本申请涉及人工智能技术领域，揭示了一种行为分类方法、装置、设备及存储介质，其中方法包括：获取初始用户信息以及与初始用户信息对应的信息节点和节点特征信息；获取待预测用户与信息节点对应的待预测用户信息，根据信息节点、待预测用户信息和初始用户信息生成初始用户的关系图谱；根据关系图谱计算每一个信息节点的图嵌入特征，获取包含行为分类函数的分类模型，并通过分类模型将节点特征信息和图嵌入特征进行拼接，得到节点表征；根据节点表征计算待预测用户与初始用户的关联度；基于关联度识别待预测用户的分类方式，采用分类模型根据分类方式对待预测用户进行行为分类，从而降低了客户风险评价时的误杀率，提高了分类的准确性。性。性。
【技术实现步骤摘要】
行为分类方法、装置、设备及存储介质
[0001]本申请涉及到人工智能
，特别是涉及到一种行为分类方法、装置、设备及存储介质。
技术介绍
[0002]在保险领域，如何根据客户的历史信息对客户进行风险评级，量化客户风险是一个非常重要的课题。目前保险市场上有许多隐藏的黑产客户，这部分带有欺诈性质的客户让保险公司蒙受了巨大的损失，所以在承保端对这些劣质客户进行有效识别并加以拦截就显得尤为重要。以个人业务线为例，在核保阶段，当一个客户投保时，核保人员需根据该客户投保时录入的信息评估该客户是否应该被保，这无疑是一项困难而又复杂的工作。此时可以借助算法进行自动化建模，利用客户的历史信息以及与其他客户之间的交互数据输入模型进行训练并输出客户的风险等级，并针对高风险客户向核保人员做出提醒。
[0003]现有技术中的算法是，通过建模方法将客户分成独立的个体，基于个体的特征进行建模，这种建模方式没有考虑客户间关系网络特征，忽略了客户与客户之间的相关性，会损失一大部分外部信息，从而使得误杀率高，评价的准确性较低。
技术实现思路
[0004]本申请的主要目的为提供一种行为分类方法、装置、设备及存储介质，旨在解决现有技术中的进行客户风险评价时误杀率高，准确性较低的技术问题。
[0005]为了实现上述专利技术目的，本申请提出一种行为分类方法，所述方法包括：获取初始用户的初始用户信息以及与所述初始用户信息对应的信息节点，并获取所述信息节点的节点特征信息；获取待预测用户的个人信息，在所述个人信息中查找与所述信息节点一致的目标节点，获取所述目标节点对应的待预测用户信息，并根据所述信息节点、所述待预测用户信息和所述初始用户信息生成所述初始用户的关系图谱；根据所述关系图谱计算每一个所述信息节点的图嵌入特征，获取包含行为分类函数的分类模型，并通过所述分类模型将所述节点特征信息和所述图嵌入特征进行拼接，得到节点表征；根据所述节点表征计算所述待预测用户与所述初始用户的关联度；基于所述关联度识别所述待预测用户的分类方式，采用所述分类模型根据所述分类方式对所述待预测用户进行行为分类。
[0006]进一步的，所述基于所述关联度识别所述待预测用户的分类方式，采用所述分类模型根据所述分类方式对所述待预测用户进行行为分类，包括：当所述关联度满足预设的第一关联范围时，获取与所述待预测用户关联的初始用户的初始行为分类结果，并将所述初始行为分类结果作为所述待预测用户的目标行为分类结果；
当所述关联度满足预设的第二关联范围时，获取与所述待预测用户关联的初始用户的初始行为分类结果，基于所述初始行为分类结果，通过所述分类模型对所述待预测用户进行行为分类，得到所述待预测用户的目标行为分类结果；当所述关联度满足预设的第三关联范围时，通过所述分类模型单独对所述待预测用户进行行为分类，得到所述待预测用户的目标行为分类结果。
[0007]进一步的，所述得到所述待预测用户的目标行为分类结果，包括：基于所述关系图谱，按照所述信息节点的传导方向，对每一个信息节点进行风险传递参数计算；依次根据上一个信息节点的风险传递参数计算下一个信息节点的顶点的风险传递参数，直至遍历全部的所述信息节点，得到所述待预测用户的风险传递因子；根据所述风险传递因子得到所述待预测用户的目标行为分类结果。
[0008]进一步的，所述根据所述关系图谱计算每一个所述信息节点的图嵌入特征，包括：对所述信息节点进行若干次随机采样，得到若干组采样结果；按照采样顺序或者逆序的方式，依次每一组采样结果均聚合至上一组采样结果中，直至全部采样结果完成聚合，得到所述图嵌入特征。
[0009]进一步的，所述通过所述分类模型将所述节点特征信息和所述图嵌入特征进行拼接，得到节点表征，包括：将所述节点特征信息和所述图嵌入特征进行特征拼接，输入预设的GraphSAGE模型；通过所述GraphSAGE模型对拼接后的所述节点特征信息和所述图嵌入特征进行特征融合，得到所述节点表征，并将所述节点表征输入所述GraphSAGE模型的数据库中。
[0010]进一步的，所述根据所述节点表征计算所述待预测用户与所述初始用户的关联度，包括：根据所述节点表征和所述待预测用户信息计算所述待预测用户与所述初始用户在不同信息节点下的关联参数；获取每一个所述信息节点对应的权重信息，并基于所述权重信息对所述关联参数进行加权计算，得到所述关联度。
[0011]进一步的，所述根据所述节点表征和所述待预测用户信息计算所述待预测用户与所述初始用户在不同信息节点下的关联参数，包括：通过向量空间模型算法，在不同信息节点下分别计算所述待预测用户信息的关联度向量，并根据余弦相似度计算得到所述关联度向量与对应的节点表征之间的关联参数。
