客户流失分析模型训练方法及装置制造方法及图纸

本发明专利技术提供了一种客户流失分析模型训练方法及装置，涉及人工智能技术领域，该方法包括：获取客户业务交易数据和客户自身数据；根据客户业务交易数据和客户自身数据生成注意力特征数据；利用注意力特征数据训练目标神经网络，得到客户流失分析模型。本发明专利技术可以加强银行客户自身数据信息与客户在银行的交易信息的关联，进而构建客户流失分析模型，提升客户流失预测的精度。户流失预测的精度。户流失预测的精度。

【技术实现步骤摘要】
客户流失分析模型训练方法及装置


[0001]本专利技术涉及人工智能
，尤其是涉及一种客户流失分析模型训练方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]现有的银行客户流失预测模型只是单纯使用客户在银行的业务交易数据进行客户数据分析，其预测精度有待提升。

技术实现思路

[0004]本专利技术提供了一种客户流失分析模型训练方法及装置，可以加强银行客户自身数据信息与客户在银行的交易信息的关联，进而构建客户流失分析模型，提升客户流失预测的精度。
[0005]第一方面，本专利技术实施例提供了一种客户流失分析模型训练方法，该方法包括：
[0006]获取客户业务交易数据和客户自身数据；
[0007]根据所述客户业务交易数据和所述客户自身数据生成注意力特征数据；
[0008]利用所述注意力特征数据训练目标神经网络，得到客户流失分析模型。
[0009]第二方面，本专利技术实施例还提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户流失分析模型训练方法，其特征在于，包括：获取客户业务交易数据和客户自身数据；根据所述客户业务交易数据和所述客户自身数据生成注意力特征数据；利用所述注意力特征数据训练目标神经网络，得到客户流失分析模型。2.根据权利要求1所述的方法，其特征在于，根据所述客户业务交易数据和所述客户自身数据生成注意力特征数据，包括：根据所述客户自身数据确定注意力权重信息；对所述客户业务交易数据和所述注意力权重信息进行点积处理，得到注意力特征数据。3.根据权利要求1所述的方法，其特征在于，所述目标神经网络为GRU神经网络。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，还包括：利用所述客户流失分析模型生成银行客户流失预测结果。5.一种客户流失分析模型训练装置，其特征在于，包括：获取模块，用于获取客户业务交易数据和客户自身数据；特征模块，用于根据所述客户业务交易数据和所述客户自身数据生成注意力...

【专利技术属性】
技术研发人员：张延，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：