System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能和金融科技领域,尤其涉及一种潜在风险行为处理方法、装置、计算机设备及存储介质。
技术介绍
1、在生产经营活动中,主体对象遇到客户投诉是难以避免的事情,对于客户零散的、单次的投诉行为,主体对象通常是在被投诉后,以电话、短信、回访等方式解决客户投诉。例如在金融保险行业中,由于经营的保险种类太多,客户可能会因为未能准确理解投保过程、保险责任,或是对业务员不满意而产生投诉行为;或者,由于保险公司或业务员要处理的客户和保单数量太多无法及时有效地解决客户需求,致使客户产生投诉行为。然而,这种后置的解决思路不具备潜在风险行为的预见性;且在投诉行为发生后再进行处理,会占用较多的资源成本。
技术实现思路
1、本申请实施例的目的在于提出一种潜在风险行为处理方法、装置、计算机设备及存储介质,以实现潜在风险行为的前置处理。
2、为了解决上述技术问题,本申请实施例提供一种潜在风险行为处理方法,采用了如下所述的技术方案:
3、获取各样本客户的训练样本,训练样本带有样本客户历史投诉情况的投诉标签;
4、根据预设的权重添加策略,给各训练样本添加类别权重,并给所述各训练样本中的客户特征添加特征权重,得到所述各样本客户的加权训练样本;
5、根据所述各样本客户的加权训练样本训练初始风险行为预测模型,得到风险行为预测模型;
6、根据所述各训练样本的投诉标签,筛选所述各样本客户中的风险客户,并将各风险客户的训练样本作为风险样本,风险客户的风险样本
7、根据所述各风险客户的风险样本训练初始推荐模型,得到推荐模型;
8、获取目标客户的客户样本,并将所述客户样本输入所述风险行为预测模型,得到风险行为预测结果;
9、当所述风险行为预测结果表明所述目标客户具有潜在风险行为时,将所述客户样本输入所述推荐模型得到服务推荐结果,并根据所述服务推荐结果对所述目标客户进行服务产品发放。
10、为了解决上述技术问题,本申请实施例还提供一种潜在风险行为处理装置,采用了如下所述的技术方案:
11、训练获取模块,用于获取各样本客户的训练样本,训练样本带有样本客户历史投诉情况的投诉标签;
12、权重添加模块,用于根据预设的权重添加策略,给各训练样本添加类别权重,并给所述各训练样本中的客户特征添加特征权重,得到所述各样本客户的加权训练样本;
13、预测训练模块,用于根据所述各样本客户的加权训练样本训练初始风险行为预测模型,得到风险行为预测模型;
14、客户筛选模块,用于根据所述各训练样本的投诉标签,筛选所述各样本客户中的风险客户,并将各风险客户的训练样本作为风险样本,风险客户的风险样本包含风险客户对服务产品的偏好标签;
15、推荐训练模块,用于根据所述各风险客户的风险样本训练初始推荐模型,得到推荐模型;
16、风险预测模块,用于获取目标客户的客户样本,并将所述客户样本输入所述风险行为预测模型,得到风险行为预测结果;
17、服务发放模块,用于当所述风险行为预测结果表明所述目标客户具有潜在风险行为时,将所述客户样本输入所述推荐模型得到服务推荐结果,并根据所述服务推荐结果对所述目标客户进行服务产品发放。
18、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
19、获取各样本客户的训练样本,训练样本带有样本客户历史投诉情况的投诉标签;
20、根据预设的权重添加策略,给各训练样本添加类别权重,并给所述各训练样本中的客户特征添加特征权重,得到所述各样本客户的加权训练样本;
21、根据所述各样本客户的加权训练样本训练初始风险行为预测模型,得到风险行为预测模型;
22、根据所述各训练样本的投诉标签,筛选所述各样本客户中的风险客户,并将各风险客户的训练样本作为风险样本,风险客户的风险样本包含风险客户对服务产品的偏好标签;
23、根据所述各风险客户的风险样本训练初始推荐模型,得到推荐模型;
24、获取目标客户的客户样本,并将所述客户样本输入所述风险行为预测模型,得到风险行为预测结果;
25、当所述风险行为预测结果表明所述目标客户具有潜在风险行为时,将所述客户样本输入所述推荐模型得到服务推荐结果,并根据所述服务推荐结果对所述目标客户进行服务产品发放。
26、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
27、获取各样本客户的训练样本,训练样本带有样本客户历史投诉情况的投诉标签;
