[发明专利]显著标签生成方法、设备及存储介质

权利要求书

1.一种显著标签生成方法，其特征在于，所述方法包括：

获取目标业务场景下的样本数据；

提取所述样本数据中的多个连续特征值；

采用特征分箱聚类模型对多个所述连续特征值进行分箱处理，得到多个所述连续特征值对应的最优分箱策略，以及，所述连续特征值在最优分箱策略下分箱得到的各个标签客群的重要度排序结果；

根据所述重要度排序结果提取显著标签。

2.根据权利要求1所述的风险标签处理方法，其特征在于，所述采用特征分箱聚类模型对多个所述连续特征值进行分箱处理，包括：

遍历每个所述连续特征值，针对每个所述连续特征值，进行N次模拟分箱，在每次模拟分箱中，计算当前模拟分箱策略对应的差异分布值；根据N次模拟分箱的差异分布值确定该连续特征值对应的最优分箱策略，以及，该连续特征值在所述最优分箱策略下分箱得到的各个标签客群的重要度排序结果；

遍历结束后，得到每个所述连续特征值对应的最优分箱策略，以及，标签客群的重要度排序结果。

3.根据权利要求2所述的风险标签处理方法，其特征在于，在提取所述样本数据中的多个连续特征值之前，

所述方法还包括：获取目标业务场景对应的风险模型，利用所述风险模型对所述样本数据进行预测，得到第一预测结果；

所述在每次模拟分箱中，计算当前模拟分箱策略对应的差异分布值，包括：

假设当前模拟分箱策略将连续特征值A分为M个标签客群，对M个所述所述标签客群分别进行掩码处理，得到连续特征值A对应的M个掩码特征值；利用M个掩码特征值分别替换所述样本数据中的连续特征值A，得到M个掩码样本；

利用所述风险模型对M个掩码样本进行预测，得到M个掩码预测结果，分别计算M个所述掩码预测结果与所述第一预测结果的差异值，根据M个所述掩码预测结果的差异值生成所述当前模拟分箱策略对应的差异分布值。

4.根据权利要求3所述的风险标签处理方法，其特征在于，通过以下方法确定该连续特征值在所述最优分箱策略下分箱得到的各个标签客群的重要度排序结果，包括：

获取该连续特征值在所述最优分箱策略下分箱得到的各个标签客群的差异值，基于各个标签客群的差异值，进行由小到大的排序，得到各个标签客群的重要度排序结果。

5.根据权利要求1-4任一所述的风险标签处理方法，其特征在于，基于K-means算法建立所述特征分箱聚类模型。

6.根据权利要求1-4任一所述的风险标签处理方法，其特征在于，所述获取目标业务场景下的样本数据，包括：

对目标业务场景下的用户进行用户画像，基于原始用户画像数据生产所述目标业务场景下的样本数据。

7.根据权利要求6所述的风险标签处理方法，其特征在于，所述目标业务场景，包括：违规违禁监测业务场景、投资理财金融业务场景、借贷业务场景、保险业务场景。

8.一种显著标签生成装置，其特征在于，所述装置包括：

获取模块，用于获取目标业务场景下的样本数据；

解析模块，用于提取所述样本数据中的多个连续特征值；

计算模块，用于采用特征分箱聚类模型对多个所述连续特征值进行分箱处理，得到多个所述连续特征值对应的最优分箱策略，以及，所述连续特征值在最优分箱策略下分箱得到的各个标签客群的重要度排序结果；

生成模块，根据所述重要度排序结果提取显著标签。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7任一所述的显著标签生成方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一所述的显著标签生成方法。