[发明专利]对象信息预测方法、对象信息预测模型的训练方法及装置在审

专利信息
申请号: 202211315898.2 申请日: 2022-10-26
公开(公告)号: CN115601154A 公开(公告)日: 2023-01-13
发明(设计)人: 徐林嘉;陈李龙;袁如怡;李睿琦 申请(专利权)人: 中国工商银行股份有限公司
主分类号: G06Q40/03 分类号: G06Q40/03;G06Q30/0202;G06N7/01;G06N3/08;G06N3/0464;G06N3/044
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 郭梦雅
地址: 100140 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 对象 信息 预测 方法 模型 训练 装置
【权利要求书】:

1.一种对象信息预测方法,包括:

响应于接收到对象信息预测请求,根据所述对象信息预测请求,获取目标对象的目标对象信息,其中,对象信息预测请求包括所述目标对象的标识信息,所述目标对象信息与所述标识信息相对应,所述目标对象信息包括多个对象信息类型和与所述多个对象信息类型各自对应的数据;

基于所述多个对象信息类型和与所述多个对象信息类型各自对应的数据,对所述目标对象进行对象预测处理,得到目标对象网络图,其中,所述目标对象网络图包括多个对象信息节点和多个关联边,所述对象信息节点用于表征所述对象信息类型,所述关联边用于表征每两个所述对象信息类型之间的关联关系;以及

根据所述目标对象网络图,确定所述目标对象的对象信息预测结果。

2.根据权利要求1所述的方法,其中,所述基于所述多个对象信息类型和与所述多个对象信息类型各自对应的数据,对所述目标对象进行对象预测处理,得到目标对象网络图包括:

基于所述多个对象信息类型和与所述多个对象信息类型各自对应的数据,确定所述多个对象信息类型彼此之间的信息类型关联关系;以及

根据所述信息类型关联关系进行对象预测处理,生成所述目标对象网络图。

3.根据权利要求2所述的方法,其中,所述基于所述多个对象信息类型和与所述多个对象信息类型各自对应的数据,确定所述多个对象信息类型彼此之间的信息类型关联关系包括:

针对所述多个对象信息节点中的每个对象信息节点,

确定与所述对象信息节点相关联的至少一个关联对象信息节点,其中,所述关联对象信息节点用于表征所述关联对象信息类型;

根据所述对象信息节点和所述至少一个关联对象信息节点,确定与所述至少一个关联对象信息节点各自对应的至少一个关联边;

根据所述多个对象信息类型和与所述多个对象信息类型各自对应的数据,确定与所述至少一个关联对象信息节点各自对应的至少一个关联边的关联方向;以及

根据所述对象信息节点、所述至少一个关联对象信息节点、与所述至少一个关联对象信息节点各自对应的至少一个关联边和所述至少一个关联边的关联方向,确定所述信息类型关联关系。

4.根据权利要求1至3中任一项所述的方法,还包括,在所述根据所述目标对象网络图,确定所述目标对象的对象预测结果之后:

根据所述对象预测结果,对与所述目标对象对应的待预测交易进行评估,得到目标评估结果;

在所述目标评估结果表征所述待预测交易通过评估的情况下,允许执行所述待预测交易;以及

在所述目标评估结果表征所述待预测交易未通过评估的情况下,禁止执行所述待预测交易。

5.根据权利要求1所述的方法,其中,所述对象信息类型包括以下之中至少两项:广告投放量、广告展现量、广告点击量、贷款产品浏览量、贷款利率、贷款额度和贷款发放量。

6.一种对象信息预测模型的训练方法,包括:

获取多个样本对象各自的样本对象信息,其中,所述样本对象信息包括多个样本对象信息类型和与所述多个样本对象信息类型各自对应的数据,所述样本对象信息与所述样本标识信息相对应;

利用贝叶斯概率图模型对所述多个样本对象各自的样本对象信息分别进行处理,得到样本对象网络图,其中,所述样本对象网络图包括多个样本对象信息节点和多个样本关联边,所述样本对象信息节点用于表征所述样本对象信息类型,所述样本关联边用于表征每两个所述样本对象信息类型之间的关联关系;

根据所述样本对象网络图,确定所述多个样本对象各自的样本对象信息预测结果;

根据所述多个样本对象各自的样本对象信息预测结果和样本对象信息真实结果,得到损失函数值;以及

根据所述损失函数值,调整所述贝叶斯概率图模型的模型参数,直至满足预定结束条件,得到所述对象信息预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国工商银行股份有限公司,未经中国工商银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211315898.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top