[发明专利]客户分类方法、装置及存储介质

权利要求书

1.一种客户分类方法，应用于电子装置，其特征在于，该方法包括：

获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；

根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及

将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。

2.如权利要求1所述的客户分类方法，其特征在于，所述“根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组”的步骤包括：

根据预先确定的定量特征数据类型、数据区间、定性特征数据之间的映射关系，分别确定客户的各个类型定量特征数据对应的数据区间和定性特征数据；及

分别将客户的不同类型的定性特征数据作为多元数据组的不同数据元，组成对应的属性特征组合状态数组。

3.如权利要求1所述的客户分类方法，其特征在于，所述训练好的分析模型为深度确定性策略梯度算法模型，其包括：确定性策略、损失函数、值函数、策略评估及策略改进：

所述损失函数的公式为：其中，θ^μ表示确定策略的神经网络的权重参数，r1、r2、r3……表示策略输出的一系列动作，γ表示策略动作的惩罚系数，用以约束输出动作序列的长度，E是数学期望；及

所述策略改进的公式为：其中，α表示输出的动作，s表示状态，θ^Q表示所采用的深度神经网络的权重参数，θ^μ表示确定策略的神经网络的权重参数，π表示策略函数，Q表示值函数。

4.如权利要求1至3所述的客户分类方法，其特征在于，所述分析模型的训练步骤包括：

获取第二预设时间内各个预先确定的客户的预设类型的特征数据及各个预先确定的客户所属的客户类；

将所述各个预先确定的客户的所述定量特征数据转换为定性特征数据，并将所述各个预先确定的客户的所有定性特征数据转换为对应的属性特征组合状态数组；及

将各个预先确定的客户所属的客户类及属性组合状态数组的映射关系数据作为所述分析模型的训练数据，对所述分析模型进行训练。

5.如权利要求4所述的客户分类方法，其特征在于，该方法还包括：

若分析出的该目标客户所属的客户类错误，则接收对该目标客户所属的客户类的修改，并更新该目标客户所属的客户类。

6.如权利要求5所述的客户分类方法，其特征在于，该方法还包括：

获取第三预设时间内的目标客户对应的最新属性特征组合状态数组与正确的客户类的映射关系数据，作为所述分析模型的补充训练样本数据，利用该补充训练样本数据补充强化训练所述分析模型。

7.一种电子装置，其特征在于，该装置包括：存储器、处理器，所述存储器上存储有可在所述处理器上运行的客户分类程序，该程序被所述处理器执行时实现如下步骤：

获取目标客户在第一预设时间内的预设类型的特征数据，将所述预设类型的特征数据分为定量特征数据和定性特征数据；

根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组；及

将该目标客户对应的属性特征组合状态数组输入训练好的分析模型中，根据分析结果确定该目标客户所属的客户类。

8.如权利要求6所述的电子装置，其特征在于，所述“根据预设的分析规则将所述定量特征数据转换为定性特征数据，并将所述目标客户的所有定性特征数据转换为该目标客户对应的属性特征组合状态数组”的步骤包括：

根据预先确定的定量特征数据类型、数据区间、定性特征数据之间的映射关系，分别确定客户的各个类型定量特征数据对应的数据区间和定性特征数据；及

分别将客户的不同类型的定性特征数据作为多元数据组的不同数据元，组成对应的属性特征组合状态数组。