基于循环神经网络的用户转保预测方法、装置以及设备制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于循环神经网络的用户转保预测方法，包括：获取用户行为数据，将用户行为数据划分为训练数据和预测数据，将训练数据和预测数据分别转换为训练时间切片因子和预测时间切片因子，然后使用训练时间切片因子对预设的循环神经网络进行训练得到目标循环神经网络，将预测时间切片因子输入至目标循环神经网络进行分析得到预测结果。可见，本发明专利技术能够实现利用计算机技术对用户的行为数据进行分析，以进行对用户转保的有效预测。的有效预测。的有效预测。

【技术实现步骤摘要】
基于循环神经网络的用户转保预测方法、装置以及设备


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于循环神经网络的用户转保预测方法、装置、计算机设备以及存储介质。

技术介绍

[0002]保险转保是指投保人在现有的保险的期限到期之后，更换所投保的保险公司的过程。随着保险市场越来越趋于饱和，保险公司的竞争也逐渐从对增量客户的竞争转移至对存量客户的竞争，这使得对转保客户的营销逐渐成为保险营销中的重要部分。随着计算机技术的发展，各个保险公司均推出了各种计算机系统(如，主页网站、APP等)供保险客户使用，潜在的转保客户每天都会在这些计算机系统上留下大量的行为数据，如，转保客户a在xx年xx月xx日接收了系统发放的营销卡券。这些行为数据通常蕴含着转保客户当前的状态信息，所以利用这些行为数据可以一定程度上预测出该转保客户最终在保单过期时是否将会转保，然而，具体如何利用计算机技术对这些行为数据进行分析，最终实现对用户转保的有效预测仍是一个有待解决的技术问题。

技术实现思路

[0003]本专利技术所要解决的技术问题在于，现有技术还缺少一种利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环神经网络的用户转保预测方法，其特征在于，所述方法包括：获取用户行为数据，其中，所述用户行为数据是指基于预设的计算机系统中的目标系统动作产生的数据，所述目标系统动作是指与所述用户相关的系统动作；将所述用户行为数据划分为训练数据和预测数据；按照预设的时间切片因子转换方式将所述训练数据和所述预测数据分别转换为对应的训练时间切片因子和预测时间切片因子；基于所述训练时间切片因子对预设的循环神经网络进行训练，以得到目标循环神经网络；将所述预测时间切片因子输入至所述目标循环神经网络进行分析，以得到预测结果，其中，所述预测结果用于表示所述用户是否转保。2.根据权利要求1所述的基于循环神经网络的用户转保预测方法，其特征在于，所述按照预设的时间切片因子转换规则将所述训练数据和所述预测数据分别转换为对应的训练时间切片因子和预测时间切片因子之后，所述基于所述训练时间切片因子对预设的循环神经网络进行训练，以得到目标循环神经网络之前，所述方法还包括：将所述训练时间切片因子与预设的时间切片因子模板进行比对，以确定出缺失时间切片因子；按照预设的数值确定方式确定出所述缺失时间切片因子中的数值；将所述缺失时间切片因子添加至所述训练时间切片因子，并触发执行所述基于所述训练时间切片因子对预设的循环神经网络进行训练，以得到目标循环神经网络的步骤。3.根据权利要求2所述的基于循环神经网络的用户转保预测方法，其特征在于，所述按照预设的数值确定方式确定出所述缺失时间切片因子中的数值，包括：确定所述缺失时间切片因子对应的数据类型，其中，所述缺失时间切片因子对应的数据类型为离散数据或者连续数据；当所述缺失时间切片因子对应的数据类型为离散数据时，按照预设的离散数值确定方式确定出所述缺失时间切片因子中的数值；当所述缺失时间切片因子对应的数据类型为连续数据时，按照预设的连续数值确定方式确定出所述缺失时间切片因子中的数值。4.根据权利要求3所述的基于循环神经网络的用户转保预测方法，其特征在于，所述按照预设的离散数值确定方式确定出所述缺失时间切片因子中的数值，包括：获取所述缺失时间切片因子在所有的所述训练时间切片因子和所述预测时间切片因子中对应的数值；计算所述缺失时间切片因子对应的每种数值的出现次数；将出现次数最大的数值确定为所述缺失时间切片因子中的数值。5.根据权利要求3所述的基于循环神经网络的用户转保预测方法，其特征在于，所述按照预设的连续数值确定方式确定出所述缺失时间切片因子中的数值，包括：获取所述缺失时间切片因子在所有的所述训练时间切片因子和所述预测时间切片因子中对应的数值；计算所有的所述缺失时间切片因子对应的数值的平均值；将所述平均值确定为所述缺失时间切片因子...

【专利技术属性】
技术研发人员：符琼琲，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：