[发明专利]续保行为预测模型的联合训练方法、装置及电子设备

说明书

本申请公开了一种续保行为预测模型的联合训练方法、装置及电子设备，其方法包括：构建续保行为预测模型的联合训练网络，联合训练网络包括多个续保行为预测模型，各续保行为预测模型对应一个指定时间节点；构建训练样本集；将训练样本集输入联合训练网络进行训练，并根据整体损失函数的结果对各续保行为预测模型的参数进行调整，得到各指定时间节点对应的续保行为预测模型。本申请利用各观察点续保行为预测模型学习到的“知识”相互协同、辅助训练，提高各观察点续保行为预测模型的精度，且采用联合训练方法，不同时间节点的续保行为预测模型的预测概率空间对齐，便于业务相互比较，制定营销策略。

技术领域

本申请涉及人工智能技术领域，具体涉及一种续保行为预测模型的联合训练方法、装置及电子设备。

背景技术

随着大数据和人工智能的发展，精准营销模型也得到广泛第应用。在保险行业中，对于一些转化、留存场景中，由于整个转化期较长，转化期间客户特征分布、特征与目标变量的联合分布可能会发生较大变化。为了能得到更好的预测精度，一种可行的方法是选取几个典型的观察点，基于不同的观察点构建数据集，分别建立模型。但这种方法存在很多不足之处，如由于基于不同的观察点独立建模，对于一些客户特征变化不大的样本，几个模型可能会预测出偏差较大的结果；如果不加后处理，几个模型的预测概率空间未对齐到统一的量纲；且各模型也未利用到其他模型学习到的“知识”相互协同、辅助训练。

发明内容

本申请实施例针对上述情况，提出了一种续保行为预测模型的联合训练方法、装置及电子设备，采用跨时点联合建模的方法，借鉴知识蒸馏的思想，在联合训练网络的最终损失函数中，引入一致性损失，促使模型相互学习，提升最终的模型精度。

第一方面，本申请实施例提供了一种续保行为预测模型的联合训练方法，包括：

构建续保行为预测模型的联合训练网络，所述联合训练网络包括多个续保行为预测模型，各续保行为预测模型对应一个指定时间节点，其中，所述联合训练网络的整体损失函数是根据各续保行为预测模型的损失与一致性损失共同构建的；

构建训练样本集，所述训练样本集中任一样本包括一客户在多个指定时间节点对应的用户数据以及对应的标注；

将所述训练样本集输入所述联合训练网络进行训练，并根据所述整体损失函数的结果对各所述续保行为预测模型的参数进行调整，得到各指定时间节点对应的续保行为预测模型。

第二方面，本申请实施例还提供了一种续保行为预测模型的联合训练装置，包括：

模型构建单元，用于构建续保行为预测模型的联合训练网络，所述联合训练网络包括多个续保行为预测模型，各续保行为预测模型对应一个指定时间节点，其中，所述联合训练网络的整体损失函数是根据各续保行为预测模型的损失与一致性损失共同构建的；

样本构建单元，用于构建训练样本集，所述训练样本集中任一样本包括一客户在多个指定时间节点对应的用户数据以及对应的标注；

训练单元，用于将所述训练样本集输入所述联合训练网络进行训练，并根据所述整体损失函数的结果对各所述续保行为预测模型的参数进行调整，得到各指定时间节点对应的续保行为预测模型。

第三方面，本申请实施例还提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一的方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述任一的方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：