[发明专利]专家系统的更新方法、业务处理方法及装置

说明书

本说明书提供一种专家系统的更新方法、业务处理方法及装置，其中专家系统的更新方法，包括：获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出目标业务对应的业务决策结果；获取目标业务的样本业务特征数据和优化目标数据；基于上述数据，结合参考专家系统和目标专家系统的概率图网络进行图结构学习，输出对目标专家系统的概率图网络的图结构更新信息。本说明书实施例使得专家系统具有了学习图结构的能力，有利于专家系统的决策结果更准确。

技术领域

本说明书涉及人工智能技术，尤其涉及一种专家系统的更新方法、业务处理方法及装置。

背景技术

对于人工决策主导的业务场景，通常需要根据业务场景中的业务数据，依据主导人（也可以称为领域专家）的人工经验进行逻辑推导，最终得出该场景下的业务决策结果。此类场景大多具有小样本、以及样本不平衡度高的特点，比如，在信贷审批领域场景中，信贷坏账率低，负样本少，并且场景所拥有的历史样本的数量也有限。这使得传统的有监督算法模型在该人工决策主导的业务场景中难以使用。

因此，相关技术中通常仍以人工决策主导的方式进行评价和决策，例如，在信贷审批领域由人工进行信贷审批的指标判断，在临床医疗诊断领域由医生人工进行诊疗指症的判断，等。但是这样导致业务处理的效率较低，并且人力成本高。

发明内容

本说明书至少一个实施例提供了一种专家系统的更新方法、业务处理方法和装置，以提高业务处理效率。

本说明书实施例的第一方面，提供一种专家系统的更新方法，所述方法用于对目标专家系统进行更新，所述方法包括：

获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出所述目标业务对应的业务决策结果；

获取所述目标业务的样本业务特征数据，以及所述目标业务的优化目标数据；所述样本业务特征数据是执行目标业务的业务处理时的采集数据，且所述优化目标数据是所述目标业务的业务决策真值；

基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，其中，所述概率图网络是根据所述目标业务对应的模糊逻辑信息生成；

输出对目标专家系统的概率图网络的图结构更新信息，所述图结构更新信息用于对所述模糊逻辑信息进行更新以改变所述概率图网络的图结构。

本说明书实施例的第二方面，提供一种基于专家系统的业务处理方法，其中，所述方法由目标专家系统执行，所述方法包括：

获取待处理的目标业务的至少一个业务特征数据，所述业务特征数据是业务决策结果的影响因素；

根据所述专家系统接收的模糊逻辑信息，对所述业务特征数据进行模糊化处理和模糊推理，得到模糊推理结果；其中，所述模糊逻辑信息是根据本公开任一实施例的专家系统的更新方法学习得到的所述图结构更新信息确定；

对所述模糊推理结果进行去模糊化，得到所述目标业务的业务决策结果。

本说明书实施例的第三方面，提供一种专家系统的更新装置，所述装置包括：

数据获取模块，用于获取至少一个参考专家系统对应的概率图网络，所述参考专家系统与目标专家系统用于基于同一目标业务的业务特征数据输出所述目标业务对应的业务决策结果； 获取所述目标业务的样本业务特征数据，以及所述目标业务的优化目标数据；所述样本业务特征数据是执行目标业务的业务处理时的采集数据，且所述优化目标数据是所述目标业务的业务决策真值；

图学习模块，用于基于所述样本业务特征数据和优化目标数据，结合所述参考专家系统和目标专家系统的概率图网络进行图结构学习，其中，所述概率图网络是根据所述目标业务对应的模糊逻辑信息生成；