[发明专利]模型训练、票据交易预测方法、装置、存储介质及设备

权利要求书

1.一种票据交易行为预测模型的训练方法，其特征在于，包括：

获取票据的历史交易数据、属性数据，及预设指标的历史数据；

将所述历史交易数据中的第一类票据标记为第一类样本，并将所述历史交易数据中的第二类票据标记为第二类样本；

从所述预设指标的历史数据中，提取从所述第一类样本的开票时间至发生目标交易区间内的历史数据，以及从所述第二类样本的开票时间持续预设时长区间内的历史数据；所述第一类样本包括：开票时间与发生目标交易的交易时间的差值未超出预设时长的票据；所述第二类样本包括：开票时间与发生目标交易的交易时间的差值超出预设时长的票据，及未发生目标交易的票据；

基于提取出的预设指标的历史数据，构造时间序列特征；

根据时间序列特征与所述票据的历史交易数据、属性数据，生成每个样本的特征数据；

将所述每个样本的特征数据及样本类别标记输入预设机器学习算法中进行训练，得到票据交易行为预测模型。

2.根据权利要求1所述的方法，其特征在于，所述票据为汇票，所述目标交易为贴现。

3.根据权利要求1所述的方法，其特征在于，还包括：

在所述获取票据的历史交易数据、属性数据，及预设指标的时间序列之后，对所述票据的历史交易数据、属性数据，及预设指标的时间序列进行数据清洗。

4.一种票据交易行为预测模型的训练装置，其特征在于，包括：

历史数据获取模块，用于获取票据的历史交易数据、属性数据，及预设指标的历史数据；

样本类别标记模块，用于将所述历史交易数据中的第一类票据标记为第一类样本，并将所述历史交易数据中的第二类票据标记为第二类样本；所述第一类样本包括：开票时间与发生目标交易的交易时间的差值未超出预设时长的票据；所述第二类样本包括：开票时间与发生目标交易的交易时间的差值超出预设时长的票据，及未发生目标交易的票据；

数据提取模块，用于从所述预设指标的历史数据中，提取从所述第一类样本的开票时间至发生目标交易区间内的历史数据，以及从所述第二类样本的开票时间持续预设时长区间内的历史数据；

时间序列特征构造模块，用于基于提取出的预设指标的历史数据，构造时间序列特征；

特征数据生成模块，用于根据时间序列特征与所述票据的历史交易数据、属性数据，生成每个样本的特征数据；

预测模型生成模块，用于将所述每个样本的特征数据及样本类别标记输入预设机器学习算法中进行训练，得到票据交易行为预测模型。

5.一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至3中任一项所述方法的步骤。

6.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现权利要求1至3中任一项所述方法的步骤。