目标用户的标签生成方法、装置、计算机设备及存储介质制造方法及图纸

本申请涉及机器学习技术领域，本申请具体公开了一种目标用户的标签生成方法、装置、设备及存储介质。所述方法通过获取当前目标用户的个人基础特征，并对所述个人基础特征进行编码，生成第一基础特征矩阵；基于目标预测模型以及所述第一基础特征矩阵，生成所述个人基础特征对应的业绩特征矩阵；根据所述业绩特征矩阵，获取所述当前目标用户的预测业绩信息，并根据预设水平等级以及所述预测业绩信息，生成所述当前目标用户的水平标签。本申请通过编码获得基础特征矩阵以及通过目标预测模型对基础特征矩阵进行预测，提高了数据稳定性，由此利用机器学习实现了证券业务人员的招聘中对目标用户的标签生成，因此，提高了目标用户水平标签的匹配准确度。平标签的匹配准确度。平标签的匹配准确度。

【技术实现步骤摘要】
目标用户的标签生成方法、装置、计算机设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种目标用户的标签生成方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着计算机技术的发展，机器学习、深度学习等人工智能技术常被应用在金融领域，例如，利用人工智能做智能决策，以证券公司、银行、保险公司的业务人员招聘为例，从历史招聘候选人的年龄、工龄等基础信息以及入职后每月的放款额、金融产品成交额等工作情况中获取相关数据，通过预测模型对当前候选人的工作能力进行预测，进而完成候选人的筛选。但对于规模较大的集团，子公司较多，由于各个子公司业务有不同的具体规划，对于候选人的能力评价标准也不相同，例如，银行总部中的候选人与某一银行分行中的候选人，在同一时间完成的放款额相同，但由于银行总部与该银行分行的业务规划不同，要求候选人完成的放款额不同，银行总部的要求高于银行分行，所以银行总部的候选人得到的能力评价不如银行分行候选人的高，导致从各个公司获得的候选人评价指标相关数据的稳定性较差，若将从各银行获得的招聘候选人评价指标的相关数据输入至预测模型中，获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标用户的标签生成方法，其特征在于，包括：获取当前目标用户的个人基础特征，并对所述个人基础特征进行编码，生成第一基础特征矩阵；基于目标预测模型以及所述第一基础特征矩阵，生成所述个人基础特征对应的业绩特征矩阵；根据所述业绩特征矩阵，获取所述当前目标用户的预测业绩信息，并根据预设水平等级以及所述预测业绩信息，生成所述当前目标用户的水平标签。2.根据权利要求1所述的目标用户的标签生成方法，其特征在于，所述获取当前目标用户的个人基础特征，并对所述个人基础特征进行编码，生成第一基础特征矩阵，包括：基于移动统计分布方法，采集所述当前目标用户的个人基础特征，作为所述第一基础特征矩阵的行；基于各个人基础特征的采集时间，获得所述第一基础特征矩阵的列；根据所述第一基础特征矩阵的行以及所述第一基础特征矩阵的列，生成所述第一基础特征矩阵。3.根据权利要求2所述的目标用户的标签生成方法，其特征在于，所述基于移动统计分布方法，采集所述当前目标用户的个人基础特征，作为所述第一基础特征矩阵的行，包括：基于预设时间长度和预设时间节点，建立采集所述个人基础特征的时间轴；基于所述时间轴，在各预设时间节点采集所述个人基础特征，获得所述第一基础特征矩阵的行。4.根据权利要求1
‑
3中任一项所述的目标用户的标签生成方法，其特征在于，所述基于目标预测模型以及所述第一基础特征矩阵，生成所述个人基础特征对应的业绩特征矩阵，包括：通过所述目标预测模型以及所述第一基础特征矩阵，生成潜在特征矩阵；基于所述潜在特征矩阵的列相邻编码，生成所述第一基础特征矩阵各列的下一数据；根据所述各列的下一数据，生成所述业绩特征矩阵。5.根据权利要求1所述的目标用户的标签生成方法，其特征在于，所述基于目标预测模型以及所述第一基础特征矩阵，生成所述个人基础特征对应的业绩特征矩阵之前，还包括：获取历史目标用户的个人基础特征以及工作业绩特征，生成第二基础特征矩阵；根据译码器以及所述第二基础特征矩阵，获得高维特征序列，并对所述高维特征序列进行定长切割，获得子序列；基于所述子序列，对预设预测模型进行训练，...

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