[發(fā)明專利]分類模型構(gòu)建方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010740250.4
• 申請日: 2020-07-28
• 公開（公告）號: CN111832661A
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計(jì)）人: 謝勝鋒;曾俊揚(yáng)
• 申請（專利權(quán)）人: 平安國際融資租賃有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 北京英特普羅知識產(chǎn)權(quán)代理有限公司 11015
• 代理人: 程超

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，公開了一種分類模型構(gòu)建方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)，包括：通過凝聚層次聚類算法識別各存量規(guī)則之間的差異度，并匯總差異度低于差異閾值的存量規(guī)則生成規(guī)則集合；提取規(guī)則集合中各存量規(guī)則的判斷指標(biāo)和判斷結(jié)果，對判斷指標(biāo)和判斷結(jié)果去重得到規(guī)則指標(biāo)和規(guī)則結(jié)果；構(gòu)建以規(guī)則集合中規(guī)則結(jié)果為分類結(jié)果，以規(guī)則指標(biāo)為判斷因子的分類模型；根據(jù)規(guī)則集合中規(guī)則指標(biāo)創(chuàng)建配置頁面，將配置頁面與規(guī)則集合對應(yīng)的分類模型關(guān)聯(lián)。本發(fā)明僅需調(diào)用一個(gè)分類模型即可對多個(gè)相似的存量規(guī)則對應(yīng)的計(jì)算數(shù)據(jù)進(jìn)行計(jì)算，極大的降低了規(guī)則使用的復(fù)雜度，解決了當(dāng)前使用者很難找到準(zhǔn)確的規(guī)則開展其當(dāng)前需解決的業(yè)務(wù)的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能的智能決策技術(shù)領(lǐng)域，尤其涉及一種分類模型構(gòu)建方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

人行征信報(bào)告是絕大部分金融機(jī)構(gòu)都會使用到的數(shù)據(jù)源，用來對用戶進(jìn)行風(fēng)險(xiǎn)判斷。但由于人行征信報(bào)告的報(bào)文非常復(fù)雜，且大多是明細(xì)類數(shù)據(jù)，統(tǒng)計(jì)類數(shù)據(jù)較少，導(dǎo)致了與其明細(xì)相關(guān)的規(guī)則在絕大部分傳統(tǒng)規(guī)則引擎里實(shí)現(xiàn)起來非常困難，經(jīng)常需要針對每一條規(guī)則來寫不同的腳本，且業(yè)務(wù)人員是無法寫這種類別的規(guī)則，需要開發(fā)人員來進(jìn)行腳本的開發(fā)。

當(dāng)規(guī)則數(shù)目增加到一定數(shù)量，使用者則需要在大量的規(guī)則中查詢并調(diào)用需要的規(guī)則對數(shù)據(jù)進(jìn)行處理，造成規(guī)則的查詢及調(diào)用十分繁雜，導(dǎo)致使用者很難找到準(zhǔn)確的規(guī)則開展其當(dāng)前需解決的業(yè)務(wù)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種分類模型構(gòu)建方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)，用于解決現(xiàn)有技術(shù)存在的需要在大量的規(guī)則中查詢并調(diào)用需要的規(guī)則對數(shù)據(jù)進(jìn)行處理，導(dǎo)致使用者很難找到準(zhǔn)確的規(guī)則開展其當(dāng)前需解決的業(yè)務(wù)的問題；本申請可應(yīng)用于智慧政務(wù)場景中，從而推動(dòng)智慧城市的建設(shè)。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種分類模型構(gòu)建方法，包括：

獲得至少一個(gè)存量規(guī)則，通過凝聚層次聚類算法識別各所述存量規(guī)則之間的差異度，并匯總差異度低于差異閾值的存量規(guī)則生成規(guī)則集合；

提取規(guī)則集合中各存量規(guī)則的判斷指標(biāo)和判斷結(jié)果，對所述判斷指標(biāo)和判斷結(jié)果去重得到規(guī)則指標(biāo)和規(guī)則結(jié)果；

構(gòu)建以規(guī)則集合中規(guī)則結(jié)果為分類結(jié)果，以規(guī)則指標(biāo)為判斷因子的分類模型；

根據(jù)規(guī)則集合中規(guī)則指標(biāo)創(chuàng)建配置頁面，將所述配置頁面與所述規(guī)則集合對應(yīng)的分類模型關(guān)聯(lián)。

上述方案中，將所述配置頁面與所述規(guī)則集合對應(yīng)的分類模型關(guān)聯(lián)之后，還包括：

將所述配置頁面發(fā)送至用戶端，接收所述用戶端在所述配置頁面上錄入的計(jì)算數(shù)據(jù)，并通過與所述配置頁面關(guān)聯(lián)的分類模型運(yùn)算所述計(jì)算數(shù)據(jù)生成計(jì)算結(jié)果；

將所述計(jì)算結(jié)果返回至所述用戶端和/或?qū)⑺鲇?jì)算結(jié)果上傳至區(qū)塊鏈。

上述方案中，通過凝聚層次聚類算法識別各所述存量規(guī)則之間的差異度的步驟，包括：

提取存量規(guī)則中的判斷指標(biāo)和判斷結(jié)果，對所述判斷指標(biāo)和判斷結(jié)果進(jìn)行向量化處理獲得特征向量；

通過凝聚層次聚類算法對每個(gè)存量規(guī)則的特征向量，進(jìn)行兩兩計(jì)算，得出特征向量之間的聚類距離間距，并將所述聚類距離間距作為所述特征向量所對應(yīng)的存量規(guī)則之間的差異度。

上述方案中，匯總差異度低于差異閾值的存量規(guī)則生成規(guī)則集合的步驟，包括：

獲取任一存量規(guī)則作為目標(biāo)規(guī)則，提取與所述目標(biāo)規(guī)則與其他存量規(guī)則之間的差異度；

將差異度低于差異閾值的存量規(guī)則作為相似規(guī)則，并將其與所述目標(biāo)規(guī)則匯總獲得規(guī)則集合。

上述方案中，對所述判斷指標(biāo)和判斷結(jié)果去重得到規(guī)則指標(biāo)和規(guī)則結(jié)果之后，還包括：