本申請(qǐng)屬于大數(shù)據(jù)分析，尤其涉及一種對(duì)象識(shí)別模型的訓(xùn)練方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、隨著電信數(shù)據(jù)的迅速增加，越來(lái)越多的數(shù)據(jù)挖掘以及人工智能技術(shù)被用于揭示數(shù)據(jù)的隱藏特性和潛在關(guān)系。在電信行業(yè)，數(shù)據(jù)挖掘可實(shí)現(xiàn)潛在客戶的識(shí)別，以降低運(yùn)營(yíng)人員在營(yíng)銷過(guò)程中的資源消耗，進(jìn)而提升營(yíng)銷的成功率。

2、然而，在相關(guān)技術(shù)中，可以采用模型識(shí)別的方式來(lái)識(shí)別潛在客戶，但模型通常僅針對(duì)單一的業(yè)務(wù)，在需要識(shí)別多個(gè)業(yè)務(wù)組合場(chǎng)景中的潛在客戶時(shí)，采用現(xiàn)有的模型識(shí)別到的潛在客戶的準(zhǔn)確度較低，從而降低了營(yíng)銷的成功率。此外，在相關(guān)技術(shù)中，當(dāng)存在新增業(yè)務(wù)時(shí)，使用已有的模型也無(wú)法準(zhǔn)確識(shí)別出該新增業(yè)務(wù)的潛在客戶。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例提供一種對(duì)象識(shí)別模型的訓(xùn)練方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品，能夠?qū)崿F(xiàn)多個(gè)業(yè)務(wù)組合場(chǎng)景下的潛在客戶的識(shí)別，提高了潛在客戶識(shí)別的準(zhǔn)確度。

2、第一方面，本申請(qǐng)實(shí)施例提供一種對(duì)象識(shí)別模型的訓(xùn)練方法，該方法包括：獲取訓(xùn)練樣本數(shù)據(jù)，其中，訓(xùn)練樣本數(shù)據(jù)包括多個(gè)業(yè)務(wù)所對(duì)應(yīng)的用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)用于表征用戶在辦理對(duì)應(yīng)業(yè)務(wù)之前的行為信息，用戶行為數(shù)據(jù)包括待融合數(shù)據(jù)和待識(shí)別數(shù)據(jù)，待融合數(shù)據(jù)為已有業(yè)務(wù)的數(shù)據(jù)，待識(shí)別數(shù)據(jù)為新增業(yè)務(wù)的數(shù)據(jù)；從樣本數(shù)據(jù)中提取公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)，其中，公共特征數(shù)據(jù)為待融合數(shù)據(jù)與待識(shí)別數(shù)據(jù)所共有的數(shù)據(jù)特征，獨(dú)立特征數(shù)據(jù)為每個(gè)業(yè)務(wù)所具有的與其他業(yè)務(wù)具有差異的數(shù)據(jù)特征；基于每個(gè)業(yè)務(wù)所對(duì)應(yīng)的特征分類器對(duì)公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到多個(gè)特征分類器的預(yù)測(cè)結(jié)果；對(duì)多個(gè)特征分類器的預(yù)測(cè)結(jié)果進(jìn)行層次分析，得到每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重；基于每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重對(duì)初始對(duì)象識(shí)別模型的模型參數(shù)進(jìn)行調(diào)整，得到目標(biāo)對(duì)象識(shí)別模型。

3、第二方面，本申請(qǐng)實(shí)施例提供了一種對(duì)象識(shí)別模型的訓(xùn)練裝置，該裝置包括：樣本獲取模塊，用于獲取訓(xùn)練樣本數(shù)據(jù)，其中，訓(xùn)練樣本數(shù)據(jù)包括多個(gè)業(yè)務(wù)所對(duì)應(yīng)的用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)用于表征用戶在辦理對(duì)應(yīng)業(yè)務(wù)之前的行為信息，用戶行為數(shù)據(jù)包括待融合數(shù)據(jù)和待識(shí)別數(shù)據(jù)，待融合數(shù)據(jù)為已有業(yè)務(wù)的數(shù)據(jù)，待識(shí)別數(shù)據(jù)為新增業(yè)務(wù)的數(shù)據(jù)；特征提取模塊，用于從樣本數(shù)據(jù)中提取公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)，其中，公共特征數(shù)據(jù)為待融合數(shù)據(jù)與待識(shí)別數(shù)據(jù)所共有的數(shù)據(jù)特征，獨(dú)立特征數(shù)據(jù)為每個(gè)業(yè)務(wù)所具有的與其他業(yè)務(wù)具有差異的數(shù)據(jù)特征；預(yù)測(cè)模塊，用于基于每個(gè)業(yè)務(wù)所對(duì)應(yīng)的特征分類器對(duì)公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到多個(gè)特征分類器的預(yù)測(cè)結(jié)果；分析模塊，用于對(duì)多個(gè)特征分類器的預(yù)測(cè)結(jié)果進(jìn)行層次分析，得到每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重；訓(xùn)練模塊，用于基于每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重對(duì)初始對(duì)象識(shí)別模型的模型參數(shù)進(jìn)行調(diào)整，得到目標(biāo)對(duì)象識(shí)別模型。

4、第三方面，本申請(qǐng)實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備包括：處理器以及存儲(chǔ)有計(jì)算機(jī)程序指令的存儲(chǔ)器；處理器執(zhí)行計(jì)算機(jī)程序指令時(shí)實(shí)現(xiàn)如第一方面所述的對(duì)象識(shí)別模型的訓(xùn)練方法。

5、第四方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序指令，計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的對(duì)象識(shí)別模型的訓(xùn)練方法。

6、第五方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備執(zhí)行如第一方面所述的對(duì)象識(shí)別模型的訓(xùn)練方法。

