[发明专利]针对用户分类模型进行特征处理的方法及装置

说明书

本说明书实施例提供一种针对用户分类模型进行特征处理的方法和装置。方法包括，首先获取标签数据表和第一特征表，每个第一特征表记录用户的若干项特征。针对各个第一特征表中的各项特征，计算特征IV值，并基于IV值对特征进行第一筛选操作，得到对应的第二特征表。然后，将第二特征表和其中的特征分别作为第一类节点和第二类节点，构建二部图，在该二部图中确定出，连接到所有第二类节点的最小数目的第一类节点，进而得到对应的M个第二特征表。接着，合并该M个第二特征表，得到综合特征表，并基于该综合特征表，计算特征之间的相关系数；基于相关系数，对特征进行第二筛选操作，得到多项选中特征，用于训练用户分类模型。

技术领域

本说明书一个或多个实施例涉及机器学习领域，尤其涉及针对用户分类模型进行特征处理的方法和装置。

背景技术

随着人工智能和机器学习的快速发展，在多种业务场景中开始使用机器学习的模型进行业务分析。例如，在许多应用场景中，需要对用户进行分类识别，例如，识别用户的风险等级，区分用户所属的人群，等等。为此，常常需要训练用户分类模型，来进行与业务相关的用户识别和用户分类。

特征的选择和处理是模型训练的基础。对于用户分类模型来说，为了训练出性能优异，预测准确的模型，就需要从大量用户特征中选择出与预测目标更为相关、更能反映用户特点的特征，来进行模型训练。

在实际场景中，备选的大量用户特征往往分布于许多不同的数据表中，而数据表之间的关联综合需要极大的计算开销，这为特征的快速统一分析带来很大困难。此外，在一些情况下需要针对多个不同主体，针对性训练多个用户分类模型。例如，支付平台可能需要针对不同的大型支付主体(例如不同银行)，定制用户风险识别模型；购物平台可能需要针对不同的商户，定制用户价值分类模型。面对数量较多的同类型定制模型，如何快速地进行特征选择和处理，成为特征工程的另一项挑战。

因此，希望能有改进的方案，可以更为高效地针对用户分类模型进行特征选择和处理，从而实现快速的自动化建模。

发明内容

本说明书一个或多个实施例描述了一种针对用户分类模型进行特征处理的方法和装置，解决现有特征工程中特征选择效率不足的问题，高效地针对用户分类模型进行特征选择和处理，从而实现快速的自动化建模。

根据第一方面，提供了一种针对用户分类模型进行特征处理的方法，包括：

获取标签数据表以及获取N个第一特征表，所述标签数据表中包括用户的类别标签，每个所述第一特征表记录用户的若干项特征；

针对每个第一特征表，结合所述标签数据表确定各项特征的信息价值IV，基于所述信息价值IV对特征进行第一筛选操作，得到对应的第二特征表；

以各个第二特征表为第一类节点，以所述第二特征表中包含的特征为第二类节点，以第二特征表与特征的包含关系为连接边，构建二部图；

在所述二部图中确定出第一节点集合，其中包含连接到所有第二类节点的最小数目的第一类节点，从而得到与该第一节点集合中的第一类节点对应的M个第二特征表；

合并所述M个第二特征表，得到综合特征表，并基于该综合特征表，计算特征之间的相关系数；

基于所述相关系数，对特征进行第二筛选操作，得到多项选中特征，用于训练所述用户分类模型。

在一个实施例中，上述N个第一特征表可以包括，从多个数据平台获取的各自统计的用户特征表。

在另一实施例中，所述标签数据表中还包括用户的至少一项特征；在这样的情况下，N个第一特征表可以包括，基于该至少一项特征，生成的第一特征表。

在不同实施例中，用户的类别标签可以包括以下之一：用户的风险等级标签，用户所属的营销人群标签，用户的信用等级标签。