买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：平安健康保险股份有限公司

摘要：本申请公开了一种基于差分干预响应模型的干预用户筛选方法及装置，涉及人工智能领域，主要目的在于改善现有仅依据用户的转化概率筛选目标干预客户时，将自然转化用户判定为目标干预用户并进行干预，导致干预成本增加的问题。包括：获取多组待干预用户的特征信息；基于已完成模型训练的差分干预响应模型对多组的所述特征信息进行预测处理，得到多组的干预增益分值，所述差分干预响应模型为基于多任务学习神经网络模型构建的，并利用基于倾向性评分匹配重采样算法得到的训练样本完成模型训练的；将多组的所述干预增益分值进行排序处理，选取预设数量的所述干预增益分值所对应的待干预用户作为目标干预用户，并对所述目标干预用户执行干预操作。

主权项：1.一种基于差分干预响应模型的干预用户筛选方法，其特征在于，包括：获取多组待干预用户的特征信息；基于已完成模型训练的差分干预响应模型对多组的所述特征信息进行预测处理，得到多组的干预增益分值，所述差分干预响应模型为基于多任务学习神经网络模型构建的，并利用基于倾向性评分匹配重采样算法得到的训练样本完成模型训练的；将多组的所述干预增益分值进行排序处理，选取预设数量的所述干预增益分值所对应的待干预用户作为目标干预用户，并对所述目标干预用户执行干预操作；所述基于已完成模型训练的差分干预响应模型对多组的所述特征信息进行预测处理之前，所述方法还包括：构建多任务学习神经网络模型；对所述多任务学习神经网络模型进行初始化处理，得到初始差分干预响应模型；基于损失函数计算第一训练样本的转化概率预测损失参数，并通过反向传播算法，结合随机梯度下降算法更新所述初始差分干预响应模型，所述第一训练样本为基于倾向性评分匹配重采样算法得到的；若所述转化概率预测损失参数符合预设标准，则完成模型训练，得到完成模型训练的差分干预响应模型；所述基于损失函数计算第一训练样本的转化概率预测损失参数之前，所述方法还包括：分别获取干预组用户的特征信息以及对照组用户的特征信息；基于相关性分析算法从所述干预组用户的特征信息以及所述对照组用户的特征信息中筛选干预特征信息，得到第二训练样本，所述第二训练样本用于表征训练二分类逻辑回归模型的训练样本；基于已完成模型训练的二分类逻辑回归模型对第三训练样本进行预测，得到多个干预组用户倾向分值，以及多个对照组用户倾向分值，所述第三训练样本用于表征除所述第二训练样本外的用户的特征信息；所述基于已完成模型训练的二分类逻辑回归模型对第三训练样本进行预测，得到多个干预组用户倾向分值，以及多个对照组用户倾向分值之后，所述方法还包括：对所述多个干预组用户倾向分值进行排序，得到干预组用户倾向分值序列，并结合等频分箱算法对所述干预组用户倾向分值序列进行分组处理，得到多个干预组倾向分值区间；从所述对照组用户的特征信息中筛选与各所述干预组倾向分值区间相匹配的对照组用户的特征信息；按照预设比例将处于相同倾向分值区间的干预组用户的特征信息以及对照组用户的特征信息合并，生成第一训练样本。

全文数据：

权利要求：

百度查询： 平安健康保险股份有限公司 基于差分干预响应模型的干预用户筛选方法及装置