[發(fā)明專利]利用業(yè)務決策模型進行決策處理的方法及裝置

有效

• 申請?zhí)枺?/td>: 202010537464.1
• 申請日: 2020-06-12
• 公開（公告）號: CN111445032B
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計）人: 尹紅軍;王力;周俊
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號: G06N20/10
• 分類號: G06N20/10;G06K9/62
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種利用業(yè)務決策模型進行決策處理的方法，通過服務平臺執(zhí)行，所述方法包括：

獲取第一業(yè)務處理請求，確定所述第一業(yè)務處理請求的第一業(yè)務特征；

將所述第一業(yè)務特征輸入利用強化學習得到的業(yè)務決策模型，得到所述第一業(yè)務處理請求針對多個決策行為的第一得分分布；

利用多個歷史業(yè)務處理請求，確定針對所述第一業(yè)務處理請求的決策干預系數(shù)，其包含針對所述多個決策行為的干預系數(shù)分布；

利用所述決策干預系數(shù)，對所述第一得分分布進行干預處理，得到針對所述多個決策行為的第二得分分布；

基于所述第二得分分布，從所述多個決策行為中確定針對所述第一業(yè)務處理請求的決策行為。

2.根據(jù)權(quán)利要求1所述的方法，所述利用所述決策干預系數(shù)，對所述第一得分分布進行干預處理的步驟，包括：

針對所述第一得分分布中每個決策行為的第一得分，基于所述第一得分與所述決策干預系數(shù)中該決策行為對應的干預系數(shù)的乘積，得到該決策行為對應的第二得分，進而得到針對所述多個決策行為的第二得分分布。

3.根據(jù)權(quán)利要求1所述的方法，所述基于所述第二得分分布，從所述多個決策行為中確定針對所述第一業(yè)務處理請求的決策行為的步驟，包括：

基于所述第二得分分布，利用貪婪算法，確定所述第一業(yè)務處理請求針對所述多個決策行為的收益分布；

基于所述收益分布，從所述多個決策行為中確定針對所述第一業(yè)務處理請求的決策行為。

4.根據(jù)權(quán)利要求1所述的方法，所述利用多個歷史業(yè)務處理請求，確定針對所述第一業(yè)務處理請求的決策干預系數(shù)的步驟，包括：

將所述第一業(yè)務特征輸入預先訓練的決策系數(shù)模型，得到所述第一業(yè)務處理請求針對所述多個決策行為的第三得分分布；其中，所述決策系數(shù)模型基于對多個歷史業(yè)務處理請求，以及每個歷史業(yè)務處理請求針對多個決策行為的得分分布進行訓練得到；

基于所述第三得分分布確定針對所述第一業(yè)務處理請求的決策干預系數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，所述決策系數(shù)模型采用以下方式訓練得到：

將所述多個歷史業(yè)務處理請求確定為訓練樣本；其中，所述多個歷史業(yè)務處理請求對應的業(yè)務特征為樣本特征，每個歷史業(yè)務處理請求針對多個決策行為的得分分布為對應的訓練樣本的樣本標簽；

將所述訓練樣本的樣本特征輸入決策系數(shù)模型，得到所述訓練樣本針對所述多個決策行為的預測得分分布；

基于所述預測得分分布與對應的樣本標簽中的得分分布之間的差異，確定損失值；

向減小所述損失值的方向，更新所述決策系數(shù)模型。

6.根據(jù)權(quán)利要求1所述的方法，所述利用多個歷史業(yè)務處理請求，確定針對所述第一業(yè)務處理請求的決策干預系數(shù)的步驟，包括：

獲取采用以下方式確定的決策干預系數(shù)，作為針對所述第一業(yè)務處理請求的決策干預系數(shù)：

獲取針對每個歷史業(yè)務處理請求的決策行為；

在多個歷史業(yè)務處理請求及對應的決策行為中，統(tǒng)計每一種決策行為對應的歷史業(yè)務處理請求的數(shù)目，得到多個決策行為的分布數(shù)據(jù)；

對所述多個決策行為的分布數(shù)據(jù)進行歸一化，得到?jīng)Q策干預系數(shù)。

7.根據(jù)權(quán)利要求1所述的方法，所述第一業(yè)務處理請求包括：支付交易請求或訪問請求。

8.根據(jù)權(quán)利要求7所述的方法，所述第一業(yè)務特征包括支付方特征、被支付方特征、支付場景特征中的至少一種；或者，所述第一業(yè)務特征包括訪問方特征、被訪問方特征、訪問場景特征中的至少一種；

所述多個決策行為包括以下中的至少兩種：攔截、警告、提醒、直接放行。

9.根據(jù)權(quán)利要求1所述的方法，所述業(yè)務決策模型采用基于上下文的多臂老虎機模型或者模型DQN訓練得到。

10.根據(jù)權(quán)利要求4所述的方法，所述決策系數(shù)模型采用以下模型中的一種實現(xiàn)：邏輯回歸模型、梯度提升迭代決策樹GBDT、模型XGB和深度神經(jīng)網(wǎng)絡DNN模型。