一种构建资源返还表现预测模型的方法、装置和电子设备制造方法及图纸

本说明书实施例提供一种构建资源返还表现预测模型的方法，提供具有多个任务阶段的流水线学习器，分布存储多个待训练的任务算法，利用流水线学习器对算法集群中的多个任务算法进行组合，形成各任务阶段均具有任务算法的闭环反馈流水线，其中用于训练的输入层与用于预测的任务算法的输出层之间数据连通，结合逾期信息，利用机器学习算法对该流水线中的任务算法进行训练，得到资源返还表现预测模型。通过流水线学习器，可自动对分布存储的多个任务算法进行组合，组合后形成的闭环反馈流水线中用于训练的输入层与用于预测的任务算法的输出层之间数据连通，不需要手动组合算法，又可自动结合预测结果对模型进行自我优化，因而简化了模型构建过程。

【技术实现步骤摘要】
一种构建资源返还表现预测模型的方法、装置和电子设备
本申请涉及计算机领域，尤其涉及一种构建资源返还表现预测模型的方法、装置和电子设备。
技术介绍
目前很多业务中，往往会存在实体资源或者虚拟资源的配给，供用户使用，后续用户返还这些资源可以结束这个业务。然而在返还资源的阶段，往往会出现用户不能按照预定的时间进行资源的返还，造成逾期。为了能够提高风险管控水平，业内会采取构建模型，利用模型提前预测资源返还表现。现有的构建模型的方式，每次都需要将多种任务算法进行组合，任务算法之间的数据向联通，这样，输入数据集，组合后的任务算法便可以输出预测结果。这种方式使得构建模型的实际操作过程较为繁琐，有必要提出一种简化的构建资源返还表现预测模型的方法。
技术实现思路
本说明书实施例提供一种构建资源返还表现预测模型的方法、装置和电子设备，用以简化模型构建过程。本说明书实施例提供一种构建资源返还表现预测模型的方法，包括：提供流水线学习器，所述流水线学习器中具有多个任务阶段；分布存储多个待训练的任务算法，构成算法集群；利用所述流水线学习器对所述算法集群中的多个任务算法进行组合，形成各任务阶段均具有任务算法的闭环反馈流水线，所述闭环反馈流水线中用于训练的输入层与用于预测的任务算法的输出层之间数据连通；结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型。可选地，所述结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型，包括：获取逾期用户的资源返还表现数据；基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练。可选地，所述获取逾期用户的资源返还表现数据，包括：业务系统对已预测的逾期用户进行监测，生成逾期用户的资源返还表现数据，并通过数据同步组件将所述资源返还表现数据同步至模型系统；接收所述业务系统监测生成的所述资源返还表现数据；所述基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练，还包括：利用所述逾期用户的逾期信息、对所述逾期用户预测并由所述输出层向所述输入层传递的资源返还表现数据和所述业务系统监测生成的所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行修正。可选地，所述资源返还表现数据为施行资源返还辅助策略后的资源返还表现数据；所述基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练，包括：基于所述逾期用户的逾期信息和所述资源返还表现数据，结合所述辅助策略，以回归算法对所述闭环反馈流水线中的任务算法进行训练。可选地，所述流水线学习器中的每个任务阶段均具有转换器和评估器；所述方法还包括：利用所述资源返还表现预测模型预测逾期用户的资源返还表现数据，包括：当前转换器获取输入的数据集，进行处理，得到输出数据集；所述当前转换器对应的评估器根据所述输出数据集输出资源返还表现数据，或者，当前转换器对应的评估器根据所述输出数据集路由与所述输出数据集相匹配的下一转换器，并将所述输出数据集传递给所述下一转换器。可选地，所述根据所述输出数据集路由与所述输出数据集相匹配的下一转换器，包括：从当前转换器连接的多个转换器中选择与所述输出数据集相匹配的下一转换器。可选地，所述将所述输出数据集传递给所述下一转换器，包括：将所述输出数据发送至存储所述下一转换器的数据库分片中，以利用分布式算法集群进行预测。可选地，所述将所述输出数据发送至存储所述下一转换器的分片中，包括：利用数据同步组件将所述输出数据发送至存储所述下一转换器的数据库分片中。本说明书实施例还提供一种构建资源返还表现预测模型的装置，包括：学习器模块，提供流水线学习器，所述流水线学习器中具有多个任务阶段；任务算法模块，分布存储多个待训练的任务算法，构成算法集群；流水线模块，利用所述流水线学习器对所述算法集群中的多个任务算法进行组合，形成各任务阶段均具有任务算法的闭环反馈流水线，所述闭环反馈流水线中用于训练的输入层与用于预测的任务算法的输出层之间数据连通；所述流水线模块，还用于结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型。可选地，所述结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型，包括：获取逾期用户的资源返还表现数据；基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练。可选地，所述获取逾期用户的资源返还表现数据，包括：业务系统对已预测的逾期用户进行监测，生成逾期用户的资源返还表现数据，并通过数据同步组件将所述资源返还表现数据同步至模型系统；接收所述业务系统监测生成的所述资源返还表现数据；所述基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练，还包括：利用所述逾期用户的逾期信息、对所述逾期用户预测并由所述输出层向所述输入层传递的资源返还表现数据和所述业务系统监测生成的所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行修正。可选地，所述资源返还表现数据为施行资源返还辅助策略后的资源返还表现数据；所述基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练，包括：基于所述逾期用户的逾期信息和所述资源返还表现数据，结合所述辅助策略，以回归算法对所述闭环反馈流水线中的任务算法进行训练。可选地，所述流水线学习器中的每个任务阶段均具有转换器和评估器；所述流水线模块，还用于：利用所述资源返还表现预测模型预测逾期用户的资源返还表现数据，包括：当前转换器获取输入的数据集，进行处理，得到输出数据集；所述当前转换器对应的评估器根据所述输出数据集输出资源返还表现数据，或者，当前转换器对应的评估器根据所述输出数据集路由与所述输出数据集相匹配的下一转换器，并将所述输出数据集传递给所述下一转换器。可选地，所述根据所述输出数据集路由与所述输出数据集相匹配的下一转换器，包括：从当前转换器连接的多个转换器中选择与所述输出数据集相匹配的下一转换器。可选地，所述将所述输出数据集传递给所述下一转换器，包括：将所述输出数据发送至存储所述下一转换器的数据库分片中，以利用分布式算法集群进行预测。可选地，所述将所述输出数据发送至存储所述下一转换器的分片中，包括：利用数据同步组件将所述输出数据发送至存储所述下一转换器的数据库分片中。本文档来自技高网...

