[发明专利]一种神经网络模型的训练方法及装置

说明书

本申请提供一种神经网络模型的训练方法及装置，涉及信息处理技术领域，能够提高神经网络模型对用户的消费水平预测的准确度。该方法包括：获取多个样本用户的运营商数据，以及多个样本用户的消费行为等级；根据多个样本用户的运营商数据，确定多个样本用户的消费行为；消费行为包括以下至少一项：线下消费方式，通话地区，出行方式，线上消费方式，金融偏好，以及通信消费；确定多个样本用户的消费行为中，每个消费行为的行为特征数据；行为特征数据包括行为热度，行为深度，以及行为规律；将多个样本用户的行为特征数据，以及多个样本用户的消费行为等级作为训练数据对预设神经网络模型进行训练，得到消费行为预测模型。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种神经网络模型的训练方法及装置。

背景技术

目前，对于如何确定用户的消费水平，往往是通过对用户做调查问卷，查询银行窗口记录以及信用卡消费记录等方式实现，从银行业的数据中获得用户在消费水平方面的信息，但这些数据包含的信息覆盖的用户维度较少，难以对用户的消费水平作出准确的分析。

发明内容

本申请提供一种神经网络模型的训练方法及装置，能够提高神经网络模型对用户的消费水平预测的准确度。

第一方面，本申请提供一种神经网络模型的训练方法，该训练方法包括：获取多个样本用户的运营商数据，以及多个样本用户的消费行为等级，运营商数据包括以下至少一项：通话行为数据，网络行为数据，以及位置轨迹数据，消费行为等级用于表示用户的消费行为的能力水平；根据多个样本用户的运营商数据，确定多个样本用户的消费行为；消费行为包括以下至少一项：线下消费方式，通话地区，出行方式，线上消费方式，金融偏好，以及通信消费；确定多个样本用户的消费行为中，每个消费行为的行为特征数据；行为特征数据包括行为热度，行为深度，以及行为规律；行为热度用于表征用户对于消费行为的消费倾向；行为深度用于表征用户对于消费行为所使用的应用类型的集中程度；行为规律，用于表征消费行为的行为热度和行为深度的可用性；将多个样本用户的行为特征数据，以及多个样本用户的消费行为等级作为训练数据对预设神经网络模型进行训练，得到消费行为预测模型；消费行为预测模型的输入数据为待预测用户的行为特征数据，消费行为预测模型的输出数据为待预测用户的消费行为等级。

本申请提供的技术方案，一方面，本申请中的神经网络模型是以运营商数据为基础，对用户的通话行为数据，网络行为数据，以及位置轨迹数据进行分析处理，而由于运营商数据存在数据量大，类型多，真实性高的特点，因此，本申请中的神经网络模型为用户的消费水平的准确预测奠定了数据基础。另一方面，本申请在运营商数据的基础上，构建了消费方式，通话地区，出行方式，网购行为，金融偏好，以及通信消费六类消费行为，可以从多个维度对用户的消费行为进行预测。进一步的，本申请还计算了六类消费行为的行为特征数据，也即行为热度，行为深度，以及行为规律，不仅从多个维度对用户的消费行为进行分析，还对每类消费行为进行深度和规律性分析，极大地提高了对运营商数据的分析程度，提高了神经网络模型在训练过程中的输入参数的准确性，从而提高了神经网络模型对用户的消费行为预测的准确性。

可选的，在得到消费行为预测模型之后，方法还包括：获取待预测用户的运营商数据；根据待预测用户的运营商数据，确定待预测用户的行为特征数据；将待预测用户的行为特征数据输入到消费行为预测模型，得到待预测用户的消费行为等级。

可选的，根据多个样本用户的运营商数据，确定多个样本用户的消费行为，包括：根据网络行为数据中的线下支付行为，以及位置轨迹数据，确定多个样本用户的线下消费方式；根据通话行为数据，确定多个样本用户的通话地区；根据多个样本用户的出行支付行为，以及出行轨迹，确定多个样本用户的出行方式；根据网络行为数据中的线上支付行为，确定多个样本用户的线上消费方式；根据网络行为数据中的金融浏览行为，确定多个样本用户的金融偏好；根据多个样本用户使用的手机信息，以及网络行为数据中的业务使用情况，确定多个样本用户的通信消费。