[發明專利]一種構建資源返還表現預測模型的方法、裝置和電子設備

在審

• 申請號: 202010699224.1
• 申請日: 2020-07-20
• 公開（公告）號: CN111950601A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 吳恩慈
• 申請（專利權）人: 上海淇馥信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海點威知識產權代理有限公司 31326
• 代理人: 杜焱

1.一種構建資源返還表現預測模型的方法，其特征在于，包括：

提供流水線學習器，所述流水線學習器中具有多個任務階段；

分布存儲多個待訓練的任務算法，構成算法集群；

利用所述流水線學習器對所述算法集群中的多個任務算法進行組合，形成各任務階段均具有任務算法的閉環反饋流水線，所述閉環反饋流水線中用于訓練的輸入層與用于預測的任務算法的輸出層之間數據連通；

結合逾期信息，利用機器學習算法對所述閉環反饋流水線中的任務算法進行訓練，得到資源返還表現預測模型。

2.根據權利要求1所述的方法，其特征在于，所述結合逾期信息，利用機器學習算法對所述閉環反饋流水線中的任務算法進行訓練，得到資源返還表現預測模型，包括：

獲取逾期用戶的資源返還表現數據；

基于所述逾期用戶的逾期信息和所述資源返還表現數據，以回歸算法對所述閉環反饋流水線中的任務算法進行訓練。

3.根據權利要求1-2中任一項所述的方法，其特征在于，所述獲取逾期用戶的資源返還表現數據，包括：

業務系統對已預測的逾期用戶進行監測，生成逾期用戶的資源返還表現數據，并通過數據同步組件將所述資源返還表現數據同步至模型系統；

接收所述業務系統監測生成的所述資源返還表現數據；

所述基于所述逾期用戶的逾期信息和所述資源返還表現數據，以回歸算法對所述閉環反饋流水線中的任務算法進行訓練，還包括：

利用所述逾期用戶的逾期信息、對所述逾期用戶預測并由所述輸出層向所述輸入層傳遞的資源返還表現數據和所述業務系統監測生成的所述資源返還表現數據，以回歸算法對所述閉環反饋流水線中的任務算法進行修正。

4.根據權利要求1-3中任一項所述的方法，其特征在于，所述資源返還表現數據為施行資源返還輔助策略后的資源返還表現數據；

所述基于所述逾期用戶的逾期信息和所述資源返還表現數據，以回歸算法對所述閉環反饋流水線中的任務算法進行訓練，包括：

基于所述逾期用戶的逾期信息和所述資源返還表現數據，結合所述輔助策略，以回歸算法對所述閉環反饋流水線中的任務算法進行訓練。

5.根據權利要求1-4中任一項所述的方法，其特征在于，所述流水線學習器中的每個任務階段均具有轉換器和評估器；

所述方法還包括：

利用所述資源返還表現預測模型預測逾期用戶的資源返還表現數據，包括：

當前轉換器獲取輸入的數據集，進行處理，得到輸出數據集；

所述當前轉換器對應的評估器根據所述輸出數據集輸出資源返還表現數據，或者，當前轉換器對應的評估器根據所述輸出數據集路由與所述輸出數據集相匹配的下一轉換器，并將所述輸出數據集傳遞給所述下一轉換器。

6.根據權利要求1-5中任一項所述的方法，其特征在于，所述根據所述輸出數據集路由與所述輸出數據集相匹配的下一轉換器，包括：

從當前轉換器連接的多個轉換器中選擇與所述輸出數據集相匹配的下一轉換器。

7.根據權利要求1-6中任一項所述的方法，其特征在于，所述將所述輸出數據集傳遞給所述下一轉換器，包括：

將所述輸出數據發送至存儲所述下一轉換器的數據庫分片中，以利用分布式算法集群進行預測。

8.一種構建資源返還表現預測模型的裝置，其特征在于，包括：

學習器模塊，提供流水線學習器，所述流水線學習器中具有多個任務階段；

任務算法模塊，分布存儲多個待訓練的任務算法，構成算法集群；

流水線模塊，利用所述流水線學習器對所述算法集群中的多個任務算法進行組合，形成各任務階段均具有任務算法的閉環反饋流水線，所述閉環反饋流水線中用于訓練的輸入層與用于預測的任務算法的輸出層之間數據連通；

所述流水線模塊，還用于結合逾期信息，利用機器學習算法對所述閉環反饋流水線中的任務算法進行訓練，得到資源返還表現預測模型。