[發明專利]代理人出單概率的預測方法、裝置、設備及存儲介質

在審

• 申請號: 202111149607.2
• 申請日: 2021-09-29
• 公開（公告）號: CN113807898A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 孫雙
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種代理人出單概率的預測方法，其特征在于，所述代理人出單概率的預測方法包括：

獲取業務代理人原始業務數據，通過預置的特征提取組合模型，對所述業務代理人原始業務數據進行分群特征選擇，得到分群特征數據；

獲取歷史時段的正例業務樣本數據，通過所述歷史時段的正例業務樣本數據，對所述分群特征數據進行數據平衡處理，得到目標特征數據；

通過所述目標特征數據和預置的目標損失函數，對預置的梯度提升決策樹模型進行出單概率預測的訓練，得到目標預測模型，所述目標損失函數為加入了平衡因子的預設結構的損失函數；

獲取待預測代理人的業務特征數據，通過所述目標預測模型對所述待預測代理人的業務特征數據進行代理人業務出單概率二分類，得到初始出單概率值，對所述初始出單概率值進行概率選擇的融合，得到目標出單概率值。

2.根據權利要求1所述的代理人出單概率的預測方法，其特征在于，所述獲取歷史時段的正例業務樣本數據，通過所述歷史時段的正例業務樣本數據，對所述分群特征數據進行數據平衡處理，得到目標特征數據，包括：

對所述分群特征數據進行各類別的正負樣本統計，得到各類別的正樣本數量和各類別的負樣本數量；

計算所述各類別的正樣本數量和所述各類別的負樣本數量的樣本差值，根據所述樣本差值獲取各類別的歷史時段的正例業務樣本數據；

將所述各類別的歷史時段的正例業務樣本數據，對所述分群特征數據進行填充，得到目標特征數據。

3.根據權利要求1所述的代理人出單概率的預測方法，其特征在于，所述通過所述目標特征數據和預置的目標損失函數，對預置的梯度提升決策樹模型進行出單概率預測的訓練，得到目標預測模型，包括：

通過預置的梯度提升決策樹模型中各梯度提升決策樹的總分類器，對所述目標特征數據進行出單概率預測，得到預測結果；

通過預置的目標損失函數對所述預測結果進行運算，得到損失函數值，所述目標損失函數為預設結構的對數似然函數；

根據所述損失函數值基于預置的最大期望算法，對所述目標損失函數中的平衡因子進行訓練計算，得到最終的平衡因子，并將最終的平衡因子所對應的梯度提升決策樹模型確定為目標預測模型。

4.根據權利要求1所述的代理人出單概率的預測方法，其特征在于，所述獲取業務代理人原始業務數據，通過預置的特征提取組合模型，對所述業務代理人原始業務數據進行分群特征選擇，得到分群特征數據，包括：

獲取業務代理人原始業務數據，通過預置的特征提取組合模型，對所述業務代理人原始業務數據依次進行多層級融合特征提取和特征選擇，得到初始特征數據；

根據所述初始特征數據對所述業務代理人原始業務數據對應的業務代理人進行分群和標記，得到已分群業務代理人，獲取所述已分群業務代理人對應的初始特征數據，得到分群特征數據。

5.根據權利要求1所述的代理人出單概率的預測方法，其特征在于，所述獲取待預測代理人的業務特征數據，通過所述目標預測模型對所述待預測代理人的業務特征數據進行代理人業務出單概率二分類，得到初始出單概率值，對所述初始出單概率值進行概率選擇的融合，得到目標出單概率值，包括：

獲取待預測代理人的業務原始數據，對所述待預測代理人的業務原始數據依次進行數據清洗、所述特征提取組合模型的多層級特征提取和預設代理人分群特征的特征篩選，得到待預測代理人的業務特征數據；

調用所述目標預測模型，對所述待預測代理人的業務特征數據進行代理人業務出單概率的二分類，得到初始出單概率值，并調用預置的回歸預測模型，對所述待預測代理人的業務特征數據進行代理人業務出單概率的回歸處理，得到對比出單概率數據；

將所述初始出單概率值和所述對比出單概率數據進行對比分析，得到分析結果，根據所述分析結果將所述初始出單概率值和所述對比出單概率數據進行融合，得到目標出單概率值。