缺失信息预测方法、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缺失信息预测方法、装置、计算机设备及存储介质。方法包括：根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型，根据预置的数据集及预置的参数调整规则对信息预测模型进行训练，以得到训练后的信息预测模型，若接收到所输入的待预测信息，获取预置的客户信息表中与待预测信息对应的关联客户的类别，根据预置的类别信息量化公式对与每一关联客户的类别进行量化以得到类别量化信息，将类别量化信息输入训练后的信息预测模型以获取对应的类别信息。本发明专利技术基于预测模型技术，可基于与客户相关联的其他客户的信息，对客户所缺失的信息进行准确预测，大幅提升了获取客户缺失信息的效率。

【技术实现步骤摘要】
缺失信息预测方法、装置、计算机设备及存储介质
本专利技术涉及计算机
，尤其涉及一种缺失信息预测方法、装置、计算机设备及存储介质。
技术介绍
企业在为客户办理业务的过程中，经常需客户提供与其本人相关的个人信息。在用户个人信息部分缺失时，企业难以及时获取客户缺失的个人信息，导致无法进行后续业务办理流程。可通过与客户取得联系以获取客户所缺失的个人信息，然而在部分情况下难以与客户取得联系，导致无法及时获取客户所缺失的个人信息，因此信息获取的效率较低，且这一获取方式易对客户造成打扰。因此，现有的技术方法在获取客户缺失信息时存在获取效率较低的问题。
技术实现思路
本专利技术实施例提供了一种缺失信息预测方法、装置、计算机设备及存储介质，旨在解决现有技术方法中所存在的无法及时获取客户的缺失信息的问题。第一方面，本专利技术实施例提供了一种缺失信息预测方法，其包括：根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型，其中，所述模型配置信息包括用于配置所述输入节点的输入项信息、用于配置所述输出节点的输出项信息和用于配置所述特征单元的特征单元配置公式；根据预置的数据集及预置的参数调整规则对所述信息预测模型进行训练，以得到训练后的所述信息预测模型；若接收到所输入的待预测信息，获取预置的客户信息表中与所述待预测信息对应的关联客户的类别；根据预置的类别信息量化公式对与每一所述关联客户的类别进行量化以得到类别量化信息；将所述类别量化信息输入训练后的所述信息预测模型以获取所述待预测客户的待预测类别对应的类别信息。第二方面，本专利技术实施例提供了一种缺失信息预测装置，其包括：信息预测模型构建单元，用于根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型，其中，所述模型配置信息包括用于配置所述输入节点的输入项信息、用于配置所述输出节点的输出项信息和用于配置所述特征单元的特征单元配置公式；信息预测模型训练单元，用于根据预置的数据集及预置的参数调整规则对所述信息预测模型进行训练，以得到训练后的所述信息预测模型；关联客户类别获取单元，用于若接收到所输入的包含待预测客户及预测类别的待预测信息，获取预置的客户信息表中与所述待预测信息对应的关联客户的类别；类别量化信息获取单元，用于根据预置的类别信息量化公式对与每一所述关联客户的类别进行量化以得到类别量化信息；类别信息获取单元，用于将所述类别量化信息输入训练后的所述信息预测模型以获取所述待预测客户的待预测类别对应的类别信息。第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上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第一方面所述的缺失信息预测方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的缺失信息预测方法。本专利技术实施例提供了一种缺失信息预测方法、装置、计算机设备及存储介质。根据模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型；根据数据集及参数调整规则对信息预测模型进行训练得到训练后的信息预测模型；获取预置客户信息表中与待预测信息对应的关联客户的类别；根据类别信息量化公式对关联客户的类别进行量化得到类别量化信息；将类别量化信息输入训练后的信息预测模型得到待预测信息对应的类别信息。通过上述方法，可基于与客户相关联的其他客户的信息，对客户所缺失的信息进行准确预测，大幅提升了获取客户缺失信息的效率。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的缺失信息预测方法的流程示意图；图2为本专利技术实施例提供的缺失信息预测方法的子流程示意图；图3为本专利技术实施例提供的缺失信息预测方法的另一子流程示意图；图4为本专利技术实施例提供的缺失信息预测方法的另一流程示意图；图5为本专利技术实施例提供的缺失信息预测方法的另一子流程示意图；图6为本专利技术实施例提供的缺失信息预测装置的示意性框图；图7为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1，图1是本专利技术实施例提供的缺失信息预测方法的流程示意图。该缺失信息预测方法应用于用户终端中，该方法通过安装于用户终端中的应用软件进行执行，用户终端即是用于执行缺失信息预测方法以对客户缺失的信息进行预测的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等。如图1所示，该方法包括步骤S110～S150。S110、根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型。根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型。模型配置信息即是用于对信息预测模型中的输入节点、全连接隐层及输出节点进行配置的信息，模型配置信息中包括输入项信息、输出项信息及特征单元配置公式，输入项信息即为用于配置输入节点的信息，输出项信息即为用于配置输出节点的信息，特征单元配置公式用于计算全连接隐层中特征单元的配置数量，信息预测模型可基于与某一客户相关联的关联客户信息对该客户对应的部分缺失信息进行预测，输入项信息可以是与关联客户信息对应的类型，输出项信息可以是预测结果所包含的分类项。信息预测模型中包含多个输入节点、多个输出节点及多个特征单元，输入项信息中包含多个输入项，输出项信息中包含多个输出项，每一输入项对应一个输入节点，每一输出项对应一个输出节点，特征单元可用于反映输入信息与该输入信息对应的目标预测信息之间的关系。在一实施例中，如图2所示，步骤S110包本文档来自技高网...

