[发明专利]基于多目标优化的业务策略生成方法、装置及系统

说明书

本说明书的实施例提供一种基于多目标学习的业务策略生成方法及业务策略生成装置。在该业务策略生成方法中，获取经过标注后的业务数据样本集，每条业务数据包括至少一个业务特征以及该条业务数据的至少两个标签值。根据经过标注后的业务数据样本集进行基于多目标优化的业务规则训练，构建业务规则集，所述多目标优化中的每个优化目标对应所述业务数据中的一个标签。然后，基于所构建的业务规则集生成业务策略。

技术领域

本说明书实施例通常涉及业务处理领域，尤其涉及基于多目标优化的业务策略生成方法、业务策略生成装置以及分布式业务策略生成系统。

背景技术

业务方在进行业务处理时会使用各种业务策略。常规的业务策略生成大多由策略专家根据人工经验确定。然而，策略专家的人工经验需要长时间的积累和学习，并且人工经验有时并不可靠。随着业务快速发展，高效且可靠地生成业务策略成为亟待解决的问题。

发明内容

鉴于上述，本说明书实施例提供基于多目标优化的业务策略生成方法、业务策略生成装置及分布式业务策略生成系统。利用该业务策略生成方法及装置，可以高效且可靠地生成业务策略。

根据本说明书实施例的一个方面，提供一种基于多目标学习的业务策略生成方法，包括：获取业务数据样本集，所述业务数据样本集中的每条业务数据样本包括至少一个业务特征以及至少两个标签值；根据所述业务数据样本集进行基于多目标优化的业务规则训练来构建业务规则集，所述多目标优化中的每个优化目标对应所述业务数据中的一个标签；以及基于所述业务规则集生成业务策略。

可选地，在上述方面的一个示例中，根据所述业务数据样本集进行基于多目标优化的业务规则训练来构建业务规则集可以包括：根据所述业务数据样本集，使用序贯覆盖算法进行基于多目标优化的业务规则训练来构建业务规则集。

可选地，在上述方面的一个示例中，所述多目标优化所使用的评估指标基于与所述业务数据样本中的标签对应的各个优化目标确定。

可选地，在上述方面的一个示例中，所述至少两个标签包括黑样本标签和资损标签，以及所述优化目标包括与黑样本标签对应的黑样本命中准确率以及与资损标签对应的资损召回率。

可选地，在上述方面的一个示例中，所述评估指标node_score基于下述公式确定：其中，precision表示黑样本命中准确率，recall_{captial_loss}表示资损召回率，β是用于调节两个优化目标权重的超参数。

可选地，在上述方面的一个示例中，所述业务规则训练所使用的业务数据样本集是经过特征筛选处理后的业务数据样本集。

可选地，在上述方面的一个示例中，所述业务策略生成方法还可以包括：在构建所述业务规则集之前，对所获取的业务数据样本集进行特征预处理。

可选地，在上述方面的一个示例中，所述特征预处理包括下述预处理中的至少一种：特征筛选处理、单调性约束处理和特征物理意义约束处理。

可选地，在上述方面的一个示例中，所述业务策略生成方法还可以包括：对所构建的业务规则进行规则优化。

可选地，在上述方面的一个示例中，所述规则优化包括下述优化处理中的至少一种：规则去重、基于特定业务约束的规则筛除、反向规则补充、基于可视化的人工筛除和基于自定义指标的规则筛除。

可选地，在上述方面的一个示例中，基于所述业务规则集生成业务策略可以包括：使用贪心算法来基于所述业务规则集生成业务策略。

可选地，在上述方面的一个示例中，所述业务策略生成方法还可以包括：对所生成的业务策略进行逆向树结果可视化处理；和/或在业务生成或策略生成时，向业务方提供可视化评估报告。

可选地，在上述方面的一个示例中，所述业务策略生成方法还可以包括：对所生成的业务策略进行策略评估；以及将通过策略评估的业务策略提供给业务方。