[发明专利]基于强化学习的特征提取方法、装置和计算机设备有效
| 申请号： | 201910899003.6 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110796261B | 公开（公告）日： | 2023-09-08 |
| 发明（设计）人： | 陈尧 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/092;G06Q40/08 |
| 代理公司： | 华进联合专利商标代理有限公司 44224 | 代理人： | 关志琨 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种基于强化学习的特征提取方法、装置和计算机设备，所述方法包括：获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；根据所述特征提取代码，获取所述学习对象的状态特征；采用所述状态特征训练基于强化学习的深度网络结构；获取训练后的深度网络结构的最优网络结构和最优权重参数；根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。采用本方法，设置特征提取代码应用于模型训练，可提高特征提取效率，即以建模效果作为学习奖励激发计算机不断优化学习策略，以学习到新的特征提取方式。 | ||
| 搜索关键词： | 基于 强化 学习 特征 提取 方法 装置 计算机 设备 | ||
【主权项】：
1.一种基于强化学习的特征提取方法，其特征在于，包括如下步骤：/n获取学习对象的特征提取代码；所述特征提取代码根据人工编写确定；/n根据所述特征提取代码，获取所述学习对象的状态特征；/n采用所述状态特征训练基于强化学习的深度网络结构；/n获取训练后的深度网络结构的最优网络结构和最优权重参数；/n根据所述最优网络结构和所述最优权重参数，生成最优特征提取策略；所述最优特征提取策略用于提取保险业务用户的画像特征，以便根据所述画像特征解析所述保险业务用户的投保需求。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910899003.6/，转载请声明来源钻瓜专利网。
