[發明專利]資產預測方法、系統、終端設備及存儲介質

在審

• 申請號: 202210082438.3
• 申請日: 2022-01-24
• 公開（公告）號: CN114331700A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 林禹君
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q30/00;G06Q30/02
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王徑武

1.一種資產預測方法，其特征在于，所述方法包括如下步驟：

獲取待預測樣本；

將所述待預測樣本輸入預先創建的資產預測模型中進行預測，得到預測概率；

根據所述預測概率對所述待預測樣本進行選擇，得到潛在客戶，并將所述潛在客戶納入白名單，以根據所述白名單的潛在客戶進行營銷推廣。

2.根據權利要求1所述的資產預測方法，其特征在于，所述將所述待預測樣本輸入預先創建的資產預測模型中進行預測，得到預測概率的步驟之前包括：

訓練所述資產預測模型；

其中，所述訓練所述資產預測模型的步驟包括：

獲取正樣本、負樣本；

對所述正樣本、負樣本進行訓練，得到所述資產預測模型；

通過所述資產預測模型對所述正樣本、負樣本進行打分，得到評分分數；

基于所述評分分數，對所述正樣本、負樣本進行篩選，得到種子樣本；

將所述種子樣本回傳到所述資產預測模型，對所述負樣本進行更新；并返回執行步驟：對所述正樣本、負樣本進行訓練，得到所述資產預測模型；

以此循環，進行參數迭代，直到所述資產預測模型收斂，終止訓練，得到訓練后的資產預測模型。

3.根據權利要求2所述的資產預測方法，其特征在于，所述基于所述評分分數，對所述正樣本、負樣本進行篩選，得到種子樣本的步驟之后包括：

對所述種子樣本賦予標簽，得到標簽樣本；

所述將所述種子樣本回傳到所述資產預測模型，對所述負樣本進行更新；并返回執行步驟：對所述正樣本、負樣本進行訓練，得到所述資產預測模型的步驟包括：

將所述標簽樣本回傳到所述資產預測模型，對所述負樣本進行更新；并返回執行步驟：對所述正樣本、負樣本進行訓練，得到所述資產預測模型；

所述以此循環，進行參數迭代，直到所述資產預測模型收斂，終止訓練，得到訓練后的資產預測模型的步驟包括：

以此循環，進行參數迭代，當預設比例的所述負樣本為所述標簽樣本時，終止訓練，得到訓練后的資產預測模型；或

以此循環，進行參數迭代，當所述負樣本的容量飽和時，終止訓練，得到訓練后的資產預測模型。

4.根據權利要求2所述的資產預測方法，其特征在于，所述對所述正樣本、負樣本進行訓練，得到所述資產預測模型的步驟之前包括：

獲取所述待預測樣本的應用程序使用數據；

所述對所述正樣本、負樣本進行訓練，得到所述資產預測模型的步驟包括：

根據所述應用程序使用數據，對所述正樣本、負樣本進行訓練，得到所述資產預測模型。

5.根據權利要求2所述的資產預測方法，其特征在于，所述獲取正樣本、負樣本的步驟包括：

獲取訓練樣本；

根據預設標準對所述訓練樣本進行剔除，得到樣本集；

判斷所述樣本集的樣本是否具有預設資產；

若所述樣本集的樣本具有所述預設資產，則將所述樣本集的樣本作為所述正樣本；

若所述樣本集的樣本不具有所述預設資產，則將所述樣本集的樣本作為所述負樣本。

6.根據權利要求2所述的資產預測方法，其特征在于，所述對所述正樣本、負樣本進行訓練，得到所述資產預測模型的步驟包括：

基于機器學習算法，對所述正樣本、負樣本進行訓練，得到所述資產預測模型。

7.根據權利要求2所述的資產預測方法，其特征在于，所述基于所述評分分數，對所述正樣本、負樣本進行篩選，得到種子樣本的步驟包括：

對所述評分分數進行排序，得到排序結果；

基于所述排序結果，對所述正樣本、負樣本進行篩選，得到所述種子樣本。

8.一種資產預測系統，其特征在于，包括：

樣本獲取模塊，用于獲取待預測樣本；

概率預測模塊，用于將所述待預測樣本輸入預先創建的資產預測模型中進行預測，得到預測概率；

樣本選擇模塊，用于根據所述預測概率對所述待預測樣本進行選擇，得到潛在客戶，并將所述潛在客戶納入白名單，以根據所述白名單的潛在客戶進行營銷推廣。