优质用户确定方法、筛选模型的训练方法和相关设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115760185A(43)申请公布日2023.03.07(21)申请号202211433135.8(22)申请日2022.11.16(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人裴吴超张翰墨王稼伟卫万灵(74)专利代理机构北京同立钧成知识产权代理有限公司11205专利代理师丁鑫黄健(51)Int.Cl.G06Q30/0201(2023.01)G06Q30/0251(2023.01)G06Q40/06(2012.01)G06N20/00(2019.01)权利要求书2页说明书9页附图4页(54)发明名称优质用户确定方法、筛选模型的训练方法和相关设备(57)摘要本发明提供一种优质用户确定方法，包括：获取各个待筛选的第一用户的目标信息，所述目标信息包括第一价值等级特征、多个第一画像特征以及多个第一投资特征，所述第一价值等级特征用于指示所述第一用户的投资价值；将各个所述第一用户的目标信息输入至筛选模型，以在各个所述第一用户中确定优质用户。本发明中，通过筛选模型在大量的用户中确定优质用户，无需人工确定优质用户，节省了优质用户的确定时长，提高了优质用户的确定效率。CN115760185ACN115760185A权利要求书1/2页1.一种优质用户确定方法，其特征在于，包括：获取各个待筛选的第一用户的目标信息，所述目标信息包括第一价值等级特征、多个第一画像特征以及多个第一投资特征，所述第一价值等级特征用于指示所述第一用户的投资价值；将各个所述第一用户的目标信息输入至筛选模型，以在各个所述第一用户中确定优质用户。2.一种筛选模型的训练方法，其特征在于，包括：获取多个训练样本，所述训练样本包括第二用户的第二价值等级特征、多个第二画像特征以及多个第二投资特征，所述第二价值等级特征用于指示所述第二用户的价值；根据各个所述训练样本对预设模型进行训练得到筛选模型，所述筛选模型用于在各个待筛选的第一用户筛选优质用户。3.根据权利要求2所述的筛选模型的训练方法，其特征在于，所述获取多个训练样本，包括：获取所述第二用户的第二价值等级特征、多个待确定画像特征以及多个待确定投资特征；确定所述第二价值等级特征与每个所述待确定画像特征之间的第一相关性参数，且确定所述第二价值等级特征与每个所述待确定投资特征之间的第二相关系参数；将大于第一预设阈值的所述第一相关性参数对应的待确定画像特征确定为第二画像特征，且将大于第二预设阈值的所述第二相关性参数对应的待确定投资特征确定为第二投资特征；根据所述第二价值等级特征、各个所述第二画像特征以及各个所述第二投资特征，确定所述训练样本。4.根据权利要求2所述的筛选模型的训练方法，其特征在于，所述根据各个所述训练样本对预设模型进行训练得到筛选模型，包括：根据各个所述训练样本，对不同类型的预设模型进行训练，得到多个待确定模型；基于各个测试样本，对每个所述待确定模型进行测试，得到每个所述待确定模型的筛选效果参数值；将大于第三预设阈值的筛选效果参数值对应的待确定模型，确定为筛选模型。5.根据权利要求4所述的筛选模型的训练方法，其特征在于，所述基于各个测试样本，对每个所述待确定模型进行测试，得到每个所述待确定模型的筛选效果参数值；基于各个所述测试样本对每个所述待确定模型进行测试，得到每个所述待确定模型对应的接受者操作特性曲线；确定每个所述接受者操作特性曲线与坐标系构成的面积，并根据所述接受者操作特性曲线对应的面积确定所述待确定模型的筛选效果参数值。6.一种优质用户确定装置，其特征在于，包括：第一获取模块，用于获取各个待筛选的第一用户的目标信息，所述目标信息包括第一价值等级特征、多个第一画像特征以及多个第一投资特征，所述第一价值等级特征用于指示所述第一用户的投资价值；输入模块，用于将各个所述第一用户的目标信息输入至筛选模型，以在各个所述第一2CN115760185A权利要求书2/2页用户中确定优质用户。7.一种优质用户确定设备，其特征在于，包括：存储器和处理器；所述存储器存储计算机执行指令；所述处理器执行存储器存储的计算机执行指令，使得自主移动设备执行如权利要求1所述的优质用户确定方法。8.一种筛选模型的训练装置，其特征在于，包括：第二获取模块，用于获取多个训练样本，所述训练样本包括第二用户的第二价值等级特征、多个第二画像特征以及多个第二投资特征，所述第二价值等级特征用于指示所述第二用户的价值；训练模块，用于根据各个所述训练样本对预设模型进行训练得到筛选模型，所述筛选模型用于在各个待筛选的第一用户筛选优质用户。9.一种筛选模型的训练设备，其特征在于，包括：存储器和处理器；所述存储器存储计算机执行指令；所述处理器执行存储器存储的计算机