【技术实现步骤摘要】
基于多维特征的评分方法、装置、计算机设备及存储介质
本专利技术涉及大数据
，尤其涉及基于多维特征的评分方法、装置、计算机设备及存储介质。
技术介绍
净推荐值(NetPromoterScore，NPS)是企业用于计量客户将会向其他人推荐企业可能性的指数，可以有效地量化客户忠诚度。NPS的具体计算方式为：首先让客户根据愿意推荐的程度让客户在0-10之间打分，然后根据打分情况将客户分为几类，例如：将客户分为3类，分别为：9-10分为推荐类、7-8分为中等类、0-6分为贬损类，依公式计算NPS值＝(推荐者数/总样本数)×100％-(贬损者数/总样本数)×100％。NPS值越高表示企业的忠诚用户越多，相应的NPS值越低表示企业的忠诚用户越少。目前无法直接根据用户对企业产品的使用数据得到用户评分，只能通过对客户评分调查问卷的方式获取用户的反馈评分，以便于计算NPS值，用户体验效果差、效率低。
技术实现思路
针对目前无法根据用户对企业产品的使用数据获取用户评分的问题，现提供一种旨在可对客户的数据信息进行分析以得到...
【技术保护点】
1.一种基于多维特征的评分方法，其特征在于，包括：/n获取历史客户的数据集，其中，所述数据集包括每个历史客户的基础属性和特征属性；/n根据所述数据集中基础属性的类别将所述历史客户划分为多个客户集合；/n采用初始XGBoost模型树对各个所述客户集合中客户的特征属性进行分析，获取目标特征属性；/n根据所述目标特征属性构建XGBoost模型树；/n将所述数据集输入所述XGBoost模型树中进行计算，采用等频分箱的方式对计算结果进行分析以确定贬损阈值；/n接收目标客户的数据信息，提取所述数据信息的目标特征属性，采用所述XGBoost模型树根据所述数据信息中的基础属性和目标特征属性...
【技术特征摘要】
1.一种基于多维特征的评分方法，其特征在于，包括：
获取历史客户的数据集，其中，所述数据集包括每个历史客户的基础属性和特征属性；
根据所述数据集中基础属性的类别将所述历史客户划分为多个客户集合；
采用初始XGBoost模型树对各个所述客户集合中客户的特征属性进行分析，获取目标特征属性；
根据所述目标特征属性构建XGBoost模型树；
将所述数据集输入所述XGBoost模型树中进行计算，采用等频分箱的方式对计算结果进行分析以确定贬损阈值；
接收目标客户的数据信息，提取所述数据信息的目标特征属性，采用所述XGBoost模型树根据所述数据信息中的基础属性和目标特征属性进行处理，以获取所述目标客户的贬损概率值，将所述贬损概率值与所述贬损阈值进行比较，根据所述比较结果确定所述目标客户的评分信息。
2.根据权利要求1所述的基于多维特征的评分方法，其特征在于，获取历史客户的数据集之前，包括：
获取所述历史客户的数据信息，所述数据信息包括基础属性和初始特征属性；
依据所述历史客户的信用卡的使用阶段及特征属性，从所述初始特征属性中提取与所述特征属性对应的所述初始特征属性作为特征属性，所有所述历史客户的所述基础属性和特征属性构成所述数据集。
3.根据权利要求1所述的基于多维特征的评分方法，其特征在于，采用初始XGBoost模型树对各个所述客户集合中客户的特征属性进行分析，获取目标特征属性，包括：
采用初始XGBoost模型树对各个所述客户集合中客户的特征属性进行增益值计算，获取各个所述特征属性的增益值；
将符合预设条件的增益值对应的特征属性作为目标特征属性。
4.根据权利要求3所述的基于多维特征的评分方法，其特征在于，所述预设条件为将增益值由大至小进行排序，将位于排序前N位的特征属性作为目标特征属性，其中，N为大于或等于2的正整数；或
所述预设条件为将大于增益阈值的所述增益值对应的特征属性作为目标特征属性。
5.根据权利要求1所述的基于多维特征的评分方法，其特征在于，根据所述目标特征属性构建XGBoost模型树，包括：
将所述目标特征属性输入所述初始XGBoost模型树进行训练获取所述XGBoost模型树。
6.根据权利要...
【专利技术属性】
技术研发人员：王雅婷，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。