基于机器学习的客户关系识别方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能领域，提供一种基于机器学习的客户关系识别方法、装置、设备及介质，能够从历史客户数据中筛选出目标数据，避免大量无效且冗余的数据对后续的模型训练产生干扰，提升了模型训练的效率，进一步优化数据，提升模型训练的效果，利用训练样本及验证样本训练预设分类模型，得到识别模型，根据客户关系识别指令获取待识别数据，将待识别数据输入至识别模型，并根据识别模型的输出数据确定目标客户与目标企业的客户关系，基于机器学习训练的模型辅助进行客户关系的识别，提升了识别的准确率及识别效率。此外，本发明专利技术还涉及区块链技术，识别模型可存储于区块链节点中。识别模型可存储于区块链节点中。识别模型可存储于区块链节点中。

【技术实现步骤摘要】
基于机器学习的客户关系识别方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于机器学习的客户关系识别方法、装置、设备及介质。

技术介绍

[0002]在客户经营领域，如何精准获取客户相关干系组织和个人已成为拓业绩、做大客户规模的关键，尤其是在综合金融方面，通过做一个客户而最终拓展为1+N个客户的交叉销售模式更需要识别客户关系。
[0003]以对公客户为例，为了识别对公客户关系，目前业内常见的处理方式是通过数据分析技术进行加权运算，并最终得到客户关系评分。
[0004]上述处理方式存在维度单一、数据饱和度低，且无法持续学习迭代等问题，导致客户关系识别不准确，进而导致无法精准服务客户、营销成功率低等问题。

