[發(fā)明專利]目標(biāo)事件的預(yù)測方法、模型、系統(tǒng)以及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 202310412140.9
• 申請日: 2023-04-18
• 公開（公告）號: CN116467641A
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 王恒;田慧;楊美玲;高杭
• 申請（專利權(quán)）人: 眾安在線財(cái)產(chǎn)保險(xiǎn)股份有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/2415;G06F18/2136;G06F18/25;G06Q30/016
• 代理公司: 北京市萬慧達(dá)律師事務(wù)所 11111
• 代理人: 侯岳

本申請涉及一種目標(biāo)事件的預(yù)測方法、模型、系統(tǒng)以及相關(guān)設(shè)備。目標(biāo)事件的預(yù)測方法包括：獲取目標(biāo)用戶的若干個(gè)交互事件，其中，交互事件用于構(gòu)成目標(biāo)用戶的行為序列；分別對交互事件進(jìn)行編碼，形成事件特征向量；對各事件特征向量進(jìn)行特征提取以及序列化處理，形成行為序列的序列特征向量，序列特征向量作為目標(biāo)用戶的隱狀態(tài)；融合目標(biāo)用戶的隱狀態(tài)以及靜態(tài)屬性，獲取發(fā)生目標(biāo)事件的預(yù)測結(jié)果。采用本方法能夠覆蓋目標(biāo)用戶的交互鏈路，提高目標(biāo)事件預(yù)測的可靠性。

技術(shù)領(lǐng)域

本申請涉及事件預(yù)測技術(shù)領(lǐng)域，特別是涉及一種目標(biāo)事件的預(yù)測方法、事件預(yù)測模型、事件預(yù)測系統(tǒng)、計(jì)算機(jī)設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著保險(xiǎn)、電商等行業(yè)的快速發(fā)展，對各家企業(yè)而言提高用戶使用體驗(yàn)以及降低自身風(fēng)險(xiǎn)是必要的，因此，對于成交、客訴、欺詐等事件的提前預(yù)測也是存在必要的。

以投訴事件為例，目前一般是被動(dòng)等待客戶進(jìn)行投訴，當(dāng)接收到客戶投訴之后由人工客服介入，客服無法解決的問題再進(jìn)一步移交專員進(jìn)行處理，造成案件處理流轉(zhuǎn)失效長，甚至引發(fā)進(jìn)一步投訴。針對公司而言，投訴量大、投訴成本高、處理難度大、處理時(shí)效長則是長期存在的痛點(diǎn)。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠覆蓋目標(biāo)用戶的交互鏈路，提高目標(biāo)事件預(yù)測的可靠性的目標(biāo)事件的預(yù)測方法、事件預(yù)測模型、事件預(yù)測系統(tǒng)、計(jì)算機(jī)設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

一方面，提供一種目標(biāo)事件的預(yù)測方法，目標(biāo)事件的預(yù)測方法包括：獲取目標(biāo)用戶的若干個(gè)交互事件，其中，交互事件用于構(gòu)成目標(biāo)用戶的行為序列；分別對交互事件進(jìn)行編碼，形成事件特征向量；對各事件特征向量進(jìn)行特征提取以及序列化處理，形成行為序列的序列特征向量，序列特征向量作為目標(biāo)用戶的隱狀態(tài)；融合目標(biāo)用戶的隱狀態(tài)以及靜態(tài)屬性，獲取發(fā)生目標(biāo)事件的預(yù)測結(jié)果。

在本申請的一實(shí)施例中，對交互事件進(jìn)行編碼，形成事件特征向量包括：對交互事件的位置信息進(jìn)行編碼形成第一子向量，對交互事件的屬性信息進(jìn)行編碼形成第二子向量；拼接第一子向量和第二子向量，形成屬于當(dāng)前交互事件的事件特征向量。

在本申請的一實(shí)施例中，交互事件的位置信息為，基于交互事件的發(fā)生時(shí)間決定的交互事件于行為序列的位置；屬性信息包括交互事件的類型、時(shí)長、結(jié)果中的至少一者。

在本申請的一實(shí)施例中，對各事件特征向量進(jìn)行特征提取以及序列化處理，形成行為序列的序列特征向量包括：基于各交互事件的發(fā)生順序，依次對各事件特征向量結(jié)合在先交互事件的信息進(jìn)行特征提取，得到行為特征向量；利用行為特征向量對在先形成的序列特征向量進(jìn)行遞歸調(diào)用，形成作為所述隱狀態(tài)的新的序列特征向量。

在本申請的一實(shí)施例中，融合目標(biāo)用戶的隱狀態(tài)以及靜態(tài)屬性，獲取發(fā)生目標(biāo)事件的預(yù)測結(jié)果包括：對目標(biāo)用戶的靜態(tài)屬性進(jìn)行特征變換，形成目標(biāo)用戶的靜態(tài)屬性特征向量；對序列特征向量與目標(biāo)用戶的靜態(tài)屬性特征向量進(jìn)行融合處理，得到發(fā)生目標(biāo)事件的預(yù)測結(jié)果。

在本申請的一實(shí)施例中，獲取目標(biāo)用戶的若干個(gè)交互事件包括：以預(yù)設(shè)時(shí)長為間隔周期性地獲取預(yù)設(shè)時(shí)長內(nèi)所發(fā)生的交互事件；和/或，響應(yīng)于發(fā)生新的交互事件，獲取目標(biāo)用戶的交互事件。

另一方面，提供了一種事件預(yù)測模型，事件預(yù)測模型包括：編碼模塊、序列模型以及靜態(tài)模型；編碼模塊用于對所獲取的若干個(gè)目標(biāo)用戶交互事件分別進(jìn)行編碼，形成事件特征向量；其中，交互事件用于構(gòu)成目標(biāo)用戶的行為序列；序列模型用于對各事件特征向量進(jìn)行特征提取以及序列化處理，形成行為序列的序列特征向量，序列特征向量作為目標(biāo)用戶的隱狀態(tài)；靜態(tài)模型用于獲取目標(biāo)用戶的靜態(tài)屬性；靜態(tài)屬性特征向量用于與隱狀態(tài)融合，獲取發(fā)生目標(biāo)事件的預(yù)測結(jié)果。