[发明专利]模型训练方法和装置、决策人员识别方法、设备、介质

说明书

本发明实施例提供模型训练方法和装置、决策人员识别方法、设备、介质，涉及人工智能技术领域。该模型训练方法包括：获取原始训练数据集，对决策人员信息数据样本进行特征分析和数据选择得到加工因子数据样本，输入到决策人员识别模型中获取决策判断结果，根据决策误差值对决策人员识别模型中的参数进行调整，直至满足收敛条件，得到目标决策人员识别模型。本实施例通过人工智能的方式对决策人员进行识别，对训练数据集中决策人员信息数据样本建立丰富的用户画像，以对模型进行训练，提高目标决策人员识别模型的识别效率和识别准确率。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及模型训练方法和装置、决策人员识别方法、设备、介质。

背景技术

中小微企业发展过程中始终存在经营风险大、人员成本高等问题。尤其2020年以来，受到新冠疫情影响，中小微企业面对回款变慢、流动资金偏紧的不利局面。金融机构需要正确识别出中小微企业的决策人员，为其量身定制险种，以丰富普惠保险产品业务，有效扶持中小微企业健康发展，同时降低融资增信和保障服务的风险。相关技术中，金融机构多是通过业务人员对决策人员进行人工识别或者通过对决策人员递交的申请信息进行简单审核来判断该决策人员属于高概率中小微企业主还是普通客群，识别效率低，同时识别准确性不高。

发明内容

本发明实施例的主要目的在于提出一种模型训练方法和装置、决策人员识别方法、设备、介质，能够提高对决策人员的识别效率和识别准确性。

为实现上述目的，本发明实施例的第一方面提出了一种模型训练方法，包括：

获取原始训练数据集，所述原始训练数据集包括：决策人员信息数据样本及其对应的决策判断标签；

对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本；

对所述决策人员特征因子样本进行数据选择，得到加工因子数据样本；

将所述加工因子数据样本作为决策人员识别模型的输入，获取所述决策人员识别模型输出的决策判断结果；

根据所述决策判断结果和所述决策判断标签得到决策误差值；

根据所述决策误差值对所述决策人员识别模型中的参数进行调整，直至满足收敛条件，得到目标决策人员识别模型。

在一些实施例，所述获取原始训练数据集之前，所述模型训练方法还包括：

获取原始数据，所述原始数据包括：个人基础数据、企业经营数据、车相关数据和地理轨迹数据；

对所述原始数据进行数据清洗得到原始标准数据，所述原始标准数据包括：个人基础标准数据、企业经营标准数据、车辆相关标准数据和地理轨迹标准数据；

建立所述车辆相关标准数据和所述地理轨迹标准数据之间的第一映射关系；

建立所述个人基础标准数据与所述第一映射关系之间的第二映射关系；

建立所述企业经营标准数据与所述第一映射关系之间的第三映射关系；

根据所述第二映射关系和所述第三映射关系生成所述原始训练数据集的所述决策人员信息数据样本。

在一些实施例，所述对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本，包括：

获取企业特征信息，所述企业特征信息包括：行业特征信息、地点特征信息和车型特征信息；

根据所述企业特征信息对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本。

在一些实施例，所述对所述决策人员特征因子样本进行数据选择，得到加工因子数据样本，包括：