7、由上述內(nèi)容可知，在本申請(qǐng)實(shí)施例中，在訓(xùn)練對(duì)象識(shí)別模型的過(guò)程中，訓(xùn)練樣本數(shù)據(jù)是來(lái)自多個(gè)業(yè)務(wù)的數(shù)據(jù)，即本申請(qǐng)實(shí)施例所訓(xùn)練得到的對(duì)象識(shí)別模型能夠識(shí)別多個(gè)業(yè)務(wù)組合下的潛在客戶，從而實(shí)現(xiàn)了對(duì)多個(gè)業(yè)務(wù)組合場(chǎng)景下潛在客戶的準(zhǔn)確識(shí)別。此外，在本申請(qǐng)實(shí)施例中，基于多個(gè)業(yè)務(wù)間的公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)來(lái)對(duì)對(duì)象識(shí)別模型訓(xùn)練，不僅能夠提升已有業(yè)務(wù)數(shù)據(jù)的利用率，還能夠有效應(yīng)對(duì)新增業(yè)務(wù)數(shù)據(jù)不充分的問(wèn)題，能夠提升識(shí)別新增業(yè)務(wù)的潛在客戶的準(zhǔn)確度。最后，在本申請(qǐng)實(shí)施例中，還對(duì)多個(gè)特征分類器的預(yù)測(cè)結(jié)果進(jìn)行層次分析，并確定每個(gè)業(yè)務(wù)的權(quán)重，以提升對(duì)象識(shí)別模型的穩(wěn)定性，進(jìn)而提升潛在客戶的識(shí)別準(zhǔn)確度。

8、由此可見，本申請(qǐng)實(shí)施例所提供的方案能夠?qū)崿F(xiàn)多個(gè)業(yè)務(wù)組合場(chǎng)景下的潛在客戶的識(shí)別，提高了潛在客戶識(shí)別的準(zhǔn)確度。

技術(shù)特征：

1.一種對(duì)象識(shí)別模型的訓(xùn)練方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，從所述樣本數(shù)據(jù)中提取公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在通過(guò)所述每個(gè)業(yè)務(wù)所對(duì)應(yīng)的獨(dú)立特征提取器從所述樣本數(shù)據(jù)中提取對(duì)應(yīng)業(yè)務(wù)下的獨(dú)立特征數(shù)據(jù)之后，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于每個(gè)業(yè)務(wù)所對(duì)應(yīng)的特征分類器對(duì)所述公共特征數(shù)據(jù)和所述獨(dú)立特征數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到多個(gè)特征分類器的預(yù)測(cè)結(jié)果，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對(duì)象識(shí)別模型至少包括：所述公共特征提取器、所述多個(gè)特征分類器以及所述獨(dú)立特征提取器，其中，基于所述公共特征數(shù)據(jù)和所述獨(dú)立特征數(shù)據(jù)對(duì)對(duì)象識(shí)別模型進(jìn)行初始訓(xùn)練，得到初始對(duì)象識(shí)別模型，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，對(duì)所述多個(gè)特征分類器的預(yù)測(cè)結(jié)果進(jìn)行層次分析，得到所述每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在確定所述比較矩陣的最大特征根的歸一化向量所包含的權(quán)重值為所述多個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重之后，所述方法還包括：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在基于所述每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重對(duì)所述初始對(duì)象識(shí)別模型的模型參數(shù)進(jìn)行調(diào)整，得到目標(biāo)對(duì)象識(shí)別模型之后，所述方法還包括：

9.一種對(duì)象識(shí)別模型的訓(xùn)練裝置，其特征在于，包括：

10.一種電子設(shè)備，其特征在于，電子設(shè)備包括：處理器以及存儲(chǔ)有計(jì)算機(jī)程序指令的存儲(chǔ)器；

11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-8任意一項(xiàng)所述的對(duì)象識(shí)別模型的訓(xùn)練方法。

12.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，計(jì)算機(jī)程序產(chǎn)品中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得所述電子設(shè)備執(zhí)行如權(quán)利要求1-8任意一項(xiàng)所述的對(duì)象識(shí)別模型的訓(xùn)練方法。

技術(shù)總結(jié)
本申請(qǐng)公開了一種對(duì)象識(shí)別模型的訓(xùn)練方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品。該方法包括：獲取訓(xùn)練樣本數(shù)據(jù)，訓(xùn)練樣本數(shù)據(jù)包括多個(gè)業(yè)務(wù)對(duì)應(yīng)的用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)用于表征用戶在辦理對(duì)應(yīng)業(yè)務(wù)之前的行為信息；從樣本數(shù)據(jù)中提取公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)；基于每個(gè)業(yè)務(wù)對(duì)應(yīng)的特征分類器對(duì)公共特征數(shù)據(jù)和獨(dú)立特征數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到多個(gè)特征分類器的預(yù)測(cè)結(jié)果；對(duì)多個(gè)特征分類器的預(yù)測(cè)結(jié)果進(jìn)行層次分析，得到每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重；基于每個(gè)業(yè)務(wù)的目標(biāo)業(yè)務(wù)權(quán)重對(duì)初始對(duì)象識(shí)別模型的模型參數(shù)進(jìn)行調(diào)整，得到目標(biāo)對(duì)象識(shí)別模型。本申請(qǐng)所提供的方案能夠?qū)崿F(xiàn)多個(gè)業(yè)務(wù)組合場(chǎng)景下的潛在客戶的識(shí)別，提高了潛在客戶識(shí)別的準(zhǔn)確度。

技術(shù)研發(fā)人員：孫嘉玉,陳思源,翁旭東,黃治移,郭建軍,梅錚
受保護(hù)的技術(shù)使用者：中移（杭州）信息技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21