一种业务规则自动生成方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112365344A(43)申请公布日2021.02.12(21)申请号202110028140.X(22)申请日2021.01.11(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人李龙飞周俊(74)专利代理机构成都七星天知识产权代理有限公司51253代理人袁春晓(51)Int.Cl.G06Q40/02(2012.01)G06Q30/00(2012.01)G06N5/00(2006.01)G06N5/04(2006.01)权利要求书2页说明书8页附图2页(54)发明名称一种业务规则自动生成方法和系统(57)摘要本说明书实施例公开了一种业务规则自动生成方法和系统。所述方法包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对应的特征数据训练树模型；基于训练出的树模型生成业务规则。CN112365344ACN112365344A权利要求书1/2页1.一种业务规则自动生成方法，所述方法由处理器执行，其中，包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图；其中，因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个：利用多个样本的标签数据和在该因果图中的特征对应的特征数据，训练树模型；基于训练出的树模型生成业务规则。2.如权利要求1所述的方法，其中，所述基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，包括：初始化所述N个特征中特征之间的因果关联，得到初始化的权重矩阵；构造目标函数，所述目标函数至少包括反映样本的业务数据中的各特征对应的特征数据与各特征对应的特征数据经过权重矩阵聚合后的结果之间的差异的第一部分；基于所述目标函数调整权重矩阵的一个或多个元素，以减小所述差异；基于调整后的权重矩阵获得一个或多个因果图。3.如权利要求2所述的方法，其中，所述目标函数还包括用于限制因果图中特征的数量与N之间差距的第二部分；所述基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，还包括：基于所述目标函数调整权重矩阵的一个或多个元素，以使因果图中特征的数量与N之间的差异超过设定阈值。4.如权利要求1所述的方法，其中，所述因果图为有向无环图。5.如权利要求1所述的方法，其中，所述基于训练出的树模型生成业务规则，包括：基于训练出的树模型的各叶节点的分值确定一个或多个阈值；利用多个样本的业务数据测试该树模型在不同阈值下的业务指标；判断各阈值下的业务指标是否满足设定条件，并根据判断结果确定目标阈值；基于训练出的树模型和所述目标阈值生成业务规则。6.如权利要求5所述的方法，其中，所述业务指标包括打扰率、召回率、准确率中的一项或多项。7.如权利要求5所述的方法，其中，所述业务规则包括业务分类规则，所述阈值包括分类阈值。8.如权利要求1所述的方法，其中，所述基于训练出的树模型生成业务规则，包括：基于训练出的树模型生成待调整的业务规则，所述待调整的业务规则对应的特征顺序与所述训练出的树模型对应的特征顺序一致；判断所述训练出的树模型对应的特征顺序与该因果图中特征的因果关联顺序是否一致，若不一致，则将所述待调整的业务规则对应的特征顺序调整为与该因果图中特征的因果关联顺序一致。9.一种树模型训练方法，其中，所述方法由处理器执行，其包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；2CN112365344A权利要求书2/2页基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个：利用多个样本的标签数据和在该因果图中的特征对应的特征数据，训练树模型。10.一种业务规则自动生成系统，其中，包括数据获取模块、因果图学习模块、树模型训练模块以及规则生成模块；所述数据获取模块用于获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；所述因果图学习模块用于基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；所述树模型训练模块用于对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对