[发明专利]用户投保意愿预测的方法、系统、电子装置和存储介质

权利要求书

1.一种用户投保意愿预测的方法，其特征在于，所述方法包括：

根据用户行为序列词典，将用户行为序列数据转换成时间序列编码向量和行为序列编码向量；

通过CNN模块对低维稠密的行为序列编码向量进行特征提取，得到局部特征向量，并通过带注意力机制的Transformer编码层模块，对低维稠密的时间序列编码向量和行为序列编码向量的结合向量进行特征提取，得到全局特征向量；

将所述局部特征向量和所述全局特征向量进行拼接，得到目标向量，并将所述目标向量输入深度神经网络模块进行预测，输出得到待预测目标变量值。

2.根据权利要求1所述的方法，其特征在于，在通过神经网络分别对低维稠密的时间序列编码向量和行为序列编码向量进行特征提取之前，所述方法包括：

通过Embedding转换层将所述时间序列编码向量和所述行为序列编码向量，分别转换为所述低维稠密的时间序列编码向量和行为序列编码向量。

3.根据权利要求1所述的方法，其特征在于，在将用户行为序列数据转换成时间序列编码向量和行为序列编码向量之前，所述方法包括：

对所述用户行为序列词典中的所述用户行为序列数据进行编码。

4.根据权利要求2所述的方法，其特征在于，在转换得到低维稠密的时间序列编码向量和行为序列编码向量之后，所述方法包括：

在所述低维稠密的时间序列编码向量和行为序列编码向量上分别添加不同的标签数据，组成完整的数据样本，预测不同业务场景中待预测目标变量值。

5.根据权利要求3所述的方法，其特征在于，在对所述用户行为序列词典中的所述用户行为序列数据进行编码之前，所述方法包括：

获取所述用户行为序列词典并编号，其中，所述用户行为序列词典包括合作方编码和所述合作方编码涵盖的所有事件类型，并对所述事件类型进行排列组合。

6.一种用户投保意愿预测的系统，其特征在于，所述系统包括：

向量转换模块，用于根据用户行为序列词典，将用户行为序列数据转换成时间序列编码向量和行为序列编码向量；

特征提取模块，用于通过CNN模块对低维稠密的行为序列编码向量进行特征提取，得到局部特征向量，并通过带注意力机制的Transformer编码层模块，对低维稠密的时间序列编码向量和行为序列编码向量的结合向量进行特征提取，得到全局特征向量；

预测模块，用于将所述局部特征向量和所述全局特征向量进行拼接，得到目标向量，并将所述目标向量输入深度神经网络模块进行预测，输出得到待预测目标变量值。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括降维模块，在通过神经网络分别对低维稠密的时间序列编码向量和行为序列编码向量进行特征提取之前，

所述降维模块，用于通过Embedding转换层将所述时间序列编码向量和所述行为序列编码向量，分别转换为所述低维稠密的时间序列编码向量和行为序列编码向量。

8.根据权利要求6所述的系统，其特征在于，所述系统还包括编码模块，在将用户行为序列数据转换成时间序列编码向量和行为序列编码向量之前，

所述编码模块，用于对所述用户行为序列词典中的所述用户行为序列数据进行编码。

9.根据权利要求7所述的系统，其特征在于，所述系统还包括标签模块，在转换得到低维稠密的时间序列编码向量和行为序列编码向量之后，

所述标签模块，用于在所述低维稠密的时间序列编码向量和行为序列编码向量上分别添加不同的标签数据，组成完整的数据样本，预测不同业务场景中待预测目标变量值。

10.根据权利要求8所述的系统，其特征在于，所述系统还包括获取模块，在对所述用户行为序列词典中的所述用户行为序列数据进行编码之前，

所述获取模块，用于获取所述用户行为序列词典并编号，其中，所述用户行为序列词典包括合作方编码和所述合作方编码涵盖的所有事件类型，并对所述事件类型进行排列组合。