画像模型训练方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种画像模型训练方法、装置、计算机设备及存储介质，涉及人工智能领域。该画像模型训练方法包括：确定目标画像模型的业务流程，其中，所述业务流程和所述目标画像模型的业务目标相关；根据所述业务目标在数据库中查找预先存储的因子归纳表，基于所述业务流程和所述因子归纳表确定所述目标画像模型的执行逻辑和目标因子；基于所述执行逻辑和所述目标因子搭建因子体系；获取历史业务数据，所述历史业务数据与所述因子体系相关；根据所述历史业务数据进行训练，得到所述目标画像模型。采用该画像模型训练方法得到的目标画像模型能够充分发挥业务价值。

Training method, device, computer equipment and storage medium of portrait model

The invention discloses a training method, a device, a computer device and a storage medium of a portrait model, which relates to the field of artificial intelligence. The training method of the portrait model includes: determining the business process of the target portrait model, wherein the business process is related to the business goal of the target portrait model; finding the pre stored factor induction table in the database according to the business goal, and determining the execution logic and target factor of the target portrait model based on the business process and the factor induction table; and Construct a factor system in the execution logic and the target factors; obtain historical business data, which is related to the factor system; train according to the historical business data, and obtain the target portrait model. The target portrait model obtained by the training method of the portrait model can give full play to the business value.

【技术实现步骤摘要】
画像模型训练方法、装置、计算机设备及存储介质
本专利技术涉及人工智能领域，尤其涉及一种画像模型训练方法、装置、计算机设备及存储介质。
技术介绍
目前建立的画像模型大多数是脱离业务目标，仅根据业务数据建立，业务价值较低，另外，画像模型的因子体系搭建逻辑并不合理，无法充分、全面地将影响业务价值的因子全部展现出来，不能充分刻画业务价值与因子之间的关系，无法实现充分的业务价值。
技术实现思路
有鉴于此，本专利技术实施例提供了一种画像模型训练方法、装置、计算机设备及存储介质，用以解决目前建立的画像模型无法充分发挥业务价值的问题。第一方面，本专利技术实施例提供了一种画像模型训练方法，包括：确定目标画像模型的业务流程，其中，所述业务流程和所述目标画像模型的业务目标相关；根据所述业务目标在数据库中查找预先存储的因子归纳表，基于所述业务流程和所述因子归纳表确定所述目标画像模型的执行逻辑和目标因子；基于所述执行逻辑和所述目标因子搭建因子体系；获取历史业务数据，所述历史业务数据与所述因子体系相关；根据所述历史业务数据进行训练，得到所述目标画像模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于所述执行逻辑和所述目标因子搭建因子体系，包括：获取域外历史数据，根据所述域外历史数据分析所述目标因子与所述目标画像模型的业务目标之间的关联性，得到第一关联性，其中，所述域外历史数据与所述目标因子相关；根据所述域外历史数据分析所述目标因子相互之间的关联性，得到第二关联性；根据所述第一关联性和所述第二关联性确定所述目标因子的因子权重；根据所述目标因子的因子权重、所述执行逻辑和所述目标因子搭建所述因子体系。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述根据所述历史业务数据进行训练，得到所述目标画像模型之前，还包括：根据所述历史业务数据和所述目标画像模型的业务目标确定训练所述目标画像模型所需的目标模型；初始化所述目标画像模型所需的目标模型；所述根据所述历史业务数据进行训练，得到所述目标画像模型，包括：根据所述历史业务数据，采用所述目标画像模型所需的目标模型进行训练，得到所述目标画像模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述历史业务数据和所述目标画像模型的业务目标确定训练所述目标画像模型所需的目标模型，包括：确定所述历史业务数据的数据类型，其中，所述数据类型包括结构化数据和非结构化数据；根据所述目标画像模型的业务目标从问题类型库中确定目标问题类型，其中，所述问题类型库是根据历史业务目标预先建立的；根据所述历史业务数据的数据类型和所述目标问题类型确定训练所述目标画像模型所需的目标模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述历史业务数据进行训练，得到所述目标画像模型，包括：根据所述历史业务数据进行训练，若训练采用的是有监督的训练方式，则通过训练得到损失值，基于所述损失值对所述目标画像模型所需的目标模型进行迭代更新，得到所述目标画像模型；若所述训练采用的是无监督学习的训练方式，则基于所述目标画像模型所需的目标模型训练的结果得到所述目标画像模型。第二方面，本专利技术实施例提供了一种画像模型训练装置，包括：业务流程确定模块，用于确定目标画像模型的业务流程，其中，所述业务流程和所述目标画像模型的业务目标相关；执行逻辑确定模块，用于根据所述业务目标在数据库中查找预先存储的因子归纳表，基于所述业务流程和所述因子归纳表确定所述目标画像模型的执行逻辑和目标因子；因子体系搭建模块，用于基于所述执行逻辑和所述目标因子搭建因子体系；历史业务数据获取模块，用于获取历史业务数据，所述历史业务数据与所述因子体系相关；目标画像模型获取模块，用于根据所述历史业务数据进行训练，得到所述目标画像模型。第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述画像模型训练方法的步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，包括：计算机程序，所述计算机程序被处理器执行时实现上述画像模型训练方法的步骤。在本专利技术实施例中，首先获取与业务目标相关的目标画像模型的业务流程，以业务价值为导向出发，根据业务目标及业务流程考虑画像的建模过程，能够提高目标画像模型的业务价值；接着根据业务目标在数据库中查找预先存储的因子归纳表，基于业务流程和因子归纳表确定目标画像模型的执行逻辑和目标因子，该执行逻辑能够保证目标画像模型的执行逻辑周密且不出现逻辑重复的情况，执行逻辑和目标因子为搭建全面的因子体系提供了重要的技术前提；接着基于执行逻辑和目标因子搭建因子体系，通过执行逻辑能够自底向上全面搭建因子体系，准确描述影响业务价值的因子，提高模型的刻画能力；最后获取历史业务数据，根据历史业务数据进行训练，得到目标画像模型，在保证以业务价值为导向训练模型的前提下，根据历史业务数据进行训练能够提高目标画像模型的可行性，充分发挥目标画像模型的业务价值。【附图说明】为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术一实施例中画像模型训练方法的一流程图；图2是本专利技术一实施例中画像模型训练装置的一示意图；图3是本专利技术一实施例中计算机设备的一示意图。【具体实施方式】为了更好的理解本专利技术的技术方案，下面结合附图对本专利技术实施例进行详细描述。应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的相同的字段，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。应当理解，尽管在本专利技术实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本专利技术实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。取决于语本文档来自技高网...

