[發(fā)明專利]客戶端用戶流失預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211026016.0
• 申請日: 2022-08-25
• 公開（公告）號: CN115358330A
• 公開（公告）日: 2022-11-18
• 發(fā)明（設(shè)計）人: 南曉停
• 申請（專利權(quán)）人: 中國銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q40/00
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 劉飛;許曼

本說明書提供了一種客戶端用戶流失預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)，該方法包括：獲取目標用戶的用戶屬性特征及目標用戶在多個指定歷史時段的用戶行為特征；將用戶行為特征及多個指定歷史時段的自適應(yīng)權(quán)重，輸入預(yù)訓(xùn)練的用戶流失預(yù)測模型的第一特征池化網(wǎng)絡(luò)，生成自適應(yīng)用戶行為特征；將用戶屬性特征及自適應(yīng)用戶行為特征，輸入用戶流失預(yù)測模型的第一特征拼接網(wǎng)絡(luò)，獲得拼接特征；將拼接特征輸入用戶流失預(yù)測模型的第一全連接殘差網(wǎng)絡(luò)，獲得升維特征；將升維特征輸入用戶流失預(yù)測模型的第一邏輯回歸輸出網(wǎng)絡(luò)，獲得目標用戶的流失概率；根據(jù)流失概率識別目標用戶是否為流失用戶。本說明書實施例可以提高客戶端用戶流失預(yù)測的預(yù)測準確率。

技術(shù)領(lǐng)域

本說明書涉及大數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其是涉及一種客戶端用戶流失預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

伴隨著金融科技的快速發(fā)展，手機銀行等金融客戶端已逐步代替業(yè)務(wù)網(wǎng)點，成為金融交易的關(guān)鍵渠道。因此預(yù)測金融客戶端的用戶是否為潛在的易流失用戶，對于金融機構(gòu)而言具有重要意義。

目前的金融客戶端用戶流失預(yù)測方法一般采用決策樹、梯度提升樹(GBDT)等機器決策模型進行預(yù)測，然而，這些機器決策模型容易過擬合、不易泛化、丟失特征等問題，從而導(dǎo)致其預(yù)測準確率不高。

發(fā)明內(nèi)容

本說明書實施例的目的在于提供一種客戶端用戶流失預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)，以提高客戶端用戶流失預(yù)測的預(yù)測準確率。

為達到上述目的，一方面，本說明書實施例提供了一種客戶端用戶流失預(yù)測方法，包括：

獲取目標用戶的用戶屬性特征及所述目標用戶在多個指定歷史時段的用戶行為特征；

將所述用戶行為特征及所述多個指定歷史時段的自適應(yīng)權(quán)重，輸入預(yù)訓(xùn)練的用戶流失預(yù)測模型的第一特征池化網(wǎng)絡(luò)，生成自適應(yīng)用戶行為特征；

將所述用戶屬性特征及所述自適應(yīng)用戶行為特征，輸入所述用戶流失預(yù)測模型的第一特征拼接網(wǎng)絡(luò)，獲得拼接特征；

將所述拼接特征輸入所述用戶流失預(yù)測模型的第一全連接殘差網(wǎng)絡(luò)，獲得升維特征；

將所述升維特征輸入所述用戶流失預(yù)測模型的第一邏輯回歸輸出網(wǎng)絡(luò)，獲得所述目標用戶的流失概率；

根據(jù)所述流失概率識別所述目標用戶是否為流失用戶。

本說明書實施例的客戶端用戶流失預(yù)測方法中，所述用戶流失預(yù)測模型預(yù)先通過以下方式訓(xùn)練得到：

基于多個用戶的用戶屬性特征及所述多個用戶在多個指定歷史時段的用戶行為特征形成樣本集；

以所述樣本集為輸入訓(xùn)練目標網(wǎng)絡(luò)模型，得到所述用戶流失預(yù)測模型；其中，所述目標網(wǎng)絡(luò)模型包括：

自適應(yīng)權(quán)重網(wǎng)絡(luò)，其根據(jù)所述樣本集中的用戶行為特征生成多個指定歷史時段的權(quán)重系數(shù)；

第二特征池化網(wǎng)絡(luò)，其將所述樣本集中的用戶行為特征及所述自適應(yīng)權(quán)重網(wǎng)絡(luò)輸出的權(quán)重系數(shù)進行特征池化，得到自適應(yīng)用戶行為特征；

第二特征拼接網(wǎng)絡(luò)，其將所述樣本集中的用戶屬性特征及所述第二特征池化網(wǎng)絡(luò)輸出的自適應(yīng)用戶行為特征，進行特征拼接；

第二全連接殘差網(wǎng)絡(luò)，其對所述第二特征拼接網(wǎng)絡(luò)輸出的拼接特征進行特征升維；

第二邏輯回歸輸出網(wǎng)絡(luò)，其根據(jù)所述第二全連接殘差網(wǎng)絡(luò)輸出的升維特征輸出用戶的流失概率；當(dāng)所述第二邏輯回歸輸出網(wǎng)絡(luò)的輸出滿足預(yù)設(shè)條件時，將所述目標網(wǎng)絡(luò)模型中除所述自適應(yīng)權(quán)重網(wǎng)絡(luò)之外的部分作為用戶流失預(yù)測模型。

本說明書實施例的客戶端用戶流失預(yù)測方法中，當(dāng)所述第二邏輯回歸輸出網(wǎng)絡(luò)的輸出滿足預(yù)設(shè)條件時，將所述自適應(yīng)權(quán)重網(wǎng)絡(luò)輸出的多個指定歷史時段的權(quán)重系數(shù)，作為所述多個指定歷史時段最終的自適應(yīng)權(quán)重。