[发明专利]业务规则提取方法及装置、存储介质及电子设备

说明书

本申请公开了一种业务规则提取方法及装置、存储介质及电子设备，可应用于人工智能领域或金融领域，该方法包括：当需要提取业务模型的业务规则时，确定业务模型对应的多个特征属性和每个特征属性对应的重要度；所述业务模型为基于机器学习的模型；依据各个特征属性对应的重要度，在各个特征属性中确定多个目标特征属性；依据各个目标特征属性和预设的规则提取策略，确定业务模型对应的业务规则。应用本发明的方法，可对基于机器学习的业务模型进行业务规则的提取，使业务人员可以获悉模型的业务规则，有利于业务人员调整业务重心，方便业务人员对业务模型进行优化，可提升用户体验。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种业务规则提取方法及装置、存储介质及电子设备。

背景技术

随着人工智能技术的发展，在企业机构的各个业务领域中，已广泛应用基于机器学习的模型满足业务需求。例如在产品营销的场景下，采用基于机器学习的模型作为营销模型。

在业务运营过程中，业务人员通常需要根据业务模型的业务处理逻辑，即业务规则，调整业务重心，不断对业务模型进行优化，使得业务模型更加符合业务需求。

而基于机器学习的模型与基于规则的传统模型不同，基于机器学习的模型是通过训练得到的，具有一定的黑盒性。目前，在采用基于机器学习的模型作为业务模型的情况下，业务人员无法获悉模型的业务规则，不利于业务人员调整业务重心，不便对业务模型进行优化，用户体验较差。

发明内容

有鉴于此，本发明实施例提供了一种业务规则提取方法，以解决业务人员无法获悉基于机器学习得到的业务模型的业务规则，不利于业务人员调整业务重心，不便对业务模型进行优化的问题。

本发明实施例还提供了一种业务规则提取装置，用以保证上述方法实际中的实现及应用。

为实现上述目的，本发明实施例提供如下技术方案：

一种业务规则提取方法，包括：

当需要提取业务模型的业务规则时，确定所述业务模型对应的多个特征属性和每个所述特征属性对应的重要度；所述业务模型为基于机器学习的模型；

依据各个所述特征属性对应的重要度，在所述多个特征属性中确定多个目标特征属性；

依据所述多个目标特征属性和预设的规则提取策略，确定所述业务模型对应的业务规则。

上述的方法，可选的，所述依据各个所述特征属性对应的重要度，在所述多个特征属性中确定多个目标特征属性，包括：

确定所述业务模型对应的预测准确率；

确定所述业务模型对应的特征比例，所述特征比例为预设准确率阈值与所述预测准确率的比值；

按照各个所述特征属性对应的重要度由高到低的顺序，在所述多个特征属性中按顺序确定多个第一特征属性；所述多个第一特征属性对应的重要度比重大于或等于所述特征比例，所述重要度比重为各个所述第一特征属性对应的重要度分值的总和与各个所述特征属性对应的重要度分值的总和的比值；

将每个所述第一特征属性作为所述目标特征属性。

上述的方法，可选的，所述依据所述多个目标特征属性和预设的规则提取策略，确定所述业务模型对应的业务规则，包括：

获取所述业务模型对应的模型文件；

确定所述业务模型的模型类型是否为线性模型；

若所述业务模型的模型类型为所述线性模型，则对所述模型文件进行参数解析，获得所述业务模型对应的多个模型参数；

依据各个所述模型参数，确定所述业务模型对应的多项式表达式；