[0012]本申请还提出了一种行为分类装置，包括：特征信息获取模块，用于获取初始用户的初始用户信息以及与所述初始用户信息对应的信息节点，并获取所述信息节点的节点特征信息；关系图谱生成模块，用于获取待预测用户的个人信息，在所述个人信息中查找与所述信息节点一致的目标节点，获取所述目标节点对应的待预测用户信息，并根据所述信息节点、所述待预测用户信息和所述初始用户信息生成所述初始用户的关系图谱；节点表征计算模块，用于根据所述关系图谱计算每一个所述信息节点的图嵌入特征，获取包含行为分类函数的分类模型，并通过所述分类模型将所述节点特征信息和所述
图嵌入特征进行拼接，得到节点表征；关联度计算模块，用于根据所述节点表征计算所述待预测用户与所述初始用户的关联度；行为分类模块，用于基于所述关联度识别所述待预测用户的分类方式，采用所述分类模型根据所述分类方式对所述待预测用户进行行为分类。
[0013]本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0014]本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
[0015]本申请的行为分类方法、装置、设备及存储介质，通过将初始用户信息对应的数据和新的待预测用户数据从hive导入数据至neo4j图数据库生成关系图谱，这样可以将二维表格数据转换为链接数据，使得计算机能够更好地建立与各个实体节点之间的链接关系，从而对用户的行为进行量化和可视化处理，提高搜索效率；通过将所述节点特征信息和所述图嵌入特征输入所述分类模型，使得分类模型基于该特征数据进行行为分类，提高了分类的准确性；通过待预测用户信息和初始用户信息识别待预测用户与初始用户的关联度，从而基于用户的交互关系搭建进行用户行为分类；通过关联度，采用分类模型对待预测用户进行行为分类，从而在利用个体特征进行独立建模的基础上，引入客户关联关系型数据，从而增加分类模型可以利用的信息，起到数据增强、样本增强的效果。
附图说明
[0016]图1为本申请一实施条例的行为分类方法的流程示意图；图2 为本申请一实施条例的行为分类装置的结构示意框图；图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行为分类方法，其特征在于，所述方法包括：获取初始用户的初始用户信息以及与所述初始用户信息对应的信息节点，并获取所述信息节点的节点特征信息；获取待预测用户的个人信息，在所述个人信息中查找与所述信息节点一致的目标节点，获取所述目标节点对应的待预测用户信息，并根据所述信息节点、所述待预测用户信息和所述初始用户信息生成所述初始用户的关系图谱；根据所述关系图谱计算每一个所述信息节点的图嵌入特征，获取包含行为分类函数的分类模型，并通过所述分类模型将所述节点特征信息和所述图嵌入特征进行拼接，得到节点表征；根据所述节点表征计算所述待预测用户与所述初始用户的关联度；基于所述关联度识别所述待预测用户的分类方式，采用所述分类模型根据所述分类方式对所述待预测用户进行行为分类。2.根据权利要求1所述的行为分类方法，其特征在于，所述基于所述关联度识别所述待预测用户的分类方式，采用所述分类模型根据所述分类方式对所述待预测用户进行行为分类，包括：当所述关联度满足预设的第一关联范围时，获取与所述待预测用户关联的初始用户的初始行为分类结果，并将所述初始行为分类结果作为所述待预测用户的目标行为分类结果；当所述关联度满足预设的第二关联范围时，获取与所述待预测用户关联的初始用户的初始行为分类结果，基于所述初始行为分类结果，通过所述分类模型对所述待预测用户进行行为分类，根据所述关系图谱得到所述待预测用户的目标行为分类结果；当所述关联度满足预设的第三关联范围时，通过所述分类模型单独对所述待预测用户进行行为分类，得到所述待预测用户的目标行为分类结果。3.根据权利要求2所述的行为分类方法，其特征在于，所述根据所述关系图谱得到所述待预测用户的目标行为分类结果，包括：基于所述关系图谱，按照所述信息节点的传导方向，对每一个信息节点进行风险传递参数计算；依次根据上一个信息节点的风险传递参数计算下一个信息节点的顶点的风险传递参数，直至遍历全部的所述信息节点，得到所述待预测用户的风险传递因子；根据所述风险传递因子得到所述待预测用户的目标行为分类结果。4.根据权利要求1所述的行为分类方法，其特征在于，所述根据所述关系图谱计算每一个所述信息节点的图嵌入特征，包括：对所述信息节点进行若干次随机采样，得到若干组采样结果；按照采样顺序或者逆序的方式，依次每一组采样结果均聚合至上一组采样结果中，直至全部采样结果完成聚合，得到所述图嵌入特征。5.根据权利要求1所述的行为分类方...
【专利技术属性】
技术研发人员：黄建华，李欣，刘卫，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
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。