【技术保护点】
1.一种构建资源返还表现预测模型的方法，其特征在于，包括：/n提供流水线学习器，所述流水线学习器中具有多个任务阶段；/n分布存储多个待训练的任务算法，构成算法集群；/n利用所述流水线学习器对所述算法集群中的多个任务算法进行组合，形成各任务阶段均具有任务算法的闭环反馈流水线，所述闭环反馈流水线中用于训练的输入层与用于预测的任务算法的输出层之间数据连通；/n结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型。/n

【技术特征摘要】
1.一种构建资源返还表现预测模型的方法，其特征在于，包括：
提供流水线学习器，所述流水线学习器中具有多个任务阶段；
分布存储多个待训练的任务算法，构成算法集群；
利用所述流水线学习器对所述算法集群中的多个任务算法进行组合，形成各任务阶段均具有任务算法的闭环反馈流水线，所述闭环反馈流水线中用于训练的输入层与用于预测的任务算法的输出层之间数据连通；
结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型。


2.根据权利要求1所述的方法，其特征在于，所述结合逾期信息，利用机器学习算法对所述闭环反馈流水线中的任务算法进行训练，得到资源返还表现预测模型，包括：
获取逾期用户的资源返还表现数据；
基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练。


3.根据权利要求1-2中任一项所述的方法，其特征在于，所述获取逾期用户的资源返还表现数据，包括：
业务系统对已预测的逾期用户进行监测，生成逾期用户的资源返还表现数据，并通过数据同步组件将所述资源返还表现数据同步至模型系统；
接收所述业务系统监测生成的所述资源返还表现数据；
所述基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练，还包括：
利用所述逾期用户的逾期信息、对所述逾期用户预测并由所述输出层向所述输入层传递的资源返还表现数据和所述业务系统监测生成的所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行修正。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述资源返还表现数据为施行资源返还辅助策略后的资源返还表现数据；
所述基于所述逾期用户的逾期信息和所述资源返还表现数据，以回归算法对所述闭环反馈流水线中的任务算法进行训练，包括：
基于所述逾期用户的逾期信息和所述资源返还表现数据，结合所述辅助策略，以回归算法对所述闭环反馈流水线中的任务算法进行训练。


5...

【专利技术属性】
技术研发人员：吴恩慈，
申请(专利权)人：上海淇馥信息技术有限公司，
类型：发明
国别省市：上海;31