产品确定方法、装置、设备及计算机存储介质.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CN114219307A(43)申请公布日2022.03.22(21)申请号202111546709.8(22)申请日2021.12.16(71)申请人中国建设银行股份有限公司地址100033北京市西城区金融大街25号(72)发明人刘高王杰明张鹏迟骋王磊刘毓灵(74)专利代理机构北京东方亿思知识产权代理有限责任公司11258代理人赵秀芹(51)Int.Cl.G06Q10/06(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书12页附图2页(54)发明名称产品确定方法、装置、设备及计算机存储介质(57)摘要本申请实施例提供了一种产品确定方法、装置、设备及计算机存储介质。其中方法包括：获取目标产品数据，基于目标产品数据和训练好的退出模型进行计算，得到目标产品的得分，将得分大于第一预设阈值的目标产品作为退出产品。根据本申请实施例的产品退出方法，能够准确确定出需要退出的产品且消耗时间短。CN114219307ACN114219307A权利要求书1/3页1.一种产品确定方法，其特征在于，包括：获取目标产品数据，所述目标产品数据包括目标产品特征类型和目标产品特征类型对应的产品特征数据；基于退出模型和所述目标产品数据计算得到所述目标产品的目标得分，所述退出模型由产品数据训练得到，所述产品数据包括产品特征类型、产品特征数据类型对应的数据和产品退出数据，所述退出模型根据目标产品特征类型对应的产品特征数据计算目标得分；当所述目标产品的目标得分大于第一预设阈值时，确定所述目标产品为退出产品。2.根据权利要求1所述的方法，其特征在于，在基于退出模型和所述目标产品数据计算得到所述目标产品的目标得分之前，所述方法还包括：获取产品数据；基于所述产品数据训练神经网络得到第一模型；将所述产品数据输入所述第一模型得到所述产品特征类型的重要性得分；选择所述重要性得分大于预设阈值的产品特征类型作为目标特征类型；筛选所述产品数据，得到所述目标特征类型对应的产品特征数据；基于所述目标特征对应的产品特征数据和产品退出数据训练所述第一模型得到退出模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标特征对应的产品特征数据和产品退出数据训练所述第一模型得到退出模型，包括：根据变权公式确定目标特征的目标权重系数，所述变权公式为其中，为第i个目标特征的目标权重系数，wi为所述退出模型中第i个目标特征的权重系数，xi为第i个目标特征的评估值，n为目标特征的数量，其中，为第i个目标特征的目标权重系数，wi为所述退出模型中第i个目标特征的权重系数，xi为第i个目标特征的评估值，n为目标特征的数量，i＝1，2，…，n；基于目标特征的目标权重系数，对目标产品特征数据进行计算得到目标产品的目标得分。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述产品数据训练神经网络得到第一模型，包括：将所述产品数据均匀划分为k组，其中1组作为测试样本，k‑1组作为训练样本，其中k大于等于2；基于所述训练样本对神经网络进行训练，得到初始模型；基于所述验证样本对所述初始模型进行验证，得到第一模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述训练样本对神经网络进行训练，得到初始模型；基于所述验证样本对所述初始模型进行验证，得到第一模型，包括：对所述训练样本数据和所述验证样本数据进行归一化处理；对所述训练样本数据和所述验证样本数据进行离散化处理；2CN114219307A权利要求书2/3页基于处理后的训练样本数据对神经网络进行训练，得到初始模型；基于处理后的验证样本数据对所述初始模型进行验证，得到第一模型。6.根据权利要求1所述的方法，其特征在于，所述产品特征类型包括绩效、客群、市场、管理属性、风险数据和产品属性数据中的至少一项。7.根据权利要求5所述的方法，其特征在于，所述基于处理后的训练样本数据对神经网络进行训练，得到初始模型之前，所述方法还包括：基于平均值填充法对所述样本数据和验证数据进行空值处理。8.一种产品确定装置，其特征在于，所述装置包括：获取模块，用于获取目标产品数据，所述目标产品数据包括目标产品特征类型和目标产品特征类型对应的产品特征数据；计算模块，用于基于退出模型和所述目标产品数据计算得到所述目标产品的目标得分，所述退出模型由产品数据训练得到，所述产品数据包括产品特征类型、产品特征数据类型对应的数据和产品退出数据，所述退出模型根据目标产品特征类型对应的产品特征数据计算目标得分；确定模块，用于当所述目标产品的目标得分大于第一预设阈值时，确定所述目标产品为退出产品。9.根据权利要求8所述的装置，其特征在于，所述装置还包括：所述获取模块，还用于获