技术实现思路

[0005]鉴于以上内容，有必要提供一种基于机器学习的客户关系识别方法、装置、设备及介质，旨在解决客户关系识别准确率及效率低的问题。
[0006]一种基于机器学习的客户关系识别方法，所述基于机器学习的客户关系识别方法包括：
[0007]获取目标企业的历史客户数据，并从所述历史客户数据中筛选出目标数据；
[0008]对所述目标数据进行处理，得到训练样本及验证样本；
[0009]利用所述训练样本及所述验证样本训练预设分类模型，得到识别模型；
[0010]响应于针对目标客户的客户关系识别指令，根据所述客户关系识别指令获取待识别数据；
[0011]将所述待识别数据输入至所述识别模型，并根据所述识别模型的输出数据确定所述目标客户与所述目标企业的客户关系；
[0012]将所述客户关系反馈至指定终端设备。
[0013]根据本专利技术优选实施例，所述从所述历史客户数据中筛选出目标数据包括：
[0014]对所述历史客户数据进行分类，得到每类数据；
[0015]将每类数据确定为节点构建随机森林；
[0016]确定所述历史客户数据中的每类数据在所述随机森林中每个决策树的各个节点处的节点重要度；
[0017]根据每类数据在每个决策树的各个节点处的节点重要度确定每类数据在各决策树中的重要度；
[0018]根据每类数据在每个决策树中的重要度确定每类数据在所述随机森林中的重要度；
[0019]将每类数据在所述随机森林中的重要度确定为每类数据的权重；
[0020]按照所述权重由高到低的顺序对每类数据进行排序，得到数据序列；
[0021]从所述数据序列中获取排在前预设位的数据作为所述目标数据。
[0022]根据本专利技术优选实施例，在对所述目标数据进行处理前，所述方法还包括：
[0023]确定所述目标数据的数据量；
[0024]当所述数据量小于预设阈值时，对所述目标数据进行特征组合，得到组合特征，其中，所述组合特征包括预设数量的不同类数据的组合；及/或
[0025]利用所述目标数据对梯度提升决策树进行预训练得到特征树，根据所述特征树中的叶子节点构建新增特征；
[0026]将所述组合特征及所述新增特征添加至所述目标数据。
[0027]根据本专利技术优选实施例，所述对所述目标数据进行处理，得到训练样本及验证样本包括：
[0028]从所述目标数据中识别出缺失数据，并对所述缺失数据进行填充，得到第一数据；其中，所述对所述缺失数据进行填充包括：当所述缺失数据为连续数据时，获取与所述缺失数据相邻的前后两个数据，并计算获取的数据的均值，并利用所述均值对所述缺失数据进行填充，或者当所述缺失数据为离散数据时，获取所述缺失数据对应的类型中所有数据的众数，并利用所述众数对所述缺失数据进行填充；
[0029]从所述第一数据中识别出异常数据，并删除所述异常数据，得到第二数据；
[0030]对所述第二数据进行标注，得到第三数据；
[0031]获取预设比例，并按照所述预设比例对所述第三数据进行拆分，得到所述训练样本及所述验证样本。
[0032]根据本专利技术优选实施例，在得到所述识别模型后，所述方法还包括：
[0033]检测所述识别模型是否达到更新条件，包括：实时检测对所述识别模型的评价数据，当所述评价数据显示所述识别模型的准确度待提升时，确定达到所述更新条件；及/或获取新增客户数据，当所述新增客户数据达到配置数量时，确定达到所述更新条件；及/或当达到预设时间间隔时，确定达到所述更新条件；
[0034]当检测到所述识别模型达到所述更新条件时，利用所述新增客户数据对所述识别模型进行增量训练。
[0035]根据本专利技术优选实施例，所述根据所述客户关系识别指令获取待识别数据包括：
[0036]根据所述客户关系识别指令确定所述目标客户的客户信息；
[0037]连接至配置数据库，根据所述客户信息在所述配置数据库中进行查询；
[0038]将查询到的数据确定为所述待识别数据。
[0039]根据本专利技术优选实施例，在将所述客户关系反馈至指定终端设备时，所述方法还包括：
[0040]根据所述客户关系生成对所述目标客户的产品推荐策略及客户维护策略；
[0041]将所述产品推荐策略及所述客户维护策略同步反馈至所述指定终端设备。
[0042]一种基于机器学习的客户关系识别装置，所述基于机器学习的客户关系识别装置包括：
[0043]筛选单元，用于获取目标企业的历史客户数据，并从所述历史客户数据中筛选出目标数据；
Computing)的由大量主机或网络服务器构成的云。
[0062]所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0063]其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0064]人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0065]所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
[0066]S10，获取目标企业的历史客户数据，并从所述历史客户数据中筛选出目标数据。
[0067]其中，历史客户可以包括对公客户及其他客户，尤其在对公客户经营领域，如何精准获取客户相关干系组织和个人已成为拓业绩、做大客户规模的关键。
[0068]在本实施例中，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的客户关系识别方法，其特征在于，所述基于机器学习的客户关系识别方法包括：获取目标企业的历史客户数据，并从所述历史客户数据中筛选出目标数据；对所述目标数据进行处理，得到训练样本及验证样本；利用所述训练样本及所述验证样本训练预设分类模型，得到识别模型；响应于针对目标客户的客户关系识别指令，根据所述客户关系识别指令获取待识别数据；将所述待识别数据输入至所述识别模型，并根据所述识别模型的输出数据确定所述目标客户与所述目标企业的客户关系；将所述客户关系反馈至指定终端设备。2.如权利要求1所述的基于机器学习的客户关系识别方法，其特征在于，所述从所述历史客户数据中筛选出目标数据包括：对所述历史客户数据进行分类，得到每类数据；将每类数据确定为节点构建随机森林；确定所述历史客户数据中的每类数据在所述随机森林中每个决策树的各个节点处的节点重要度；根据每类数据在每个决策树的各个节点处的节点重要度确定每类数据在各决策树中的重要度；根据每类数据在每个决策树中的重要度确定每类数据在所述随机森林中的重要度；将每类数据在所述随机森林中的重要度确定为每类数据的权重；按照所述权重由高到低的顺序对每类数据进行排序，得到数据序列；从所述数据序列中获取排在前预设位的数据作为所述目标数据。3.如权利要求1所述的基于机器学习的客户关系识别方法，其特征在于，在对所述目标数据进行处理前，所述方法还包括：确定所述目标数据的数据量；当所述数据量小于预设阈值时，对所述目标数据进行特征组合，得到组合特征，其中，所述组合特征包括预设数量的不同类数据的组合；及/或利用所述目标数据对梯度提升决策树进行预训练得到特征树，根据所述特征树中的叶子节点构建新增特征；将所述组合特征及所述新增特征添加至所述目标数据。4.如权利要求1所述的基于机器学习的客户关系识别方法，其特征在于，所述对所述目标数据进行处理，得到训练样本及验证样本包括：从所述目标数据中识别出缺失数据，并对所述缺失数据进行填充，得到第一数据；其中，所述对所述缺失数据进行填充包括：当所述缺失数据为连续数据时，获取与所述缺失数据相邻的前后两个数据，并计算获取的数据的均值，并利用所述均值对所述缺失数据进行填充，或者当所述缺失数据为离散数据时，获取所述缺失数据对应的类型中所有数据的众数，并利用所述众数对所述缺失数据进行填充；从所述第一数据中识别出异常数据，并删除所述异常数据，得到第二数据；对所述第二数据进行标注，得到...

【专利技术属性】
技术研发人员：滕旭升，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：