[发明专利]对象流失概率的确定方法、装置、计算机设备和存储介质

权利要求书

1.一种对象流失概率的确定方法，其特征在于，所述方法包括：

获取目标对象的各业务标识；

确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；

若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的第一预测模型中，利用所述第一预测模型确定所述目标对象的第一流失概率；所述第一预测模型为利用样本业务均在所述额定期限内到期的样本对象的第一样本对象信息训练得出的模型；

若各所述目标业务中存在额定期限内未到期的业务，将所述目标对象的对象信息输入至预先训练出的第二预测模型中，利用所述第二预测模型确定所述目标对象的第二流失概率；所述第二预测模型为利用存在所述样本业务未在所述额定期限内到期的样本对象的第二样本对象信息训练得出的模型。

2.根据权利要求1所述的方法，其特征在于，获取所述第一预测模型的过程，包括：

获取所述第一训练样本；所述第一训练样本包括所述样本业务均在所述额定期限内到期的所述样本对象的所述第一样本对象信息以及与所述第一样本对象信息对应的标签信息；

将所述第一训练样本输入至初始神经网络中进行学习训练，得到所述第一预测模型。

3.根据权利要求2所述的方法，其特征在于，所述第一样本对象信息包括：所述样本对象办理所述样本业务前信息对应的第一样本特征信息，以及所述样本对象办理所述样本业务后信息对应的第二样本特征信息。

4.根据权利要求3所述的方法，其特征在于，所述初始神经网络包括第一初始神经网络和第二初始神经网络；所述将所述第一训练样本输入至初始神经网络中进行学习训练，得到所述第一预测模型，包括：

利用所述第一样本特征信息和对应的标签信息，对所述第一初始神经网络进行训练，获得对应的第一子模型；

利用所述第二样本特征信息和对应的标签信息，对所述第二初始神经网络进行训练，获得对应的第二子模型；

根据所述第一子模型和所述第二子模型，得到所述第一预测模型。

5.根据权利要求4所述的方法，其特征在于，所述第一样本对象信息包括所述样本对象的基本信息和与所述样本对象对应的关联信息。

6.根据权利要求4所述的方法，其特征在于，获取所述第一样本对象信息的过程，包括：

对获取到的所述原始数据信息进行透传、交叉比对或统计聚合操作，确定出所述第一样本对象信息。

7.根据权利要求1至6任一项所述的方法，其特征在于，在所述确定各所述业务标识分别对应的目标业务是否均在额定期限内到期之前，所述方法还包括：

确定所述目标对象是否符合硬性流失条件；

若所述目标对象符合所述硬性流失条件，确定所述目标对象为到期流失对象；

否则，返回所述确定各所述业务标识分别对应的目标业务是否均在额定期限内到期的步骤。

8.一种对象流失概率的确定装置，其特征在于，所述装置包括：

获取模块，用于获取目标对象的各业务标识；

确定模块，用于确定各所述业务标识分别对应的目标业务是否均在额定期限内到期；

第一执行模块，用于若各所述目标业务均在所述额定期限内到期，将所述目标对象的对象信息输入至预先训练出的第一预测模型中，利用所述第一预测模型确定所述目标对象的第一流失概率；所述第一预测模型为利用样本业务均在所述额定期限内到期的样本对象的第一样本对象信息训练得出的模型；

第二执行模块，用于若各所述目标业务中存在额定期限内未到期的业务，将所述目标对象的对象信息输入至预先训练出的第二预测模型中，利用所述第二预测模型确定所述目标对象的第二流失概率；所述第二预测模型为利用存在所述样本业务未在所述额定期限内到期的样本对象的第二样本对象信息训练得出的模型。