用户行为预测方法和装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种用户行为预测方法和装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：根据目标用户数据随机生成多个用户特征；采用nu l l importance算法从多个所述用户特征中筛选出候选特征；根据进化方法对所述候选特征进行处理，得到子代特征；对所述子代特征迭代处理，直至满足预设条件时停止迭代，得到用于预测用户行为的最终特征组合。基于此，本申请能够自动完成特征的组合分析用于用户保险缴费行为预测。合分析用于用户保险缴费行为预测。合分析用于用户保险缴费行为预测。

【技术实现步骤摘要】
用户行为预测方法和装置、电子设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种用户行为预测方法和装置、电子设备及存储介质。

技术介绍

[0002]在保险缴费预测中，应该首先确定预测应该支持的业务目标。企业最常将保费预测用于以下目标之一：计算用户可能的保费缴费时间，预测用户可能的缴费时间，例如：用户可能再应交日D
‑
5、D
‑
10、D
‑
20缴费。其中，计算用户的可能保费缴费概率：该用户本次是否能按时缴费，也就是能按时缴费的概率是多少，为每个用户输出一个概率值。
[0003]目前，对于用户保险缴费预测需要建立一个预测模型或者排序模型来明确业务目标，但是这些目标的预测常常会限于目标特征不足够或者很稀疏，所以经常需要组合特征来作为新特征输入用来训练模型，这时候单靠人工特征筛选和组合不足以达到模型快速训练以及快速上线的要求。因此，如何自动完成特征的组合分析用于用户保险缴费行为预测，成为了亟待解决的技术问题。

技术实现思路

[0004]本申请实施例的主要目的在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户行为预测方法，其特征在于，所述方法包括：根据目标用户数据随机生成多个用户特征；采用null importance算法从多个所述用户特征中筛选出候选特征；根据进化方法对所述候选特征进行处理，得到子代特征；对所述子代特征迭代处理，直至满足预设条件时停止迭代，得到用于预测用户行为的最终特征组合。2.根据权利要求1所述的方法，其特征在于，所述采用null importance算法从多个所述用户特征中筛选出候选特征，包括：采用null importance算法计算每个所述用户特征的适应度，其中，所述适应度用于表征所述用户特征的重要程度和稳定程度；筛选所述适应度高于预设阈值的所述用户特征作为所述候选特征。3.根据权利要求2所述的方法，其特征在于，所述采用null importance算法计算每个所述用户特征的适应度，包括：重复多次将每个所述用户特征和对应所述用户特征的数据标签输入到预设的树模型中，得到每个所述用户特征的第一重要程度值；重复多次将所述数据标签打乱再输入到所述树模型中，得到每个所述用户特征的第二重要程度值；根据每次得到的所述第一重要程度值和所述第二重要程度值确定每个所述用户特征的稳定程度值；根据每个所述用户特征的稳定程度值确定每个所述用户特征的适应度。4.根据权利要求3所述的方法，其特征在于，所述筛选所述适应度高于预设阈值的所述用户特征作为所述候选特征，包括：多次比较每个所述用户特征的所述第一重要程度值和所述第二重要程度值，得到每个所述用户特征的稳定程度值；筛选所述稳定程度值高于预设阈值的所述用户特征作为所述候选特征。5.根据权利...

【专利技术属性】
技术研发人员：吴岸城，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：