[发明专利]有序分类标签确定方法、装置、电子设备及存储介质

说明书

本申请提供一种有序分类标签确定方法、装置、电子设备及存储介质，该方法包括：获取用户的特征信息；将特征信息输入有序分类神经网络模型，有序分类神经网络模型用于根据有序分类标签的等级关系和有序分类标签的等级关系所衍生的层次包含关系，确定用户在有序分类标签的等级概率；利用用户在有序分类标签的等级概率，确定用户的有序分类标签。充分利用了用户的特征信息中的等级关系，提高了用户有序分类标签的准确度。

技术领域

本申请涉及科技金融领域，尤其涉及一种有序分类标签确定方法、装置、电子设备及存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，有序分类技术也不例外，但由于金融行业的安全性、实时性要求，也对技术提出的更高的要求。在金融领域，通常通过用户画像和机器学习等方式，对用户进行个性化的精准营销和智能风控等。在用户画像和机器学习的过程中，通常需要将用户进行分类，以确定用户标签。目前，对标签的分类通常分为二分类标签、无序分类标签以及有序分类标签三种。其中，二分类标签和无序分类标签的标签是无序的，二分类标签将用户分为两类，比如用户是否已婚、用户的性别等，无序分类标签将用户分为多类，比如用户所在省份、用户的血型等。相比之下，有序分类标签是存在大小、高低、强弱等某种等级关系的多分类标签，如学历分为大学、中学、小学等，职位分为高管、中层、基层员工等，收入划分为高收入、中高收入、中等收入、中低收入、低收入等。在实际应用过程中，有序分类标签占有较大比例，具有重要的业务价值。

现有技术中，对用户有序分类标签的推算，通常采用将有序分类标签作为无序分类标签的方式，利用多分类算法或者one-vs-rest二分类算法建模，确定用户的有序分类标签。例如，在推测用户的财富水平属于高水平、中水平或低水平时，忽略财富水平存在着“高水平中水平低水平”的等级关系，将财富水平作为无序分类标签对用户进行分类。

然而现有技术中，由于有序分类标签的各标签值存在等级关系，通过将有序分类标签当作无序分类标签建模的方式，不能充分利用有序分类标签的等级关系，导致确定用户有序分类标签的准确度较低。

发明内容

本申请提供一种有序分类标签确定方法、装置、电子设备及存储介质，用以解决现有技术中对确定用户有序分类标签的准确度较低的技术问题。

第一方面，本申请提供一种有序分类标签确定方法，包括：

获取用户的特征信息，特征信息用于确定用户的有序分类标签；将特征信息输入有序分类神经网络模型，有序分类神经网络模型用于根据有序分类标签的等级关系和有序分类标签的等级关系所衍生的层次包含关系，确定用户在有序分类标签的等级概率；利用用户在有序分类标签的等级概率，确定用户的有序分类标签。

本申请实施例中，通过根据有序分类标签的等级关系和有序分类标签的等级关系所衍生的层次包含关系，确定用户在有序分类标签的等级概率，进而确定用户的有序分类标签，充分利用了有序分类标签中的等级关系，提高了用户有序分类标签的准确度。

在一种可能的实施方式中，在将特征信息输入有序分类神经网络模型之前，还包括：

利用有序分类标签的等级关系，衍生有序分类标签的层次包含关系；解析等级关系与层次包含关系的概率运算逻辑，并利用概率运算逻辑搭建神经网络结构；对神经网络结构进行训练，生成有序分类神经网络模型。

本申请实施例中，通过解析等级关系与层次包含关系的概率运算逻辑，并利用该概率运算逻辑搭建神经网络结构，提高了有序分类神经网络模型的可靠度。

在一种可能的实施方式中，神经网络结构包括特征部和预测部，特征部用于确定各第一任务之间的个性特征，预测部用于利用个性特征和各第二任务之间的概率运算逻辑关系，确定有序分类标签的等级概率，第一任务用于确定有序分类标签的层次包含概率，第二任务用于确定有序分类标签的等级概率。