[發(fā)明專利]用戶類型的預測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010000576.3
• 申請日: 2020-01-02
• 公開（公告）號: CN111161053A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設計）人: 李海林;張東偉
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62;G06Q10/06
• 代理公司: 北京三友知識產(chǎn)權代理有限公司 11127
• 代理人: 周曉飛;許曼

1.一種用戶類型的預測方法，其特征在于，包括：

獲得多個用戶的信用數(shù)據(jù)和身份信息；

根據(jù)每個用戶的身份信息，確定每個用戶的特征參數(shù)；

基于變分貝葉斯算法，根據(jù)多個用戶的信用數(shù)據(jù)和特征參數(shù)，確定用戶特征參數(shù)的權重系數(shù)；

根據(jù)所述用戶特征參數(shù)的權重系數(shù)，確定用戶的信用數(shù)據(jù)與特征參數(shù)的關聯(lián)關系；

獲得目標用戶的身份信息，基于所述用戶的信用數(shù)據(jù)與特征參數(shù)的關聯(lián)關系，確定目標用戶的信用數(shù)據(jù)；

根據(jù)目標用戶的信用數(shù)據(jù)，預測目標用戶的類型。

2.如權利要求1所述的方法，其特征在于，根據(jù)每個用戶的身份信息，確定每個用戶的特征參數(shù)，包括：

根據(jù)每個用戶的身份信息，確定每個用戶的多種特征數(shù)據(jù)；

將每個用戶的各種特征數(shù)據(jù)分別進行標準化處理，確定每個用戶的特征參數(shù)。

3.如權利要求1所述的方法，其特征在于，按照如下方法確定用戶的信用數(shù)據(jù)與特征參數(shù)的關聯(lián)關系：

式中：為用戶的信用數(shù)據(jù)；P為用戶的特征參數(shù)；為用戶特征參數(shù)的權重系數(shù)；為用戶信用數(shù)據(jù)的預測誤差。

4.如權利要求1所述的方法，其特征在于，基于變分貝葉斯算法，根據(jù)多個用戶的信用數(shù)據(jù)和特征參數(shù)，確定用戶特征參數(shù)的權重系數(shù)，包括：

構建用戶特征參數(shù)的權重系數(shù)的貝葉斯分層結構；其中，所述貝葉斯分層結構中包括多個與用戶特征參數(shù)的權重系數(shù)關聯(lián)的變量；

根據(jù)所述貝葉斯分層結構，建立用戶特征參數(shù)的權重系數(shù)的輔助概率密度函數(shù)模型；

根據(jù)多個用戶的信用數(shù)據(jù)和特征參數(shù)，求解輔助概率密度函數(shù)模型中的各個參數(shù)值；

基于最大化后驗概率準則，根據(jù)求解后的輔助概率密度函數(shù)模型，確定用戶特征參數(shù)的權重系數(shù)。

5.如權利要求4所述的方法，其特征在于，按照如下方式建立用戶特征參數(shù)的權重系數(shù)的輔助概率密度函數(shù)模型，包括：

其中，

式中，為用戶特征參數(shù)的權重系數(shù)的輔助概率密度函數(shù)；y為用戶的信用數(shù)據(jù)；P為用戶的特征參數(shù)；為用戶特征參數(shù)的權重系數(shù)；為權重系數(shù)復高斯分布的方差；為權重系數(shù)復高斯分布的期望值；為在下的期望值；σ為預測誤差的標準差；q(σ)為預測誤差的標準差的概率密度函數(shù)；＜σ＞_q(σ)為σ在q(σ)下的期望值；χ為與關聯(lián)的參數(shù)；V(χ)為與χ關聯(lián)的對角矩陣。

6.如權利要求4所述的方法，其特征在于，根據(jù)多個用戶的信用數(shù)據(jù)和特征參數(shù)，求解輔助率密度函數(shù)模型中的各個參數(shù)值，包括：

設置輔助概率密度函數(shù)模型中的各個參數(shù)的初始化值以及停止迭代條件；

循環(huán)執(zhí)行如下步驟，直至滿足停止迭代條件，確定輔助概率密度函數(shù)模型中的各個參數(shù)值：對輔助概率密度函數(shù)模型輸入用戶的信用數(shù)據(jù)和特征參數(shù)，輸出權重系數(shù)；根據(jù)輸出的權重系數(shù)，更新輔助概率密度函數(shù)模型中的各個參數(shù)值；對更新參數(shù)值后的輔助概率密度函數(shù)模型，重新輸入用戶的信用數(shù)據(jù)和特征參數(shù)。

7.一種用戶類型的預測裝置，其特征在于，包括：

數(shù)據(jù)獲得模塊，用于獲得多個用戶的信用數(shù)據(jù)和身份信息；

用戶特征參數(shù)確定模塊，用于根據(jù)每個用戶的身份信息，確定每個用戶的特征參數(shù)；

權重系數(shù)確定模塊，用于基于變分貝葉斯算法，根據(jù)多個用戶的信用數(shù)據(jù)和特征參數(shù)，確定用戶特征參數(shù)的權重系數(shù)；

關聯(lián)關系確定模塊，用于根據(jù)所述用戶特征參數(shù)的權重系數(shù)，確定用戶的信用數(shù)據(jù)與特征參數(shù)的關聯(lián)關系；

目標用戶信用數(shù)據(jù)確定模塊，用于獲得目標用戶的身份信息，基于所述用戶的信用數(shù)據(jù)與特征參數(shù)的關聯(lián)關系，確定目標用戶的信用數(shù)據(jù)；

目標用戶類型預測模塊，用于根據(jù)目標用戶的信用數(shù)據(jù)，預測目標用戶的類型。