[发明专利]基于强化学习的特征提取方法、装置和计算机设备

说明书

本申请涉及一种基于强化学习的特征提取方法、装置和计算机设备，所述方法包括：获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；根据所述特征提取代码，获取所述学习对象的状态特征；采用所述状态特征训练基于强化学习的深度网络结构；获取训练后的深度网络结构的最优网络结构和最优权重参数；根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。采用本方法，设置特征提取代码应用于模型训练，可提高特征提取效率，即以建模效果作为学习奖励激发计算机不断优化学习策略，以学习到新的特征提取方式。

技术领域

本申请涉及计算机技术领域，特别是涉及一种基于强化学习的特征提取方法、装置、计算机可读存储介质和计算机设备。

背景技术

强化学习又称为试错学习，是一种让智能体(agent)在学习对象的环境中不断交互，并根据环境的反馈激励(reward)进行学习的一种机器学习算法，该学习算法不基于任何先验知识，可以完全自主学习。根据学习对象的不同，可以有不同的智能体，例如学习对象为保险业务时，智能体可以是保险业务中的参保用户等。

传统的强化学习例如Deep Q Network(DQN)在训练自身的神经网络模型时，完全根据机器通过自主学习得到的数据作为训练数据，并未针对不同场景设置训练模型所用特征的最优提取路径，而是采用人工提取方式提取特征，不仅费时费力，还导致模型训练效果不佳。

发明内容

基于此，有必要针对现有技术中模型训练所用特征提取效率低的技术问题，提供一种基于强化学习的特征提取方法、装置、计算机可读存储介质和计算机设备。

一方面，本发明实施例提供一种基于强化学习的特征提取方法，包括：获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；根据所述特征提取代码，获取所述学习对象的状态特征；采用所述状态特征训练基于强化学习的深度网络结构；获取训练后的深度网络结构的最优网络结构和最优权重参数；根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。

另一方面，本发明实施例提供一种基于强化学习的特征提取装置，包括：代码获取模块，用于获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；特征获取模块，用于根据所述特征提取代码，获取所述学习对象的状态特征；结构训练模块，用于采用所述状态特征训练基于强化学习的深度网络结构；结果获取模块，用于获取训练后的深度网络结构的最优网络结构和最优权重参数；策略生成模块，用于根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。

又一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；根据所述特征提取代码，获取所述学习对象的状态特征；采用所述状态特征训练基于强化学习的深度网络结构；获取训练后的深度网络结构的最优网络结构和最优权重参数；根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。

又一方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；根据所述特征提取代码，获取所述学习对象的状态特征；采用所述状态特征训练基于强化学习的深度网络结构；获取训练后的深度网络结构的最优网络结构和最优权重参数；根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。