[發(fā)明專利]業(yè)務(wù)分類方法及裝置

有效

• 申請?zhí)枺?/td>: 202011413056.1
• 申請日: 2020-12-07
• 公開（公告）號: CN112200272B
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計）人: 顧凌云;謝旻旗;段灣;喬韻如;王震宇
• 申請（專利權(quán)）人: 上海冰鑒信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10
• 代理公司: 成都頂峰專利事務(wù)所(普通合伙) 51224
• 代理人: 匡睿

本申請實施例提供一種業(yè)務(wù)分類方法及裝置，通過對未進入業(yè)務(wù)分類模型的特征進行進一步的特征衍生，從而通過篩選獲得具有新的含義且更利于模型計算的衍生特征集合，從而進一步挖掘衍生特征的數(shù)據(jù)價值，為業(yè)務(wù)分類模型補充數(shù)據(jù)維度和屬性信息，提高業(yè)務(wù)分類模型的實際分類效果及穩(wěn)定性。

技術(shù)領(lǐng)域

本申請涉及機器學(xué)習(xí)技術(shù)領(lǐng)域，具體而言，涉及一種業(yè)務(wù)分類方法及裝置。

背景技術(shù)

在常規(guī)的風(fēng)控業(yè)務(wù)場景中，根據(jù)特征的數(shù)據(jù)屬性和來源，通常將衍生方法分為兩類。

第一類、基于用戶的固有性質(zhì)和特點數(shù)據(jù)，可以直接解析衍生出可用于量化描述或分類的特征，例如根據(jù)身份、教育、工作等申請表信息，可直接解析出年齡、性別、籍貫所在地、運營商類別、畢業(yè)學(xué)校類型、工作年限、工作屬性等衍生特征；

第二類、基于用戶屬性、行為或者信用評分數(shù)據(jù)（例如，人行數(shù)據(jù)、合法授權(quán)的運營商詳單數(shù)據(jù)、歷史借貸行為數(shù)據(jù)等），結(jié)合實際業(yè)務(wù)邏輯，進行數(shù)學(xué)變換、特征交叉與組合、分箱等計算，衍生得到新的特征，例如根據(jù)運營商詳單數(shù)據(jù)，可依據(jù)時間或空間的角度衍生計算出各種統(tǒng)計量作為特征，也可結(jié)合時間、空間、屬性等維度進行交叉或組合計算衍生得到新的特征。

然而，發(fā)明人研究發(fā)現(xiàn)，現(xiàn)有特征衍生方法，由于在結(jié)合時間、空間、屬性等維度的基礎(chǔ)上，使用了數(shù)學(xué)變換、交叉與組合、分箱等衍生方法，導(dǎo)致最終獲得的備選特征數(shù)量較多，數(shù)據(jù)信息分散在眾多備選特征中。但受限于實際業(yè)務(wù)分類模型構(gòu)建過程中對特征顯著性、共線性和增益程度的要求，很多具有較好趨勢或業(yè)務(wù)含義的特征難以入選模型，這使得最終業(yè)務(wù)分類模型在使用的數(shù)據(jù)維度和信息上有所損失，最終影響業(yè)務(wù)分類模型的實際分類效果及穩(wěn)定性。

發(fā)明內(nèi)容

基于現(xiàn)有設(shè)計的不足，本申請?zhí)峁┮环N業(yè)務(wù)分類方法及裝置，通過對未進入業(yè)務(wù)分類模型的特征進行進一步的特征衍生，從而通過篩選獲得具有新的含義且更利于模型計算的衍生特征集合，從而進一步挖掘衍生特征的數(shù)據(jù)價值，為業(yè)務(wù)分類模型補充數(shù)據(jù)維度和屬性信息，提高業(yè)務(wù)分類模型的實際分類效果及穩(wěn)定性。

根據(jù)本申請的第一方面，提供一種業(yè)務(wù)分類方法，應(yīng)用于服務(wù)器，所述方法包括：

對收集到的風(fēng)控業(yè)務(wù)場景下的建模樣本集的各維度數(shù)據(jù)進行特征衍生操作，獲得第一特征集合，其中，所述建模樣本集包括訓(xùn)練樣本集和測試樣本集，所述第一特征集合包括所述訓(xùn)練樣本集對應(yīng)的第一訓(xùn)練特征集合；

對所述訓(xùn)練樣本集對應(yīng)的第一訓(xùn)練特征集合進行特征選擇和模型構(gòu)建，獲得滿足預(yù)設(shè)條件的第一業(yè)務(wù)分類模型，以及進入所述第一業(yè)務(wù)分類模型的第二特征集合和未進入所述第一業(yè)務(wù)分類模型的第三特征集合；

篩選出所述第三特征集合中特征性能評估值大于預(yù)設(shè)評估值，并且匹配預(yù)設(shè)區(qū)分規(guī)則的第一備選特征集，使用機器學(xué)習(xí)模型對所述第一備選特征集進行模型擬合，輸出所述機器學(xué)習(xí)模型的概率值，作為第一衍生特征集合；

根據(jù)所述第三特征集合對所述建模樣本集進行聚類分析，根據(jù)聚類分析結(jié)果確定第二衍生特征集合；

根據(jù)所述第一衍生特征集合和所述第二衍生特征集合進行模型構(gòu)建，獲得第二業(yè)務(wù)分類模型，用于對輸入的待分類樣本進行業(yè)務(wù)分類。

在第一方面的一種可能的實施方式中，所述對收集到的風(fēng)控業(yè)務(wù)場景下的建模樣本集的各維度數(shù)據(jù)進行特征衍生操作，獲得第一特征集合的步驟，包括：

根據(jù)所述建模樣本集的各維度數(shù)據(jù)的屬性和來源，對所述建模樣本集的各維度數(shù)據(jù)進行特征工程處理，獲得第一特征集合，其中，所述特征工程處理包括解析衍生處理、數(shù)學(xué)變換處理、特征交叉與組合處理、分箱衍生處理中的一種或者多種的組合。