種目標參數對應的M*P個數據進行離散化處理后得到訓練樣本集，所述訓練樣本集中包括M*P個訓練樣本，每個訓練樣本包括所述K種目標參數對應的數據離散化后的特征，所述K種目標參數中包括商戶數量、商戶比重、交易申請數量、交易取消數量以及交易趨勢中的一種或者多種；

基于所述訓練樣本集中的M*P個訓練樣本以及所述M*P組原始數據中的M*P個交易成功數量構建交易預測模型，所述交易預測模型用于基于目標商戶聚集區域在第一時間段內的一組目標數據預測所述目標商戶聚集區域在所述第一時間段之后的第二時間段內的交易成功數量。

2.根據權利要求1所述的方法，其特征在于，所述從所述各個商戶聚集區域對應的各組原始數據中篩選出K種目標參數對應的目標數據，以得到M*P組目標數據之前，所述方法還包括：

將所述各個商戶聚集區域對應的各組原始數據的N種參數以及各種參數所攜帶的標簽輸入決策樹中進行篩選；

獲取所述決策樹基于所述各個商戶聚集區域對應的各組原始數據的N種參數輸出的N-1種參數對交易成功數量的貢獻度；

從輸出的N-1種參數中篩選出對交易成功數量的貢獻度大于或等于貢獻度閾值的K種目標參數。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取目標商戶聚集區域在第一時間段內包括所述K種目標參數的目標數據；

將所述目標商戶聚集區域在第一時間段內的目標數據輸入所述交易預測模型中進行處理，并獲取所述交易預測模型基于所述第一時間段內的目標數據輸出的所述目標商戶聚集區域在所述第一時間段之后的第二時間段內的交易成功數量，所述第一時間段與所述第二時間段的時間長度一致。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述基于所述訓練樣本集中的M*P個訓練樣本以及所述M*P組原始數據中的M*P個交易成功數量構建交易預測模型，包括：

基于所述M*P個訓練樣本以及所述M個商戶聚集區域在所述P個不同時間段內的M*P個交易成功數量構建第一回歸模型；

基于所述M*P個訓練樣本、所述M個商戶聚集區域在所述P個不同時間段內的M*P個交易成功數量以及所述第一回歸模型，構建第二回歸模型；

將所述第一回歸模型以及所述第二回歸模型合成為交易預測模型。

5.根據權利要求4所述的方法，其特征在于，所述基于所述M*P個訓練樣本、所述M個商戶聚集區域在所述P個不同時間段內的M*P個交易成功數量以及所述第一回歸模型，構建第二回歸模型，包括：

對所述M*P個訓練樣本中的每個訓練樣本均進行以下操作：

將任一商戶聚集區域i在所述P個不同時間段的任一時間段f內的訓練樣本h輸入所述第一回歸模型中進行處理，獲取所述第一回歸模型基于所述訓練樣本h輸出的所述商戶聚集區域i在所述時間段f的下一時間段的第一交易成功數量；

獲取所述第一交易成功數量與所述商戶聚集區域i在所述時間段f的下一時間段內的交易成功數量之間的差值；

獲取M*P個訓練樣本對應的M*P個第一交易成功數量，并獲取各個第一交易成功數量與對應的交易成功數量之間的差值，得到M*P個差值，其中一個訓練樣本對應一個第一交易成功數量；

基于所述M*P個差值和所述M*P個訓練樣本構建第二回歸模型，以使所述第二回歸模型學習所述差值與所述K種目標參數的各種目標參數之間的關系。