[發(fā)明專利]基于人工智能的行為預(yù)測方法、裝置、終端及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010797373.1
• 申請日: 2020-08-10
• 公開（公告）號: CN111950622B
• 公開（公告）日: 2023-08-15
• 發(fā)明（設(shè)計(jì)）人: 張躍;張浩然
• 申請（專利權(quán)）人: 中國平安人壽保險(xiǎn)股份有限公司
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06F18/23213;G06F18/243;G06F18/2135;G06N3/126;G06N20/20
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 陳敬華

1.一種基于人工智能的行為預(yù)測方法，其特征在于，所述方法包括：

對原始樣本數(shù)據(jù)集進(jìn)行分群得到多個(gè)群樣本數(shù)據(jù)集包括：使用主成分分析算法提取所述原始樣本數(shù)據(jù)集的多個(gè)特征；對所述多個(gè)特征按照從大到小進(jìn)行排序；選取排序后的多個(gè)特征中的前預(yù)設(shè)第一數(shù)量的目標(biāo)特征；根據(jù)所述前預(yù)設(shè)第一數(shù)量的目標(biāo)特征生成基空間；將所述原始樣本數(shù)據(jù)集中的每個(gè)原始樣本數(shù)據(jù)投影到所述基空間中得到對應(yīng)的樣本特征；根據(jù)所述樣本特征對所述原始樣本數(shù)據(jù)集進(jìn)行聚類得到多個(gè)群樣本數(shù)據(jù)集；

使用第一種群生成模型根據(jù)所述多個(gè)群樣本數(shù)據(jù)集生成第一代種群包括：為每個(gè)群樣本數(shù)據(jù)集隨機(jī)生成第一標(biāo)識或者生成第二標(biāo)識；根據(jù)每個(gè)群樣本數(shù)據(jù)集的所述第一標(biāo)識或者所述第二標(biāo)識對所述多個(gè)群樣本數(shù)據(jù)集進(jìn)行排列組合；根據(jù)所有排列組合對應(yīng)的多個(gè)群樣本數(shù)據(jù)集及標(biāo)識生成第一代種群，其中，同一個(gè)群樣本數(shù)據(jù)集中的所有原始樣本數(shù)據(jù)對應(yīng)同一個(gè)標(biāo)識；

使用XGBoost模型對所述第一代種群進(jìn)行訓(xùn)練得到多個(gè)第一預(yù)測值，并根據(jù)所述多個(gè)第一預(yù)測值計(jì)算第一頭部預(yù)測準(zhǔn)確率，使用遺傳算法根據(jù)所述第一頭部預(yù)測準(zhǔn)確率對所述多個(gè)群樣本數(shù)據(jù)集進(jìn)行尋優(yōu)得到第二代種群；其中，根據(jù)所述多個(gè)第一預(yù)測值計(jì)算第一頭部預(yù)測準(zhǔn)確率包括：對所述多個(gè)第一預(yù)測值按照從大到小進(jìn)行排序；選取排序后的多個(gè)第一預(yù)測值中的前預(yù)設(shè)第二數(shù)量的目標(biāo)預(yù)測值；獲取所述前預(yù)設(shè)第二數(shù)量的目標(biāo)預(yù)測值對應(yīng)的真實(shí)值；根據(jù)所述前預(yù)設(shè)第二數(shù)量的目標(biāo)預(yù)測值及對應(yīng)的真實(shí)值計(jì)算第一頭部預(yù)測準(zhǔn)確率；

使用所述XGBoost模型對所述第二代種群進(jìn)行迭代訓(xùn)練得到多個(gè)第二預(yù)測值，并根據(jù)所述多個(gè)第二預(yù)測值計(jì)算第二頭部預(yù)測準(zhǔn)確率，使用所述遺傳算法根據(jù)所述第二頭部預(yù)測準(zhǔn)確率對所述多個(gè)群樣本數(shù)據(jù)集進(jìn)行迭代尋優(yōu)，直到得到目標(biāo)種群；

基于所述目標(biāo)種群中為第一標(biāo)識的原始樣本數(shù)據(jù)構(gòu)建樣本數(shù)據(jù)子集，并使用所述XGBoost模型對所述樣本數(shù)據(jù)子集進(jìn)行訓(xùn)練得到行為預(yù)測模型；

調(diào)用所述行為預(yù)測模型預(yù)測目標(biāo)用戶的行為。

2.如權(quán)利要求1所述的基于人工智能的行為預(yù)測方法，其特征在于，在所述對原始樣本數(shù)據(jù)集進(jìn)行分群得到多個(gè)群樣本數(shù)據(jù)集之前，所述方法還包括：

判斷所述原始樣本數(shù)據(jù)集的數(shù)量是否大于預(yù)設(shè)數(shù)量閾值；

當(dāng)所述原始樣本數(shù)據(jù)集的數(shù)量大于或者等于所述預(yù)設(shè)數(shù)量閾值時(shí)，對所述原始樣本數(shù)據(jù)集進(jìn)行分群；

當(dāng)所述原始樣本數(shù)據(jù)集的數(shù)量小于所述預(yù)設(shè)數(shù)量閾值時(shí)，使用第二種群生成模型根據(jù)所述原始樣本數(shù)據(jù)集生成第一代種群。

3.如權(quán)利要求2所述的基于人工智能的行為預(yù)測方法，其特征在于，所述使用第二種群生成模型根據(jù)所述原始樣本數(shù)據(jù)集生成第一代種群包括：

初始化比例值序列；

迭代讀取所述比例值序列中的一個(gè)目標(biāo)比例值，并從所述原始樣本數(shù)據(jù)集中隨機(jī)選擇所述目標(biāo)比例值的目標(biāo)原始樣本數(shù)據(jù)；

為所述目標(biāo)原始樣本數(shù)據(jù)生成第一標(biāo)識，及為其余原始樣本數(shù)據(jù)生成第二標(biāo)識；

將所述目標(biāo)原始樣本數(shù)據(jù)及對應(yīng)的所述第一標(biāo)識，所述其余原始樣本數(shù)據(jù)及對應(yīng)的所述第二標(biāo)識確定為第二樣本數(shù)據(jù)集；

根據(jù)所述比例值序列中的每個(gè)目標(biāo)比例值對應(yīng)的第二樣本數(shù)據(jù)集生成第一代種群。

4.如權(quán)利要求2至3中任意一項(xiàng)所述的基于人工智能的行為預(yù)測方法，其特征在于，所述調(diào)用所述行為預(yù)測模型預(yù)測目標(biāo)用戶的行為包括：

將所述目標(biāo)用戶的目標(biāo)數(shù)據(jù)投影到所述基空間中得到目標(biāo)樣本特征；

輸入所述目標(biāo)樣本特征至所述行為預(yù)測模型中進(jìn)行預(yù)測得到第三預(yù)測值；

基于所述第三預(yù)測值確定所述目標(biāo)用戶的行為標(biāo)識。