[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

本發明涉及人工智能技術領域，提供一種代理人出單概率的預測方法、裝置、設備及存儲介質，用于提高代理人出單概率預測的準確性。代理人出單概率的預測方法包括：通過特征提取組合模型對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；通過歷史時段的正例業務樣本數據對分群特征數據進行平衡處理得到目標特征數據；通過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；對通過目標預測模型進行代理人業務出單概率二分類所得的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。此外，本發明還涉及區塊鏈技術，業務代理人原始業務數據可存儲于區塊鏈中。

技術領域

本發明涉及智能決策領域，尤其涉及一種代理人出單概率的預測方法、裝置、設備及存儲介質。

背景技術

業務代理人的業務銷售可能會收到市場整體行情、所在營業組氛圍和自身能力意愿的影響，想單純地通過人為篩選特征然后得出業務代理人出單概率是非常困難的。為了解決這一問題，目前，一般都是通過利用人工智能技術，在大數據下對業務代理人的業務銷售數據進行建模來實現業務代理人出單概率的預測。

但是，目前所采用的人工智能技術所進行的代理人出單概率的預測，由于無法在保證數據真實性和多樣性的前提下，使得入模樣本平衡，模型的健壯性低，因而，導致了在樣本正負比例不平衡情況下，代理人出單概率預測的準確性低。

發明內容

本發明提供一種代理人出單概率的預測方法、裝置、設備及存儲介質，用于提高在樣本正負比例不平衡情況下，代理人出單概率預測的準確性。

本發明第一方面提供了一種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。

可選的，在本發明第一方面的第一種實現方式中，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。

可選的，在本發明第一方面的第二種實現方式中，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。