[發(fā)明專利]基于時(shí)序數(shù)據(jù)的行為評價(jià)方法、裝置及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010370732.5
• 申請日: 2020-04-30
• 公開（公告）號: CN111652279A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 周翔;符瓊琲
• 申請（專利權(quán)）人: 中國平安財(cái)產(chǎn)保險(xiǎn)股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02;G06Q40/08
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及一種大數(shù)據(jù)技術(shù)，揭露了一種基于時(shí)序數(shù)據(jù)的行為評價(jià)方法，包括：獲取歷史時(shí)序數(shù)據(jù)集，拆分所述歷史時(shí)序數(shù)據(jù)集得到多個(gè)歷史時(shí)序數(shù)據(jù)子集；構(gòu)建并拆分原始評分模型，得到多個(gè)原始評分子模型；訓(xùn)練對應(yīng)的原始評分子模型，得到多個(gè)標(biāo)準(zhǔn)評分子模型；接收當(dāng)前時(shí)序數(shù)據(jù)并判斷其在所述周期的時(shí)間階段，選擇對應(yīng)的標(biāo)準(zhǔn)評分子模型進(jìn)行行為評分，得到行為評價(jià)結(jié)果。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，所述歷史時(shí)序數(shù)據(jù)集可存儲于區(qū)塊鏈中。進(jìn)一步地，本發(fā)明還揭露一種基于時(shí)序數(shù)據(jù)的行為評價(jià)裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)。本發(fā)明可以解決當(dāng)前時(shí)序數(shù)據(jù)浪費(fèi)的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)領(lǐng)域，尤其涉及一種基于時(shí)序數(shù)據(jù)的行為評價(jià)方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

隨著通信技術(shù)、互聯(lián)網(wǎng)技術(shù)及計(jì)算機(jī)硬件水平的發(fā)展，企業(yè)可以更好地和用戶產(chǎn)生互動，更多通信渠道去觸達(dá)用戶，以獲取到大量的和用戶的當(dāng)前時(shí)序數(shù)據(jù)。所述通信渠道包括互聯(lián)網(wǎng)線上平臺(官網(wǎng))、手機(jī)APP、微信等即時(shí)通信手段。

當(dāng)前企業(yè)在進(jìn)行用戶需求分析時(shí)主要存在如下缺陷：大多數(shù)的用戶需求分析模型是基于固定的因子，或是基于上個(gè)周期的用戶需求數(shù)據(jù)來實(shí)現(xiàn)對當(dāng)前時(shí)期的需求分析，而沒有利用到與用戶的當(dāng)前時(shí)序數(shù)據(jù)，造成了當(dāng)前時(shí)序數(shù)據(jù)的浪費(fèi)。

發(fā)明內(nèi)容

本發(fā)明提供一種基于時(shí)序數(shù)據(jù)的行為評價(jià)方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)，其主要目的在于解決當(dāng)前時(shí)序數(shù)據(jù)浪費(fèi)的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于時(shí)序數(shù)據(jù)的行為評價(jià)方法，包括：

獲取預(yù)設(shè)周期內(nèi)的歷史時(shí)序數(shù)據(jù)集，將所述歷史時(shí)序數(shù)據(jù)集按照所述周期的不同時(shí)間階段進(jìn)行拆分，得到多個(gè)歷史時(shí)序數(shù)據(jù)子集；

根據(jù)所述歷史時(shí)序數(shù)據(jù)集構(gòu)建原始評分模型，并根據(jù)多個(gè)所述歷史時(shí)序數(shù)據(jù)子集，拆分所述原始評分模型，得到多個(gè)原始評分子模型；

利用所述歷史時(shí)序數(shù)據(jù)子集訓(xùn)練對應(yīng)的原始評分子模型，得到多個(gè)標(biāo)準(zhǔn)評分子模型；

接收當(dāng)前時(shí)序數(shù)據(jù)，判斷所述當(dāng)前時(shí)序數(shù)據(jù)在所述周期的時(shí)間階段，根據(jù)所述時(shí)間階段選擇對應(yīng)的標(biāo)準(zhǔn)評分子模型進(jìn)行行為評分，得到行為評價(jià)結(jié)果。

可選地，所述歷史時(shí)序數(shù)據(jù)集存儲于區(qū)塊鏈中，所述將所述歷史時(shí)序數(shù)據(jù)集按照所述周期的不同時(shí)間階段進(jìn)行拆分，得到多個(gè)歷史時(shí)序數(shù)據(jù)子集，包括：

根據(jù)所述周期的長度，將所述周期拆分成不同的時(shí)間階段；

按照不同的所述時(shí)間階段，將所述歷史時(shí)序數(shù)據(jù)集進(jìn)行拆分，并與所述時(shí)間階段進(jìn)行匹配，得到多個(gè)所述歷史時(shí)序數(shù)據(jù)子集。

可選地，所述利用所述歷史時(shí)序數(shù)據(jù)子集訓(xùn)練對應(yīng)的原始評分子模型，得到多個(gè)標(biāo)準(zhǔn)評分子模型，包括：

步驟A：將所述歷史時(shí)序數(shù)據(jù)子集中的數(shù)據(jù)輸入所述原始評分子模型中，訓(xùn)練所述原始評分子模型的模型參數(shù)得到訓(xùn)練值；

步驟B：判斷所述訓(xùn)練值與預(yù)設(shè)的訓(xùn)練誤差值的大小關(guān)系；

步驟C：若所述訓(xùn)練值大于所述訓(xùn)練誤差值，返回步驟A；

步驟D：若所述訓(xùn)練值小于或等于所述訓(xùn)練誤差值，則完成訓(xùn)練得到所述多個(gè)標(biāo)準(zhǔn)評分子模型。

可選地，所述步驟A，包括：

將所述歷史時(shí)序數(shù)據(jù)子集內(nèi)的數(shù)據(jù)轉(zhuǎn)變?yōu)樵枷蛄浚?/p>

根據(jù)預(yù)構(gòu)建的拼接向量規(guī)則，拼接所述原始向量得到原始時(shí)序向量；

根據(jù)預(yù)構(gòu)建的標(biāo)準(zhǔn)時(shí)序向量、第一權(quán)重矩陣及第二權(quán)重矩陣，計(jì)算所述原始時(shí)序向量的原始時(shí)序特征向量；

將所述原始時(shí)序特征向量輸入預(yù)構(gòu)建的激活函數(shù)經(jīng)所述激活函數(shù)的計(jì)算得到所述訓(xùn)練值。