[发明专利]用于客户服务的方法及装置

权利要求书

1.一种用于客户服务的方法，其特征在于，包括：

获取客户的要素信息；

通过所述要素信息与分类器模型，获取所述客户的流失概率；

判断所述流失概率是否超过预定阈值；以及

如果所述流失概率超过预定阈值，则发出警报信息。

2.如权利要求1所述的方法，其特征在于，还包括：

根据历史客户信息，建立所述分类器模型。

3.如权利要求2所述的方法，其特征在于，通过逻辑回归算法建立所述分类器模型。

4.如权利要求3所述的方法，其特征在于，所述根据历史客户信息，建立所述分类器模型，包括：

获取已流失客户的所述要素信息；

获取稳定客户的所述要素信息；以及

将所述已流失客户的所述要素信息与所述稳定客户的所述要素信息作为训练样本，通过所述逻辑回归算法建立所述分类器模型。

5.如权利要求4所述的方法，其特征在于，所述将所述已流失客户的所述要素信息与所述稳定客户的所述要素信息作为训练样本，通过所述逻辑回归算法建立所述分类器模型，包括：

建立所述流失概率模型；

建立所述流失概率模的代价函数；以及

通过所述代价函数与梯度下降算法对所述流失概率模型进行训练，得到所述分类器模型。

6.如权利要求5所述的方法，其特征在于，所述流失概率模型包括：

$\stackrel{\‾}{y}=\frac{\exp (w_1{x}_1+w_2{x}_2+...+w_n{x}_n+b)}{1+\exp (w_1{x}_1+w_2{x}_2+...+w_n{x}_n+b)}=\frac{\exp \left(WX\right)}{1+\exp \left(WX\right)};$

其中，W＝(b,w₁,w₂,…,w_n),X＝(1,x₁,x₂,…x_n)'，X为所述要素信息，b为偏置量，W为待训练的系数，为所述流失概率，n为所述要素信息数量。