[发明专利]基于迁移学习的信息识别模型的识别方法、装置、设备

权利要求书

1.一种基于迁移学习的信息识别模型的训练方法，其特征在于，所述信息识别模型用于识别用户潜在易携出的概率，所述方法包括：

获取多个区域的业务数据；

分别提取所述多个区域的业务数据中的第一特征信息；

采用预设的特征提取分析模型提取所述多个区域的第一特征信息中相同的第二特征信息；

基于所述多个区域中包括所述第二特征信息的业务数据进行训练得到第一逻辑回归模型，所述第一逻辑回归模型包括输出参数；

将所述第一逻辑回归模型的输出参数分别迁移到至少一个区域的预设第二逻辑回归模型上，基于至少一个区域的所述业务数据分别对相应区域的所述预设第二逻辑回归模型进行优化得到优化后的至少一个第二逻辑回归模型。

2.根据权利要求1所述的方法，其特征在于，所述分别提取所述多个区域的业务数据中的第一特征信息，包括：

分别提取所述多个区域的业务数据中至少一个第一特征信息。

3.根据权利要求2所述的方法，其特征在于，所述分别提取多个区域的业务数据中至少一个第一特征信息，包括：

分别获取多个区域的业务数据中的至少一个特征信息；

按照所述至少一个特征信息的重要性进行排序；

获取按重要性排序后，重要性较大的至少一个第一特征信息。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述分别提取所述多个区域的业务数据中的第一特征信息，包括：

采用信息价值IV分析算法、递归特征算法或随机森林算法分别提取所述多个区域的业务数据中的第一特征信息。

5.根据权利要求1所述的方法，其特征在于，所述基于所述多个区域中包括所述第二特征信息的业务数据进行训练得到第一逻辑回归模型，包括：

基于多个区域中包括所述第二特征信息的业务数据进行训练，得到初始逻辑回归模型；

基于所述多个区域的业务数据中的第一特征信息，对所述初始逻辑回归模型中对应所述第一特征信息的参数进行优化，得到所述第一逻辑回归模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述多个区域的业务数据中的第一特征信息，对所述初始逻辑回归模型中对应所述第一特征信息的参数进行优化，得到所述第一逻辑回归模型，满足以下公式和关系：

其中，为评估值，为所述的似然函数，为所述多个区域的业务数据中包括的用户的行为信息，，X=[...]为所述多个区域的业务数据中的第一特征信息，W=[...]为所述初始逻辑回归模型中所述第一特征信息对应的参数，n为所述多个区域的业务数据中的第一特征信息的个数；

调整所述第一特征信息对应的参数W，当对应的取得最大值时，调整后的参数W_p为所述输出参数。

7.根据权利要求1所述的方法，其特征在于，所述多个区域的预设第二逻辑回归模型分别包括对应区域的特征参数；所述将所述第一逻辑回归模型的输出参数分别迁移到至少一个区域的预设第二逻辑回归模型上，基于至少一个区域的所述业务数据分别对相应区域的所述预设第二逻辑回归模型进行优化得到优化后的至少一个所述第二逻辑回归模型，包括：

基于至少一个区域的所述业务数据分别对相应区域的所述预设第二逻辑回归模型中的所述输出参数和对应区域的所述特征参数进行优化，得到优化后的至少一个所述第二逻辑回归模型。

8.一种基于迁移学习的信息识别模型的识别方法，其特征在于，所述方法包括：

获取待识别区域的业务数据中的第一特征信息；

基于所述第一特征信息和所述区域的第二逻辑回归模型，得到所述业务数据对应的用户的潜在易携出的概率，所述第二逻辑回归模型为权利要求1-7任意一项所述的基于迁移学习的信息识别模型的训练方法中的第二逻辑回归模型。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

当所述潜在易携出的概率满足预设阈值时，确定所述用户为潜在易携出用户。