专家系统的更新方法、业务处理方法及装置制造方法及图纸

本说明书提供一种专家系统的更新方法、业务处理方法及装置，其中专家系统的更新方法，包括：获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出目标业务对应的业务决策结果；获取目标业务的样本业务特征数据和优化目标数据；基于上述数据，结合参考专家系统和目标专家系统的概率图网络进行图结构学习，输出对目标专家系统的概率图网络的图结构更新信息。本说明书实施例使得专家系统具有了学习图结构的能力，有利于专家系统的决策结果更准确。

【技术实现步骤摘要】
专家系统的更新方法、业务处理方法及装置
本说明书涉及人工智能技术，尤其涉及一种专家系统的更新方法、业务处理方法及装置。
技术介绍
对于人工决策主导的业务场景，通常需要根据业务场景中的业务数据，依据主导人（也可以称为领域专家）的人工经验进行逻辑推导，最终得出该场景下的业务决策结果。此类场景大多具有小样本、以及样本不平衡度高的特点，比如，在信贷审批领域场景中，信贷坏账率低，负样本少，并且场景所拥有的历史样本的数量也有限。这使得传统的有监督算法模型在该人工决策主导的业务场景中难以使用。因此，相关技术中通常仍以人工决策主导的方式进行评价和决策，例如，在信贷审批领域由人工进行信贷审批的指标判断，在临床医疗诊断领域由医生人工进行诊疗指症的判断，等。但是这样导致业务处理的效率较低，并且人力成本高。
技术实现思路
本说明书至少一个实施例提供了一种专家系统的更新方法、业务处理方法和装置，以提高业务处理效率。本说明书实施例的第一方面，提供一种专家系统的更新方法，所述方法用于对目标专家系统进行更新，所述方法包括：获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出所述目标业务对应的业务决策结果；获取所述目标业务的样本业务特征数据，以及所述目标业务的优化目标数据；所述样本业务特征数据是执行目标业务的业务处理时的采集数据，且所述优化目标数据是所述目标业务的业务决策真值；基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，其中，所述概率图网络是根据所述目标业务对应的模糊逻辑信息生成；输出对目标专家系统的概率图网络的图结构更新信息，所述图结构更新信息用于对所述模糊逻辑信息进行更新以改变所述概率图网络的图结构。本说明书实施例的第二方面，提供一种基于专家系统的业务处理方法，其中，所述方法由目标专家系统执行，所述方法包括：获取待处理的目标业务的至少一个业务特征数据，所述业务特征数据是业务决策结果的影响因素；根据所述专家系统接收的模糊逻辑信息，对所述业务特征数据进行模糊化处理和模糊推理，得到模糊推理结果；其中，所述模糊逻辑信息是根据本公开任一实施例的专家系统的更新方法学习得到的所述图结构更新信息确定；对所述模糊推理结果进行去模糊化，得到所述目标业务的业务决策结果。本说明书实施例的第三方面，提供一种专家系统的更新装置，所述装置包括：数据获取模块，用于获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出所述目标业务对应的业务决策结果；获取所述目标业务的样本业务特征数据，以及所述目标业务的优化目标数据；所述样本业务特征数据是执行目标业务的业务处理时的采集数据，且所述优化目标数据是所述目标业务的业务决策真值；图学习模块，用于基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，其中，所述概率图网络是根据所述目标业务对应的模糊逻辑信息生成；信息输出模块，用于输出对目标专家系统的概率图网络的图结构更新信息，所述图结构更新信息用于对所述模糊逻辑信息进行更新以改变所述概率图网络的图结构。本说明书实施例的第四方面，提供一种基于专家系统的业务处理装置，所述装置应用于专家系统，所述装置包括：数据获取模块，用于获取待处理的目标业务的至少一个业务特征数据，所述业务特征数据是业务决策结果的影响因素；模糊处理模块，用于根据所述专家系统接收的模糊逻辑信息，对所述业务特征数据进行模糊化处理和模糊推理，得到模糊推理结果；其中，所述模糊逻辑信息是根据本公开任一实施例的专家系统的更新方法学习得到的所述图结构更新信息确定；结果获得模块，用于对所述模糊推理结果进行去模糊化，得到所述目标业务的业务决策结果。本说明书实施例的第五方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本公开任一实施例的方法。本说明书实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例的方法。由以上技术方案可以看出，本说明书至少一个实施例中，通过采用专家系统来进行业务决策，实现了业务决策的智能化，提高了业务处理效率；并且，该专家系统中使用了模糊逻辑进行模糊推理，该模糊逻辑和推理的方式更加符合人工决策主导的业务场景，与人工逻辑推理的方式较为匹配，从而在提高了业务处理效率的基础上，也能获得较好的决策准确性；并且，通过结合多个参考专家系统的概率图网络进行基于数据的图结构学习，根据学习得到的图结构更新信息输出对于初始录入的模糊逻辑信息的优化建议，使得专家系统具有了学习图结构的能力，有利于专家系统的决策结果更准确。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。附图说明为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开一个或多个实施例中记载的一些实施例，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他的附图。图1是根据一示例性实施例示出的一种业务处理方法流程图；图2是根据一示例性实施例示出的一种获取业务特征数据的方法流程图；图3是根据一示例性实施例示出的一种隶属度函数生成方法流程图；图4是根据一示例性实施例示出的一种模糊化输入示意图；图5是根据一示例性实施例示出的一种模糊逻辑输入示意图；图6是根据一示例性实施例示出的一种模糊逻辑推理图；图7是根据一示例性实施例示出的一种专家系统的更新方法的流程示意图；图8是根据一示例性实施例示出的又一种专家系统的更新方法的流程示意图；图9是根据一示例性实施例示出的一种专家系统的更新装置的结构示意图；图10是根据一示例性实施例示出的一种基于专家系统的业务处理装置的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的具体方式并不代表与本说明书相一致的所有方案。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书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。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书可本文档来自技高网...

