[发明专利]业务对象识别模型的获取方法、装置和计算机设备

权利要求书

1.一种业务对象识别模型的获取方法，其特征在于，所述方法包括：

获取样本业务对象的至少一个对象描述数据；各所述对象描述数据具有对应的业务特征属性；

将各所述业务特征属性作为自变量，构建方程式种群；所述方程式种群中的各方程式个体分别用于表征所述样本业务对象的对象描述数据与所述样本业务对象的预测种类信息之间不同的映射关系；所述预测种类信息用于描述所述样本业务对象为目标业务对象的预测概率；

确定各所述方程式个体对应的适应度；所述适应度为基于相应的方程式个体针对所述样本业务对象输出的预测种类信息与所述样本业务对象的实际种类信息间的差异确定的；

按照各所述方程式个体对应的适应度，在所述方程式种群中训练出业务对象识别模型；

将待识别业务对象的对象描述数据输入至所述业务对象识别模型，得到所述待识别业务对象的预测种类信息，并根据所述待识别业务对象的预测种类信息，判定所述待识别业务对象为所述目标业务对象。

2.根据权利要求1所述的方法，其特征在于，所述按照各所述方程式个体对应的适应度，在所述方程式种群中生成业务对象识别模型，包括：

按照各所述方程式个体对应的适应度，对所述方程式种群中的各所述方程式个体进行遗传算法优化，得到目标方程式个体；

将所述目标方程式个体所表征的方程式作为所述业务对象识别模型。

3.根据权利要求1所述的方法，其特征在于，所述将各所述业务特征属性作为自变量，构建方程式种群，包括：

将各所述业务特征属性对应的自变量符号和预设的至少一个运算符号进行组合处理，得到至少两个组合后方程式；各所述组合后方程式中的符号数量均满足预设的数量阈值；

分别对各所述组合后方程式进行编码处理，得到各所述方程式个体；

将各所述方程式个体添加至所述方程式种群中。

4.根据权利要求3所述的方法，其特征在于，所述确定各所述方程式个体对应的适应度，包括：

对于各所述方程式个体中的任一方程式个体，将所述样本业务对象的对象描述数据代入至所述任一方程式个体所表征的方程式中，得到所述任一方程式个体针对所述样本业务对象输出的预测种类信息；

基于所述任一方程式个体输出的预测种类信息和所述样本业务对象的实际种类信息之间的差异，确定所述任一方程式个体对应的适应度。

5.根据权利要求1所述的方法，其特征在于，所述方程式种群为第N代方程式种群，N大于或等于1，所述按照各所述方程式个体对应的适应度，对所述方程式种群中的各所述方程式个体进行遗传算法优化，得到目标方程式个体，包括：

若各所述适应度均小于预设的适应度阈值，则根据所述第N代方程式种群中的各所述方程式个体生成第N+1代方程式种群，并返回所述确定各所述方程式个体对应的适应度的步骤；

若各所述适应度中存在大于或等于所述适应度阈值的目标适应度，则将所述目标适应度对应的方程式个体作为所述目标方程式个体。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述根据所述第N代方程式种群中的各所述方程式个体生成第N+1代方程式种群，包括：

获取所述第N代方程式种群中的各所述方程式个体对应的适应度的累加值；

在所述第N代方程式种群中的各所述方程式个体中选择出第N+1代方程式个体；所述第N+1代方程式个体对应的适应度满足预设的适应度范围；所述适应度范围为根据各所述方程式个体对应的累加值确定的；

对各所述第N+1代方程式个体进行演化算子操作，生成所述第N+1代方程式种群。

7.根据权利要求6所述的方法，其特征在于，所述对各所述第N+1代方程式个体进行演化算子操作，生成所述第N+1代方程式种群，包括：

响应于所述N+1代方程式个体满足预设的变异条件，获取所述N+1代方程式个体对应的待变异个体编码；

对所述待变异个体编码中的至少一个编码位上的值进行改变，得到变异后个体编码；

将所述变异后个体编码所表征的方程式个体和所述N+1代方程式个体添加至所述第N+1代方程式种群中。