本发明专利技术公开了一种模型更新方法、装置、非易失性存储介质及电子设备。该方法包括：按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据，预设业务数据包括：用于表示预设对象交易行为的预设特征信息，和预设对象的客群标签；将每个预设对象的预设特征信息和客群标签作为一组训练数据，使用多组训练数据通过机器学习的方式训练预设推荐模型；确定预设推荐模型的评价指标是否满足预设条件；在评价指标满足预设条件的情况下，使用预设推荐模型更新历史推荐模型，历史推荐模型根据历史时间周期内的历史业务数据训练得到，历史时间周期和预设时间周期的周期开始时间符合预设时间间隔。本发明专利技术解决了传统模型的实效性较差的技术问题。差的技术问题。差的技术问题。
【技术实现步骤摘要】
模型更新方法、装置、非易失性存储介质及电子设备
[0001]本专利技术涉及人工智能领域，具体而言，涉及一种模型更新方法、装置、非易失性存储介质及电子设备。
技术介绍
[0002]现有的千人千面方法是，基于专家规则推荐逻辑构建模型，然后推荐特定的产品，该方法在筛选目标客户和推荐产品的精确度和覆盖度都较低，且推荐的产品过于集中，实际购买推荐产品的用户中高资产客群占绝大部分，不能真正实现个性化理财推荐。
[0003]传统方法是根据经验规则，对满足条件的客户进行特定产品的推荐。这些规则实施起来会卡掉不少有理财需求的客户，且推荐的产品比较固定，新的产品往往不能推荐给用户。
[0004]传统方法为了确保模型的准确性，需要使用大量的样本数据进行训练，由于训练用的样本数据体量较高，因此，模型的训练成本较高，训练周期较长，其训练后的模型也不会进行准确更新。
[0005]并且，为了确保模型的准确性，传统模型的更新过程通常是，在不改变原模型主体的基础上，使用新产品的样本数据对原模型进行调整。由于新产品的样本数据量远远小于历史产品的样本数据，因此，新产品的样本数据对模型的改变微乎其为，进而若需要新产品对模型产生影像就需要为新产品积累足够体量的样本数据，但是此时新产品也已经不新了。
[0006]针对上述传统模型的实效性较差的问题，目前尚未提出有效的解决方案。
技术实现思路
[0007]本专利技术实施例提供了一种模型更新方法、装置、非易失性存储介质及电子设备，以至少解决传统模型的实效性较差的技术问题。
[0008]根据本专利技术实施例的一个方面，提供了一种模型更新方法，包括：按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据，其中，所述预设业务数据包括：用于表示所述预设对象在所述预设时间周期内的交易行为的预设特征信息，和所述预设对象的客群标签，所述客群标签为依据所述预设对象的交易行为购买的预设产品类型确定的；将每个所述预设对象的预设特征信息和客群标签作为一组训练数据，使用多组所述训练数据通过机器学习的方式训练预设推荐模型；确定所述预设推荐模型的评价指标是否满足预设条件；在所述评价指标满足预设条件的情况下，使用所述预设推荐模型替换历史推荐模型，其中，所述历史推荐模型根据历史时间周期的历史业务数据训练得到，所述历史业务数据包括：用于表示所述历史时间周期内历史对象的交易行为的历史特征信息，和所述历史对象的客群标签，所述历史时间周期和所述预设时间周期的周期开始时间符合所述预设时间间隔。
[0009]可选地，按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据
包括：按照所述预设时间间隔和预设时间长度确定所述预设时间周期；获取所述预设时间周期内多个所述预设对象在的交易数据，其中，所述交易数据用于表示所述预设对象在所述预设时间周期内的交易行为；为每个所述预设对象添加所述客群标签；对每个所述预设对象的交易数据进行数据加工确定的所述预设特征信息；将所述客群标签与所述预设特征信息进行匹配，确定每个所述预设对象的所述预设业务数据。
[0010]可选地，按照所述预设时间间隔和预设时间长度确定所述预设时间周期包括：获取上一次采集所述交易数据的历史采集时间，其中，所述历史采集时间采集的交易数据用于确定历史业务数据，所述历史业务数据用于训练历史推荐模型；在与所述历史采集时间相隔所述预设时间间隔后，确定本次采集所述交易数据的预设采集时间；以所述预设采集时间为时间终点，按照预设时间长度确定所述预设时间周期。
[0011]可选地，为每个所述预设对象添加所述客群标签包括：获取正样本分类条件和负样本分类条件；为符合所述正样本分类条件的预设对象添加正样本客群标签；为符合所述负样本分类条件的预设对象添加负样本客群标签。
[0012]可选地，确定所述预设推荐模型的评价指标是否满足预设条件包括以下至少之一：获取所述预设推荐模型的KS指标，在所述KS指标符合预设区分周期内的情况下，确定所述预设推荐模型满足所述预设条件；获取所述预设推荐模型的AUC指标，在所述KS指标符合预设分类周期内的情况下，确定所述预设推荐模型满足所述预设条件；获取所述预设推荐模型的精确率指标，在所述精确率指标满足精确率阈值要求的情况下，确定所述预设推荐模型满足所述预设条件；获取所述预设推荐模型的召回率指标，在所述召回率指标满足召回率阈值要求的情况下，确定所述预设推荐模型满足所述预设条件。
