[發(fā)明專利]客戶特征定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210079887.2
• 申請日: 2022-01-24
• 公開（公告）號(hào): CN114418017A
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 李莉;居易;喬延柯
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q30/02
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 龔慧惠

本發(fā)明涉及人工智能，提供一種客戶特征定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。該方法能夠獲取預(yù)設(shè)客戶在多個(gè)預(yù)設(shè)維度上的維度信息，根據(jù)每個(gè)預(yù)設(shè)維度的維度映射表及維度信息生成客戶表征矩陣，基于類別預(yù)測模型對客戶表征矩陣進(jìn)行預(yù)測分析，得到用戶類別及類別概率，根據(jù)用戶類別及類別概率從預(yù)設(shè)客戶中篩選目標(biāo)客戶，基于每個(gè)預(yù)設(shè)維度從目標(biāo)客戶的客戶表征矩陣中提取特征矩陣，根據(jù)類別預(yù)測模型對每個(gè)特征矩陣在用戶類別上的預(yù)測概率及類別概率生成每個(gè)預(yù)設(shè)維度對目標(biāo)客戶的影響度，根據(jù)影響度及用戶類別生成目標(biāo)用戶的特征信息，能夠準(zhǔn)確的生成特征信息。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，所述特征信息可存儲(chǔ)于區(qū)塊鏈中。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種客戶特征定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

為了針對性的對客戶采取一定的展業(yè)措施，需要定位出影響客戶標(biāo)簽的關(guān)鍵特征。然而，目前在對關(guān)鍵特征進(jìn)行定位過程中，通常是直接根據(jù)維度權(quán)重對客戶特征進(jìn)行分析的，由于這種方式?jīng)]有考慮到多個(gè)客戶特征的結(jié)合對客戶標(biāo)簽的影響，導(dǎo)致無法準(zhǔn)確的定位出關(guān)鍵特征，不利于展業(yè)。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提供一種客戶特征定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，能夠準(zhǔn)確的定位出影響所述用戶類別的特征信息。

一方面，本發(fā)明提出一種客戶特征定位方法，所述客戶特征定位方法包括：

獲取預(yù)設(shè)客戶在多個(gè)預(yù)設(shè)維度上的維度信息；

根據(jù)每個(gè)預(yù)設(shè)維度的維度映射表及所述維度信息生成所述預(yù)設(shè)客戶的客戶表征矩陣；

基于預(yù)先訓(xùn)練好的類別預(yù)測模型對所述客戶表征矩陣進(jìn)行預(yù)測分析，得到用戶類別及所述用戶類別的類別概率；

根據(jù)所述用戶類別及所述類別概率從所述預(yù)設(shè)客戶中篩選目標(biāo)客戶；

基于每個(gè)預(yù)設(shè)維度從所述目標(biāo)客戶的客戶表征矩陣中提取特征矩陣；

根據(jù)所述類別預(yù)測模型對每個(gè)特征矩陣在所述用戶類別上的預(yù)測概率及所述類別概率生成每個(gè)預(yù)設(shè)維度對所述目標(biāo)客戶的影響度；

根據(jù)所述影響度及所述用戶類別生成所述目標(biāo)用戶的特征信息。

根據(jù)本發(fā)明優(yōu)選實(shí)施例，所述根據(jù)每個(gè)預(yù)設(shè)維度的維度映射表及所述維度信息生成所述預(yù)設(shè)客戶的客戶表征矩陣包括：

從預(yù)設(shè)映射庫中獲取與每個(gè)預(yù)設(shè)維度對應(yīng)的列表，得到多個(gè)所述維度映射表；

基于每個(gè)維度映射表并行對相應(yīng)的維度信息進(jìn)行映射處理，得到每個(gè)預(yù)設(shè)維度的維度向量；

獲取所述類別預(yù)測模型中任一配置類別的權(quán)值矩陣；

識(shí)別每個(gè)預(yù)設(shè)維度的維度權(quán)值在所述權(quán)值矩陣中的權(quán)值位置；

根據(jù)所述權(quán)值位置拼接所述維度向量，得到所述客戶表征矩陣。

根據(jù)本發(fā)明優(yōu)選實(shí)施例，所述類別預(yù)測模型包括標(biāo)準(zhǔn)化層及輸出層，所述基于預(yù)先訓(xùn)練好的類別預(yù)測模型對所述客戶表征矩陣進(jìn)行預(yù)測分析，得到用戶類別及所述用戶類別的類別概率包括：

計(jì)算每個(gè)權(quán)值矩陣與所述客戶表征矩陣的乘積，得到所述預(yù)設(shè)客戶在每個(gè)配置類別上的輸出分?jǐn)?shù)；

基于所述標(biāo)準(zhǔn)化層對所述輸出分?jǐn)?shù)進(jìn)行標(biāo)準(zhǔn)化處理，得到所述預(yù)設(shè)客戶在每個(gè)配置類別上的輸出概率，所述輸出概率的計(jì)算公式為：

其中，P_i是指第i個(gè)配置類別的輸出概率，x_i是指所述第i個(gè)配置類別的輸出分?jǐn)?shù)，μ是指所述類別預(yù)測模型中所有配置類別的輸出分?jǐn)?shù)的平均值，σ是指所述所有配置類別的輸出分?jǐn)?shù)的標(biāo)準(zhǔn)差；

從所述輸出層中獲取每個(gè)配置類別的預(yù)設(shè)概率閾值；