[發明專利]基于人工智能的行為預測方法、裝置、終端及存儲介質

有效

• 申請號: 202010797373.1
• 申請日: 2020-08-10
• 公開（公告）號: CN111950622B
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 張躍;張浩然
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 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權代理有限公司 44334
• 代理人: 陳敬華

本發明涉及人工智能技術領域，提供一種基于人工智能的行為預測方法、裝置、終端及存儲介質，包括：對原始樣本數據集進行分群得到多個群樣本數據集；使用第一種群生成模型根據多個群樣本數據集生成第一代種群，其中，同一個群樣本數據集中的原始樣本數據對應同一個標識；使用XGBoost模型對第一代種群進行訓練得到多個預測值，并根據多個預測值計算頭部預測準確率，使用遺傳算法根據頭部預測準確率對多個群樣本數據集進行迭代尋優直到得到目標種群；基于目標種群中為第一標識的原始樣本數據構建樣本數據子集，并訓練行為預測模型來預測目標用戶的行為。本發明能夠使得行為預測模型訓練的目標與業務場景的目標保持一致，提高頭部人群的行為預測的準確率。

技術領域

本發明涉及人工智能技術領域，具體涉及一種基于人工智能的行為預測方法、裝置、終端及存儲介質。

背景技術

在代理人業績考核業務中，需要通過預測模型對新入司的準代理人進行打分，然后以打分最高(最容易低業績)的前1％人群的低業績準確率作為衡量模型的最終目標，對這類人不予入司申請，所以對這些人的低業績預測準確率要求很高。

發明人在實現本發明的過程中發現，常見的基于機器學習的預測模型大多是以模型的log?loss或者交叉熵作為模型訓練的損失函數，訓練出的預測模型在基于整體樣本的排序的AUC指標上有良好的效果，然而在代理人業績預測場景中，并不要求對整體樣本的AUC有過高的要求，只是對于頭部樣本的預測準確率有較高的要求，這就造成了模型訓練的目標和業務場景的目標不一致的情況。

發明內容

鑒于以上內容，有必要提出一種基于人工智能的行為預測方法、裝置、終端及存儲介質，能夠使得行為預測模型訓練的目標與業務場景的目標保持一致，提高頭部人群的行為預測的準確率。

本發明的第一方面提供一種基于人工智能的行為預測方法，所述方法包括：

對原始樣本數據集進行分群得到多個群樣本數據集；

使用第一種群生成模型根據所述多個群樣本數據集生成第一代種群，其中，同一個群樣本數據集中的所有原始樣本數據對應同一個標識；

使用XGBoost模型對所述第一代種群進行訓練得到多個第一預測值，并根據所述多個第一預測值計算第一頭部預測準確率，使用遺傳算法根據所述第一頭部預測準確率對所述多個群樣本數據集進行尋優得到第二代種群；

使用所述XGBoost模型對所述第二代種群進行迭代訓練得到多個第二預測值，并根據所述多個第二預測值計算第二頭部預測準確率，使用所述遺傳算法根據所述第二頭部預測準確率對所述多個群樣本數據集進行迭代尋優，直到得到目標種群；

基于所述目標種群中為第一標識的原始樣本數據構建樣本數據子集，并使用所述XGBoost模型對所述樣本數據子集進行訓練得到行為預測模型；

調用所述行為預測模型預測目標用戶的行為。

可選的，所述對原始樣本數據集進行分群得到多個群樣本數據集包括：

使用主成分分析算法提取所述原始樣本數據集的多個特征；

對所述多個特征按照從大到小進行排序；

選取排序后的多個特征中的前預設第一數量的目標特征；

根據所述前預設第一數量的目標特征生成基空間；

將所述原始樣本數據集中的每個原始樣本數據投影到所述基空間中得到對應的樣本特征；

根據所述樣本特征對所述原始樣本數據集進行聚類得到多個群樣本數據集。

可選的，所述使用第一種群生成模型根據所述多個群樣本數據集生成第一代種群包括：

為每個群樣本數據集隨機生成第一標識或者生成第二標識；