【技术保护点】
1.一种专家系统的更新方法，所述方法用于对目标专家系统进行更新，所述方法包括：/n获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出所述目标业务对应的业务决策结果；/n获取所述目标业务的样本业务特征数据，以及所述目标业务的优化目标数据；所述样本业务特征数据是执行目标业务的业务处理时的采集数据，且所述优化目标数据是所述目标业务的业务决策真值；/n基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，其中，所述概率图网络是根据所述目标业务对应的模糊逻辑信息生成；/n输出对目标专家系统的概率图网络的图结构更新信息，所述图结构更新信息用于对所述模糊逻辑信息进行更新以改变所述概率图网络的图结构。/n

【技术特征摘要】
1.一种专家系统的更新方法，所述方法用于对目标专家系统进行更新，所述方法包括：
获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出所述目标业务对应的业务决策结果；
获取所述目标业务的样本业务特征数据，以及所述目标业务的优化目标数据；所述样本业务特征数据是执行目标业务的业务处理时的采集数据，且所述优化目标数据是所述目标业务的业务决策真值；
基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，其中，所述概率图网络是根据所述目标业务对应的模糊逻辑信息生成；
输出对目标专家系统的概率图网络的图结构更新信息，所述图结构更新信息用于对所述模糊逻辑信息进行更新以改变所述概率图网络的图结构。


2.根据权利要求1所述的方法，
所述参考专家系统依据的所述目标业务对应的第一模糊逻辑信息，与所述目标专家系统依据的所述目标业务对应的第二模糊逻辑信息不同。


3.根据权利要求1所述的方法，所述基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，包括：
通过启发式算法，对所述参考专家系统的概率图网络与目标专家系统的概率图网络进行局部交叉，得到更新概率图网络；
将所述样本业务特征数据输入所述更新概率图网络，得到所述更新概率图网络输出的业务决策结果；
基于所述业务决策结果和优化目标数据，确定是否接受所述更新概率图网络对应的图结构更新信息。


4.根据权利要求1所述的方法，所述输出对目标专家系统的概率图网络的图结构更新信息，包括输出如下至少一项图结构更新信息：
对于所述目标专家系统的概率图网络的节点的增删信息；所述节点是基于所述目标业务的样本业务特征数据推导所述业务决策结果过程中的影响因素；
或者，对于所述目标专家系统的概率图网络的连接边的增删信息，所述连接边用于表示各个所述影响因素之间的关联关系。


5.根据权利要求1所述的方法，所述输出对目标专家系统的概率图网络的图结构更新信息之后，所述方法还包括：
接收对于所述目标业务对应的模糊逻辑信息的新设置信息，所述新设置信息是基于所述图结构更新信息确定；
根据所述新设置信息，更新所述目标专家系统中由所述业务特征数据到模糊集合的隶属度函数，和/或，所述目标业务对应的模糊逻辑推理图。


6.根据权利要求1所述的方法，所述方法还包括：
根据所述样本业务特征数据和优化目标数据，训练所述目标专家系统的概率图网络，得到训练完成的所述概率图网络的网络参数；
基于训练得到的所述网络参数，输出对于所述专家系统的模糊逻辑信息的参数更新信息。


7.根据权利要求1至6任一所述的方法，
所述目标业务是信贷风控业务；
所述样本业务特征数据包括信贷用户的信贷业务数据。


8.一种基于专家系统的业务处理方法，其中，所述方法由目标专家系统执行，所述方法包括：
获取待处理的目标业务的至少一个业务特征数据，所述业务特征数据是业务决策结果的影响因素；
根据所述专家系统接收的模糊逻辑信息，对所述业务特征数据进行模糊化处理和模糊推理，得到模糊推理结果；其中，所述模糊逻辑信息是根据权利要求1至7任一所述的方法学习得到的所述图结构更新信息确定；
对所述模糊推理结果进行去模糊化，得到所述目标业务的业务决策结果。


9.根据权利要求8所述的方法，所述方法还包括：
获取至少...

【专利技术属性】
技术研发人员：许鸣皓，綦晓燕，秦学文，钟娙雩，方彦明，贾全慧，郁露，朱茂君，孙晓冬，姚滨晖，余泉，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33