【技术保护点】
1.一种缺失信息预测方法，应用于用户终端，其特征在于，包括：/n根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型，其中，所述模型配置信息包括用于配置所述输入节点的输入项信息、用于配置所述输出节点的输出项信息和用于配置所述特征单元的特征单元配置公式；/n根据预置的数据集及预置的参数调整规则对所述信息预测模型进行训练，以得到训练后的所述信息预测模型；/n若接收到所输入的包含待预测客户及预测类别的待预测信息，获取预置的客户信息表中与所述待预测信息对应的关联客户的类别；/n根据预置的类别信息量化公式对与每一所述关联客户的类别进行量化以得到类别量化信息；/n将所述类别量化信息输入训练后的所述信息预测模型以获取所述待预测客户的预测类别对应的类别信息。/n

【技术特征摘要】
1.一种缺失信息预测方法，应用于用户终端，其特征在于，包括：
根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型，其中，所述模型配置信息包括用于配置所述输入节点的输入项信息、用于配置所述输出节点的输出项信息和用于配置所述特征单元的特征单元配置公式；
根据预置的数据集及预置的参数调整规则对所述信息预测模型进行训练，以得到训练后的所述信息预测模型；
若接收到所输入的包含待预测客户及预测类别的待预测信息，获取预置的客户信息表中与所述待预测信息对应的关联客户的类别；
根据预置的类别信息量化公式对与每一所述关联客户的类别进行量化以得到类别量化信息；
将所述类别量化信息输入训练后的所述信息预测模型以获取所述待预测客户的预测类别对应的类别信息。


2.根据权利要求1所述的缺失信息预测方法，其特征在于，所述根据所输入的模型配置信息构建包含输入节点、特征单元和输出节点的信息预测模型，包括：
根据所述模型配置信息中的输入项信息构建所述信息预测模型的输入节点；
根据所述模型配置信息中的输出项信息构建所述信息预测模型的输出节点；
将所述输入节点的数量及所述输出节点的数量输入所述特征单元配置公式，以根据计算结果构建包含相应数量的特征单元的全连接隐层；
根据所述全连接隐层中的特征单元及所述输入节点，以输入节点值作为输入值、特征单元值作为输出值构建输入节点至特征单元的第一公式组；
根据所述全连接隐层中的特征单元及所述输出节点，以特征单元值作为输入值、输出节点值作为输出值构建特征单元至输出节点的第二公式组，以得到信息预测模型。


3.根据权利要求1所述的缺失信息预测方法，其特征在于，所述根据预置的数据集及预置的参数调整规则对所述信息预测模型进行训练，以得到训练后的所述信息预测模型，包括：
将所述数据集拆分为预设数量的子数据集；
根据所述参数值调整规则及多个所述子数据集对所述信息预测模型进行多轮训练，并根据所述子数据集计算每一轮训练后所述信息预测模型的准确率；
将准确率最高的一轮训练的参数值作为所述信息预测模型的参数值以得到训练后的所述信息预测模型。


4.根据权利要求1所述的缺失信息预测方法，其特征在于，所述获取预置的客户信息表中与所述待预测信息对应的关联客户的类别，包括：
根据所述待预测信息中的待预测客户获取所述预置客户信息表中与所述待预测客户对应的关联客户信息；
根据所述待预测信息中的预测类别获取与所述关联客户信息中每一关联客户对应的类别。


5.根据权利要求1所述的缺失信息预测方法，其特征在于，还包括：
将所述待预测信息及所述类别信息添加至所述预置客户信息表中。


6.一种缺失信息预测装置，其特...

【专利技术属性】
技术研发人员：董雨婷，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44