【技术实现步骤摘要】
本申请涉及人工智能，具体而言，涉及一种用户数据的处理方法、装置、存储介质以及电子设备。
技术介绍
1、随着各种行业的发展，每个行业中的同行机构数量不断增多，机构间的竞争压力也逐步增大，因此，如何保留住现有用户，防止用户流失至别的机构成为了十分重要的问题。
2、在留住可能流失的用户之前，需要先对用户进行鉴定，从而确定用户是否为可能流失的用户。当前在确定用户是否为可能流失的用户的时候，通常采用的方法为通过将已流失用户的数据与未流失用户的数据进行对比，从而得到已流失用户的共同点，并根据该共同点确定相应的用户留存方法。
3、但是，由于已流失的用户数据量较少，因此会出现在对用户是否会流失的鉴定过程中，无法准确的确定已流失用户的特点，并从而导致在根据已流失用户的特点对用户进行鉴定的时候出现错误，进而对机构造成影响。
4、针对相关技术中在确定用户是否有流失风险时，由于样本数据中已流失用户数据较少，导致在确定用户的流失风险时准确率低的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请提供一种用户数据的处理方法、装置、存储介质以及电子设备，以解决相关技术中在确定用户是否有流失风险时，由于样本数据中已流失用户数据较少，导致在确定用户的流失风险时准确率低的问题。
2、根据本申请的一个方面，提供了一种用户数据的处理方法。该方法包括：获取在业务机构中执行交易的用户的用户数据；将用户数据输入目标分类器中，得到用户的状态信息，其中，状态信息为第一状态信息
3、可选地，在将用户数据输入目标分类器中，得到用户的状态信息之前，该方法还包括：从历史用户数据中获取预设数量的流失用户数据，得到第一流失用户数据集合；根据第一流失用户数据集合和随机噪声生成目标数据集合，其中，目标数据集合中包含的用户数据的数量大于预设数量；由第一流失用户数据集合中的数据和目标数据集合中的数据构成流失用户数据集合，从历史用户数据中获取多个未流失用户数据，得到未流失用户数据集合；通过流失用户数据集合和未流失用户数据集合对初始分类器进行训练，得到目标分类器，其中，未流失用户数据集合中包含的用户数据的数量大于预设数量。
4、可选地，通过流失用户数据集合和未流失用户数据集合对分类器进行训练，得到目标分类器包括：分别获取流失用户数据集合和未流失用户数据集合中的部分用户数据，得到多个第一样本数据；将多个第一样本数据中的数据依次输入初始分类器中，得到多个样本分类结果；根据每个第一样本数据的状态信息确定多个样本分类结果的正确率，得到目标正确率；在目标正确率大于等于正确率阈值的情况下，将初始分类器确定为目标分类器；在目标正确率小于正确率阈值的情况下，调整初始分类器中的参数，得到调整后的分类器，并基于调整后的分类器重新执行将多个第一样本数据中的数据依次输入初始分类器中，得到多个样本分类结果的步骤，直至目标正确率大于等于正确率阈值。
5、可选地，根据第一流失用户数据集合和随机噪声生成目标数据集合包括：将第一流失用户数据集合和随机噪声输入目标对抗模型，处理得到目标数据集合；其中，目标对抗模型通过以下方式训练得到：从第一流失用户数据集合中获取部分数据，得到样本流失用户数据；将样本流失用户数据和随机噪声确定为第二样本数据；通过第二样本数据对初始对抗模型进行训练，得到目标对抗模型。
6、可选地，初始对抗模型包括第一子模型和第二子模型，通过第二样本数据对初始对抗模型进行训练，得到目标对抗模型包括：将第二样本数据输入初始对抗模型中，通过第一子模型生成第三样本数据；通过第二子模型计算第三样本数据与样本流失用户数据的相似度；判断相似度是否大于等于相似度阈值；在相似度大于等于相似度阈值的情况下，将初始对抗模型确定为目标对抗模型；在相似度小于相似度阈值的情况下，调整初始对抗模型中的参数，得到调整后的对抗模型，并基于调整后的对抗模型重新执行将第二样本数据输入初始对抗模型中，通过第一子模型生成第三样本数据的步骤，直至相似度大于等于相似度阈值。
7、可选地，用户数据中包括多个特征信息，在从历史用户数据中获取预设数量的流失用户数据，得到第一流失用户数据集合之前，该方法还包括：从历史用户数据中获取预设数量的候选流失用户数据，得到第二流失用户数据集合；分别剔除第二流失用户数据集合中的各个数据中的部分特征信息，得到第一流失用户数据集合。
8、可选地，目标分类器中包括多个子分类器，将用户数据输入目标分类器中，得到用户的状态信息包括：将用户数据依次输入每个子分类器中，得到多个初始状态信息；确定多个初始状态信息中占比最高的初始状态信息，并将占比最高的初始状态信息确定为用户的状态信息。
