[发明专利]行为特征预测方法及装置

说明书

本发明提供了一种行为特征预测方法及装置，涉及金融领域，方法包括：利用预设的人格量表从目标客户端获取客户的人格数据；对所述的人格数据进行特征提取生成人格数据初始特征集合；根据所述的初始特征集合和预先训练的行为特征预测模型确定行为特征预测结果；其中，所述的行为特征预测模型为利用从目标客户端获取的客户的人格数据进行特征标签确定建立的行为特征预测模型。本发明将多种层次的行为特征数据结合起来，将底层数据与上层语义信息相结合，达到更加全面、具有说服力的预测，为如何给客户提供更加个性化的服务有着非常好的指导意义。

技术领域

本发明涉及数据处理技术，具体的讲是一种行为特征预测方法及装置。

背景技术

随着社会的发展，人民资产的累计，越来越多人开始重视资产管理，人们产生交易互动的几率大大增加。怎么能使得用户得到更加个性化、更加舒适的服务，是一直在思考的问题。而造成用户在目标场景下“个性化”实践难的原因，主要在于其有限的交互和反馈方式，如何建立一个在有限交互及反馈数据情况下，快速实现用户的“个性化”定位方式是必须解决的问题。

通过目标客户行为特征预测人格，可以同时满足希望更好的服务客户以更快更好的方式留住客户，和客户希望得到更舒心更个性化服务的两种诉求。

发明内容

有鉴于现有技术中行为预测的缺陷，本发明提供了一种行为特征预测方法，包括：

利用预设的人格量表从目标客户端获取目标客户的行为特征数据；

对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合；

根据所述的初始特征集合和预先训练的行为特征预测模型确定行为特征预测结果；其中，所述的行为特征预测模型为利用从目标客户端获取的目标客户的行为特征历史数据进行模型训练确定的行为特征预测模型。

本发明实施例中，所述的人格量表包括：BFI-10量表、BFI量表、NEO-FFI量表、NEO-PI-R量表；

所述的行为特征数据包括：客户基本信息特征数据、无语义行为特征数据及高层语义行为特征数据；

所述的无语义行为特征数据包括：动作行为特征数据、声音行为特征数据。

本发明实施例中，所述的对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合包括：

利用皮尔逊相关系数按预设的选取参数对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合；其中，所述的预设的选取参数包括：特征的相关性参数及显著性参数。

本发明实施例中，所述的根据所述的初始特征集合和预先训练的行为特征预测模型确定行为特征预测结果包括：

利用预先训练的行为特征预测模型对所述的初始特征集合进行特征标签确定生成最优特征集；

根据确定的最优特征集确定行为特征预测结果数据。

本发明实施例中，所述的利用从目标客户端获取的目标客户的行为特征数据进行特征标签确定建立的行为特征预测模型包括：

根据所述的历史数据利用网格搜索算法确定JMLLC-LS多标签模型的超参数；

利用遗传算法确定所述历史数据的初始特征集；

利用所述的超参数和初始特征集对JMLLC-LS多标签模型进行训练确定行为特征预测模型。

同时，本发明还提供一种行为特征预测装置，包括：

数据获取模块，用于利用预设的人格量表从目标客户端获取目标客户的行为特征数据；

初始特征提取模块，用于对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合；