[發明專利]銀行客戶數據處理方法及裝置

在審

• 申請號: 202010834009.8
• 申請日: 2020-08-18
• 公開（公告）號: CN111984842A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 徐曉健;李福洋;嚴潔;欒英英;童楚婕;彭勃
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06Q40/02;G06N3/12
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 谷敬麗;周曉飛

1.一種銀行客戶數據處理方法，其特征在于，包括：

獲得銀行客戶數據，所述銀行客戶數據包括：個人數據，交易數據，行為數據其中之一或任意組合；

根據所述銀行客戶數據和預先建立的分類模型，對銀行客戶數據進行分類，其中，所述分類模型根據多個訓練好的機器學習模型預先建立，所述多個訓練好的機器學習模型利用遺傳算法從機器學習模型集合中進行選取，所述機器學習模型集合中每個訓練好的機器學習模型設置有不同超參數，每個機器學習模型根據銀行客戶歷史數據進行訓練。

2.如權利要求1所述的銀行客戶數據處理方法，其特征在于，所述多個訓練好的機器學習模型按如下方式從機器學習模型集合中進行選取：

對機器學習模型集合中的訓練好的機器學習模型進行編號，獲得每個訓練好的機器學習模型對應的模型序號；

對所述每個訓練好的機器學習模型對應的模型序號進行二進制編碼處理；

根據二進制編碼處理后的模型序號，隨機生成初始種群；

利用遺傳算法對所述初始種群進行多次更新，其中對于每次更新，選取種群中每個子代數據對應的一個或多個訓練好的機器學習模型，根據所述一個或多個訓練好的機器學習模型，銀行客戶歷史數據以及預設監督值，生成種群中每個子代數據對應的適應度指標，根據所述適應度指標選取預設數量的子代數據，根據所述預設數量的子代數據對種群進行下一次更新。

3.如權利要求2所述的銀行客戶數據處理方法，其特征在于，根據所述一個或多個訓練好的機器學習模型，銀行客戶歷史數據以及預設監督值，生成種群中每個子代數據對應的適應度指標，包括：

根據所述一個或多個訓練好的機器學習模型和銀行客戶歷史數據，確定模型輸出值；

根據所述模型輸出值和預設監督值之間的誤差值，生成種群中每個子代數據對應的適應度指標。

4.如權利要求1所述的銀行客戶數據處理方法，其特征在于，所述多個訓練好的機器學習模型包括：xgboost機器學習模型，lightgbm機器學習模型和神經網絡模型。

5.如權利要求1所述的銀行客戶數據處理方法，其特征在于，還包括：獲得銀行客戶數據之后，利用三倍標準差探測算法對所述銀行客戶數據進行清洗處理，利用均值填充算法對清洗處理后的銀行客戶數據進行空缺填充處理，對空缺填充處理后的銀行客戶數據進行數據向量化處理；

根據所述銀行客戶數據和預先建立的分類模型，對銀行客戶數據進行分類，包括：根據數據向量化處理后的銀行客戶數據和預先建立的分類模型，對銀行客戶數據進行分類。

6.一種銀行客戶數據處理裝置，其特征在于，包括：

數據獲得模塊，用于獲得銀行客戶數據，所述銀行客戶數據包括：個人數據，交易數據，行為數據其中之一或任意組合；

數據分類模塊，用于根據所述銀行客戶數據和預先建立的分類模型，對銀行客戶數據進行分類，其中，所述分類模型根據多個訓練好的機器學習模型預先建立，所述多個訓練好的機器學習模型利用遺傳算法從機器學習模型集合中進行選取，所述機器學習模型集合中每個訓練好的機器學習模型設置有不同超參數，每個機器學習模型根據銀行客戶歷史數據進行訓練。

7.如權利要求6所述的銀行客戶數據處理裝置，其特征在于，所述數據分類模塊進一步用于：

對機器學習模型集合中的訓練好的機器學習模型進行編號，獲得每個訓練好的機器學習模型對應的模型序號；

對所述每個訓練好的機器學習模型對應的模型序號進行二進制編碼處理；

根據二進制編碼處理后的模型序號，隨機生成初始種群；

利用遺傳算法對所述初始種群進行多次更新，其中對于每次更新，選取種群中每個子代數據對應的一個或多個訓練好的機器學習模型，根據所述一個或多個訓練好的機器學習模型，銀行客戶歷史數據以及預設監督值，生成種群中每個子代數據對應的適應度指標，根據所述適應度指標選取預設數量的子代數據，根據所述預設數量的子代數據對種群進行下一次更新。