28、根据预设的权重添加策略,给各训练样本添加类别权重,并给所述各训练样本中的客户特征添加特征权重,得到所述各样本客户的加权训练样本;
29、根据所述各样本客户的加权训练样本训练初始风险行为预测模型,得到风险行为预测模型;
30、根据所述各训练样本的投诉标签,筛选所述各样本客户中的风险客户,并将各风险客户的训练样本作为风险样本,风险客户的风险样本包含风险客户对服务产品的偏好标签;
31、根据所述各风险客户的风险样本训练初始推荐模型,得到推荐模型;
32、获取目标客户的客户样本,并将所述客户样本输入所述风险行为预测模型,得到风险行为预测结果;
33、当所述风险行为预测结果表明所述目标客户具有潜在风险行为时,将所述客户样本输入所述推荐模型得到服务推荐结果,并根据所述服务推荐结果对所述目标客户进行服务产品发放。
34、与现有技术相比,本申请实施例主要有以下有益效果:获取各样本客户的训练样本,训练样本带有样本客户历史投诉情况的投诉标签;根据权重添加策略给各训练样本添加类别权重,以克服有投诉客户和未投诉客户间的数量差距带来的类别不平衡问题;给各训练样本中的客户特征添加特征权重以突出不同类型客户特征的重要性,得到各样本客户的加权训练样本;根据各样本客户的加权训练样本训练初始风险行为预测模型,得到风险行为预测模型;根据各训练样本的投诉标签,将有投诉行为的样本客户作为风险客户,并将各风险客户的训练样本作为风险样本,风险样本包含风险客户对服务产品的偏好标签;根据各风险客户的风险样本训练初始推荐模型,得到推荐模型;获取目标客户的客户样本并输入风险行为预测模型,得到风险行为预测结果;若预测目标客户会产生投诉行为,表明目标客户具有潜在风险行为,将客户样本输入推荐模型得到服务推荐结果,服务推荐结果包含目标客户偏好的服务产品,根据服务推荐结果对目标客户进行服务产品发放,实现了潜在风险客户的提前服务,减少了客户投诉行为的发生,提升了客户满意度,实现了客户潜在风险行为的提前发现以及前置处理。
本文档来自技高网...【技术保护点】
1.一种潜在风险行为处理方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的潜在风险行为处理方法,其特征在于,所述根据预设的权重添加策略,给各训练样本添加类别权重,并给所述各训练样本中的客户特征添加特征权重,得到所述各样本客户的加权训练样本的步骤包括:
3.根据权利要求2所述的潜在风险行为处理方法,其特征在于,所述初始风险行为预测模型为树模型,加权训练样本的特征权重用于所述树模型中决策树的节点分裂,风险样本的类别权重大于非风险样本的类别权重。
4.根据权利要求1所述的潜在风险行为处理方法,其特征在于,在所述获取各样本客户的训练样本的步骤之前,还包括:
5.根据权利要求1所述的潜在风险行为处理方法,其特征在于,所述获取目标客户的客户样本的步骤包括:
6.根据权利要求1所述的潜在风险行为处理方法,其特征在于,在所述得到风险行为预测结果的步骤之后,还包括:
7.根据权利要求1所述的潜在风险行为处理方法,其特征在于,在所述将所述客户样本输入所述推荐模型得到服务推荐结果的步骤之后,还包括:
8.一种潜
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的潜在风险行为处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的潜在风险行为处理方法的步骤。
...【技术特征摘要】
1.一种潜在风险行为处理方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的潜在风险行为处理方法,其特征在于,所述根据预设的权重添加策略,给各训练样本添加类别权重,并给所述各训练样本中的客户特征添加特征权重,得到所述各样本客户的加权训练样本的步骤包括:
3.根据权利要求2所述的潜在风险行为处理方法,其特征在于,所述初始风险行为预测模型为树模型,加权训练样本的特征权重用于所述树模型中决策树的节点分裂,风险样本的类别权重大于非风险样本的类别权重。
4.根据权利要求1所述的潜在风险行为处理方法,其特征在于,在所述获取各样本客户的训练样本的步骤之前,还包括:
5.根据权利要求1所述的潜在风险行为处理方法,其特征在于,所述获取目标客户的客户样本的步骤包括...
【专利技术属性】
技术研发人员:严杨扬,
申请(专利权)人:中国平安财产保险股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。