9、根据本申请的另一方面，提供了一种用户数据的处理装置。该装置包括：第一获取单元，用于获取在业务机构中执行交易的用户的用户数据；第二获取单元，用于将用户数据输入目标分类器中，得到用户的状态信息，其中，状态信息为第一状态信息或第二状态信息，第一状态信息用于指示用户存在流失的风险，第二状态信息用于指示用户不存在流失的风险，目标分类器由流失用户数据集合和未流失用户数据集合训练得到；确定单元，用于在状态信息为第一状态信息的情况下，确定防止用户流失的对策信息。
10、根据本专利技术实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制计算机存储介质所在的设备执行一种用户数据的处理方法。
11、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，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种用户数据的处理方法。
12、通过本申请，采用以下步骤：获取在业务机构中执行交易的用户的用户数据；将用户数据输入目标分类器中，得到用户的状态信息，其中，状态信息为第一状态信息或第二状态信息，第一状态信息用于指示用户存在流失的风险，第二状态信息用于指示用户不存在流失的风险，目标分类器由流失用户数据集合和未流失用户数据集合训练得到；在状态信息为第一状态信息的情况下，确定防止用户流失的对策信息。解决了相关技术中在确定用户是否有流失风险时，由于样本数据中已流失用户数据较少，导致在确定用户的流失风险时准确率低的问题。通过生成流失用户数据集合，并根据流失用户数据集合和未流失用户数据集合训练得到目标分类器，并利用目标分类器对用户数据进行处理，得到用户的状态信息，进而达到了准确确定用户是否存在流失风险，及时采取策略防止用户流失的效果。
本文档来自技高网...【技术保护点】
1.一种用户数据的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述用户数据输入目标分类器中，得到所述用户的状态信息之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，通过所述流失用户数据集合和所述未流失用户数据集合对分类器进行训练，得到所述目标分类器包括：
4.根据权利要求2所述的方法，其特征在于，根据所述第一流失用户数据集合和随机噪声生成目标数据集合包括：
5.根据权利要求4所述的方法，其特征在于，所述初始对抗模型包括第一子模型和第二子模型，通过所述第二样本数据对初始对抗模型进行训练，得到目标对抗模型包括：
6.根据权利要求2所述的方法，其特征在于，所述用户数据中包括多个特征信息，在从历史用户数据中获取预设数量的流失用户数据，得到第一流失用户数据集合之前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述目标分类器中包括多个子分类器，将所述用户数据输入目标分类器中，得到所述用户的状态信息包括：
8.一种用户数据的处理装置，其特征在于，包
9.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序，其中，所述程序运行时控制所述计算机存储介质所在的设备执行权利要求1至7中任意一项所述的用户数据的处理方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的用户数据的处理方法。
...【技术特征摘要】
1.一种用户数据的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述用户数据输入目标分类器中，得到所述用户的状态信息之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，通过所述流失用户数据集合和所述未流失用户数据集合对分类器进行训练，得到所述目标分类器包括：
4.根据权利要求2所述的方法，其特征在于，根据所述第一流失用户数据集合和随机噪声生成目标数据集合包括：
5.根据权利要求4所述的方法，其特征在于，所述初始对抗模型包括第一子模型和第二子模型，通过所述第二样本数据对初始对抗模型进行训练，得到目标对抗模型包括：
6.根据权利要求2所述的方法，其特征在于，所述用户数据中包括多个特征信息，在从历史用户数据中获...
【专利技术属性】
技术研发人员：苏瑀，
申请(专利权)人：吉林亿联银行股份有限公司，
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。