【技术保护点】
1.一种画像模型训练方法，其特征在于，所述方法包括：/n确定目标画像模型的业务流程，其中，所述业务流程和所述目标画像模型的业务目标相关；/n根据所述业务目标在数据库中查找预先存储的因子归纳表，基于所述业务流程和所述因子归纳表确定所述目标画像模型的执行逻辑和目标因子；/n基于所述执行逻辑和所述目标因子搭建因子体系；/n获取历史业务数据，所述历史业务数据与所述因子体系相关；/n根据所述历史业务数据进行训练，得到所述目标画像模型。/n

【技术特征摘要】
1.一种画像模型训练方法，其特征在于，所述方法包括：
确定目标画像模型的业务流程，其中，所述业务流程和所述目标画像模型的业务目标相关；
根据所述业务目标在数据库中查找预先存储的因子归纳表，基于所述业务流程和所述因子归纳表确定所述目标画像模型的执行逻辑和目标因子；
基于所述执行逻辑和所述目标因子搭建因子体系；
获取历史业务数据，所述历史业务数据与所述因子体系相关；
根据所述历史业务数据进行训练，得到所述目标画像模型。


2.根据权利要求1所述的方法，其特征在于，所述基于所述执行逻辑和所述目标因子搭建因子体系，包括：
获取域外历史数据，根据所述域外历史数据分析所述目标因子与所述目标画像模型的业务目标之间的关联性，得到第一关联性，其中，所述域外历史数据与所述目标因子相关；
根据所述域外历史数据分析所述目标因子相互之间的关联性，得到第二关联性；
根据所述第一关联性和所述第二关联性确定所述目标因子的因子权重；
根据所述目标因子的因子权重、所述执行逻辑和所述目标因子搭建所述因子体系。


3.根据权利要求1所述的方法，其特征在于，在所述根据所述历史业务数据进行训练，得到所述目标画像模型之前，还包括：
根据所述历史业务数据和所述目标画像模型的业务目标确定训练所述目标画像模型所需的目标模型；
初始化所述目标画像模型所需的目标模型；
所述根据所述历史业务数据进行训练，得到所述目标画像模型，包括：
根据所述历史业务数据，采用所述目标画像模型所需的目标模型进行训练，得到所述目标画像模型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述历史业务数据和所述目标画像模型的业务目标确定训练所述目标画像模型所需的目标模型，包括：
确定所述历史业务数据的数据类型，其中，所述数据类型包括结构化数据和非结构化数据；
根据所述目标画像模型的业务目标从问题类型库中确定目标问题类型，其中，所述问题类型库是根据历史业务目标预先建立的；
根据所述历史业务数据的数据类型和所述目标问题类型确定训练所述目标画像模型所需的目标模型。


5.根据权利要求3所述的方法，其特征在于，所述根据所述历史业务数据进行训练，得到所述目标画像模型，包括：
根据所述历史业务数据进行训练，若训练采用的是有监督的训练方式，则通过训练得到损失值，基于所述损失值对所述目标画像模型所需的目标模...

【专利技术属性】
技术研发人员：孙静远，陈林，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44