[0013]可选地，在所述评价指标满足预设条件的情况下，使用所述预设推荐模型替换历史推荐模型之后，所述方法还包括：获取待推荐对象的目标业务数据，和待推荐产品范围，其中，所述目标业务数据包括：用于表示所述待推荐对象的目标特征信息，所述待推荐产品范围包括：多种预设产品类型；使用所述预设推荐模型对所述目标特征信息进行分析，确定所述待推荐对象的目标标签，其中，所述目标标签用于表示所述待推荐对象购买所述预设产品类型的预测购买概率；按照所述预测购买概率，确定向所述待推荐对象推荐的目标产品类型。
[0014]可选地，按照所述预测购买概率，确定向所述待推荐对象推荐的目标产品类型包括：在所述待推荐产品范围中，确定所述预测购买概率高于预设推荐阈值的所述预设产品类型为所述目标产品类型；或将所述待推荐产品范围的多个预设产品类型按照所述购买概率的降序进行排列，选取预设排列范围的所述预设产品类型作为所述目标产品类型。
[0015]根据本专利技术实施例的另一方面，还提供了一种模型更新装置，包括：采集模块，用于按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据，其中，所述预设业务数据包括：用于表示所述预设对象在所述预设时间周期内的交易行为的预设特征信息，和所述预设对象的客群标签，所述客群标签为依据所述预设对象的交易行为购买的预设产品类型确定的；训练模块，用于将每个所述预设对象的预设特征信息和客群标签作为一组训练数据，使用多组所述训练数据通过机器学习的方式训练预设推荐模型；确定模块，用于确定所述预设推荐模型的评价指标是否满足预设条件；更新模块，用于在所述评价指标满足预设条件的情况下，使用所述预设推荐模型更新历史推荐模型，其中，所述历史推荐
模型根据历史时间周期的历史业务数据训练得到，所述历史业务数据包括：用于表示所述历史时间周期内历史对象的交易行为的历史特征信息，和所述历史对象的客群标签，所述历史时间周期和所述预设时间周期的周期开始时间符合预设时间间隔。
[0016]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质中存储有程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述所述模型更新方法。
[0017]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行上述所述的模型更新方法。
[0018]在本专利技术实施例中，按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据，其中，预设业务数据包括：用于表本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型更新方法，其特征在于，包括：按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据，其中，所述预设业务数据包括：用于表示所述预设对象在所述预设时间周期内的交易行为的预设特征信息，和所述预设对象的客群标签，所述客群标签为依据所述预设对象的交易行为购买的预设产品类型确定的；将每个所述预设对象的预设特征信息和客群标签作为一组训练数据，使用多组所述训练数据通过机器学习的方式训练预设推荐模型；确定所述预设推荐模型的评价指标是否满足预设条件；在所述评价指标满足预设条件的情况下，使用所述预设推荐模型替换历史推荐模型，其中，所述历史推荐模型根据历史时间周期的历史业务数据训练得到，所述历史业务数据包括：用于表示所述历史时间周期内历史对象的交易行为的历史特征信息，和所述历史对象的客群标签，所述历史时间周期和所述预设时间周期的周期开始时间符合所述预设时间间隔。2.根据权利要求1所述的方法，其特征在于，按照预设时间间隔采集预设时间周期内的多个预设对象的预设业务数据包括：按照所述预设时间间隔和预设时间长度确定所述预设时间周期；获取所述预设时间周期内多个所述预设对象在的交易数据，其中，所述交易数据用于表示所述预设对象在所述预设时间周期内的交易行为；为每个所述预设对象添加所述客群标签；对每个所述预设对象的交易数据进行数据加工确定的所述预设特征信息；将所述客群标签与所述预设特征信息进行匹配，确定每个所述预设对象的所述预设业务数据。3.根据权利要求2所述的方法，其特征在于，按照所述预设时间间隔和预设时间长度确定所述预设时间周期包括：获取上一次采集所述交易数据的历史采集时间，其中，所述历史采集时间采集的交易数据用于确定历史业务数据，所述历史业务数据用于训练历史推荐模型；在与所述历史采集时间相隔所述预设时间间隔后，确定本次采集所述交易数据的预设采集时间；以所述预设采集时间为时间终点，按照预设时间长度确定所述预设时间周期。4.根据权利要求2所述的方法，其特征在于，为每个所述预设对象添加所述客群标签包括：获取正样本分类条件和负样本分类条件；为符合所述正样本分类条件的预设对象添加正样本客群标签；为符合所述负样本分类条件的预设对象添加负样本客群标签。5.根据权利要求1所述的方法，其特征在于，确定所述预设推荐模型的评价指标是否满足预设条件包括以下至少之一：获取所述预设推荐模型的KS指标，在所述KS指标符合预设区分周期内的情况下，确定所述预设推荐模型满足所述预设条件；获取所述预设推荐模型的AUC指标，在所述KS指标符合预设分类周期内的情况下，确定
所述预设推荐模型满足所述预设条件；获取所述预设推荐模型的...
【专利技术属性】
技术研发人员：曹伯翰，李娟，焦怡洁，
申请(专利权)人：北京银行股份有限公司，
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。