一种客户指标的评估方法及装置制造方法及图纸

本申请公开了一种客户指标的评估方法及装置，其中，所述方法包括：获取目标客户的指定信息；对目标客户的指定信息进行特征处理，得到目标客户对应的特征向量；将目标客户对应的特征向量输入训练好的当前最新的最终评估模型中，通过当前最新的最终评估模型对目标客户对应的特征向量进行处理，得到目标客户对应的目标指标；其中，当前最新的最终评估模型预先利用本轮训练对应的权重调节系数，对本轮训练得到的初始评估模型与上一轮训练得到的最终评估模型加权得到；本轮训练得到的初始模型利用当前训练样本以及各个当前训练样本的指定信息以及对应的权值训练得到；当前训练样本对应的权值基于当前训练样本对应的误分类损失以及产品使用量确定。以及产品使用量确定。以及产品使用量确定。

【技术实现步骤摘要】
一种客户指标的评估方法及装置


[0001]本申请涉及指标评估
，特别涉及一种客户指标的评估方法及装置。

技术介绍

[0002]为了能挖掘有价值客户，或者确定客户存在的风险等，往往需要针对客户计算相应的指标，从而通过指标来反映客户的价值、风险等。
[0003]随着神经网络技术不断的发展，现在开始不断采用相应的模型对客户指标进行评估。但是随着业务的不断发展，模型所分析得到客户指标的准确性会越来越低。所以现有在模型的准确性过低时，会重新构建一个新的模型，然后利用当前客户样本的指定信息，指定对构建的模型进行训练，得到一个新的模型。
[0004]但是由于，重构模型的成本相对较高，所以一般会在模型准确性较低时，才会进行重构，所以现有的方式使得在使用的模型的准确性通常比较低。并且，利用当前客户样本的指定信息直接构建一个新的模型，没有考虑的历史的信息而没考虑不同客户样本的差异，从而使得所得的模型的准确性也不够高。

技术实现思路

[0005]基于上述现有技术的不足，本申请提供了一种客户指标的评估方法及装置，以解决现有的评估方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户指标的评估方法，其特征在于，包括：获取目标客户的指定信息；其中，所述指定信息指代用于评估的目标指标的信息；对所述目标客户的指定信息进行特征处理，得到所述目标客户对应的特征向量；将所述目标客户对应的特征向量输入训练好的当前最新的最终评估模型中，通过所述当前最新的最终评估模型对所述目标客户对应的特征向量进行处理，得到所述目标客户对应的目标指标；其中，所述当前最新的最终评估模型预先利用本轮训练对应的权重调节系数，对本轮训练得到的初始评估模型与上一轮训练得到的最终评估模型加权得到；本轮训练得到的初始模型利用当前训练样本以及各个所述当前训练样本的指定信息以及对应的权值训练得到；所述当前训练样本对应的权值基于所述当前训练样本对应的误分类损失以及产品使用量确定。2.根据权利要求1所述的方法，其特征在于，所述当前最新的最终评估评估模型的训练方法，包括：将当前存量的客户作为当前训练样本；获取各个所述当前训练样本的指定信息；若本轮训练为首轮训练，则利用误分类损失预设值以及各个所述当前训练样本对应的产品使用量，确定各个所述当前训练样本对应的权值；利用所述当前训练样本的指定信息以及对应的权值，对构建的评估模型进行训练，得到首轮训练的最终评估模型；若本轮训练不属于首轮训练，则基于所述当前训练样本对应的误分类损失以及产品使用量，确定当前各个所述当前训练样本对应的权值；其中，所述训练样本对应的误分类损失为最新历史评估模型得到所述当前训练样本的预测值与所述当前训练样本的实际值的偏差；所述最新历史评估模型为上一轮训练得到的最终评估模型；所述误分类损失以及产品使用量越大，所述当前训练样本对应的权值越大；利用所述当前训练样本的指定信息以及对应的权值，对所述最新历史评估模型进行训练，得到本轮训练的初始评估模型；基于所述本轮训练的初始评估模型预测所述当前训练样本的错误率，计算得到本轮训练对应的权重调节系数；其中，所述错误率越小，所述权重调节系数越大；利用所述本轮训练对应的权重调节系数，对所述本轮训练的初始评估模型与所述最新历史评估模型进行加权，得到当前最新的最终评估模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述当前训练样本对应的误分类损失以及产品使用量，确定当前各个所述当前训练样本对应的权值，包括：针对每一个所述当前训练样本，若所述当前训练样本为旧样本，计算所述最新历史评估模型对所述当前训练样本的预测值与所述当前训练样本的实际值的差值的平方，得到所述当前训练样本对应的误分类损失；将所述当前训练样本对应的误分类损失所处数值区间对应的放大分数，乘以所述当前训练样本对应的产品使用量所属的用户类别对应的放大分数，得到所述当前训练样本对应的权值；若所述当前训练样本为新样本，则基于各个所述旧样本对应的权值，计算得到权值均值；
将所述权值均值确定为当前所述当前训练样本对应的权值。4.根据权利要求3所述的方法，其特征在于，所述基于各个所述旧样本对应的权值，计算得到权值均值，包括：计算所述旧样本中的下发商机客户对应的所述当前训练样本对应的权值的平均值与计算所述旧样本中的未下发商机客户对应的所述当前训练样本对应的权值的平均值的和，得到权值的总平均值；将所述权值的平均值乘以所述未下发商机客户在所述旧样本中的数量占比，得到所述权值均值。5.根据权利要求2所述的方法，其特征在于，所述基于所述本轮训练的初始评估模型预测所述当前训练样本的错误率，计算得到本轮训练对应的权重调节系数，包括：将所述本轮训练的初始评估模型对各个所述当前训练样本的预测值从大到小进行排序，得到排序结果；计算所述排序结果中处于前预设百分比的所述预测值的错误率；对所述错误率的倒数与1的差值求对数，得到对数数值；将所述对数数值除以2，得到所述本轮训练对应的权重调节系数。6.根据权利要求2所述的方法，其特征在于，所述利用所述本轮训练对应的权重调节系数，对所述本轮训练的初...

【专利技术属性】
技术研发人员：秦海龙，周继顺，刘宏吉，汪郑秒，张航，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：