客户贷款时长偏好的预测方法及相关设备与流程

本技术涉及计算机处理，尤其涉及一种客户贷款时长偏好的预测方法及相关设备。

背景技术：

1、目前，在金融领域，金融机构中存在预测客户贷款时长偏好，以明确业务营销群体的需求，例如，确定客户名单中符合短期贷款业务的客户(符合短期贷款业务的客户可定义为贷款时长在15天内的客户)。

2、现有技术中，通常基于神经网络模型的输出对客户贷款时长偏好进行预测，但是，该神经网络模型在训练过程中，时常会出现某个类型的训练数据不足的问题，造成权重偏差，从而导致会导致整体的预测结果偏差较大(例如出现非重要权重大于重要权重的情况)，使得客户贷款时长偏好的预测的准确度低。

技术实现思路

1、本技术的主要目的在于提供一种客户贷款时长偏好的预测方法及相关设备，旨在解决现有技术中客户贷款时长偏好的预测的准确度低的技术问题。

2、为实现以上目的，本技术提供一种客户贷款时长偏好的预测方法，所述客户贷款时长偏好的预测方法包括：

3、获取客户的待分析特征数据；

4、将所述待分析特征数据发送至预设的时长预测模型，基于所述时长预测模型和预设的各专家组的专家组权重，计算多个领域下所述待分析特征数据的加权结果，并基于预设的各领域的领域权重，将多个领域下的所述加权结果进行加权计算，得到时长偏好结果，其中，所述时长预测模型包括多个专家组和多个领域，所述专家组归类于所述领域下。

5、可选地，所述获取客户的待分析特征数据的步骤之前，所述方法包括：

6、获取特征数据训练样本和所述特征数据训练样本的时长结果标签；

7、对所述特征数据训练样本进行领域分类和专家分组，得到所述特征数据训练样本对应的领域特征数据组和专家特征数据组；

8、确定所述领域特征数据组的初始领域权重和所述专家特征数据组的初始专家组权重；

9、基于所述特征数据训练样本、所述特征数据训练样本的时长结果标签、所述初始领域权重和所述初始专家组权重，对待训练模型进行迭代训练，得到各专家组的专家组权重、各领域的领域权重以及具有满足精度条件的时长预测模型。

10、可选地，所述对所述特征数据训练样本进行领域分类和专家分组，得到所述特征数据训练样本对应的领域特征数据组和专家特征数据组的步骤，包括：

11、对所述特征数据训练样本进行领域分类，得到所述特征数据训练样本对应的领域特征数据组，其中，所述领域特征数据组至少包括两个；

12、将每个所述领域特征数据组中的特征数据训练样本进行专家分组，得到每个领域下所述特征数据训练样本对应的专家特征数据组。

13、可选地，所述基于所述特征数据训练样本、所述特征数据训练样本的时长结果标签、所述初始领域权重和所述初始专家组权重，对待训练模型进行迭代训练，得到具有满足精度条件的时长预测模型的步骤，包括：

14、将所述特征数据训练样本、所述初始领域权重和所述初始专家组权重输入至待训练模型，得到时长预测结果；

15、将所述时长预测结果与所述特征数据训练样本的时长结果标签进行差异计算，得到误差结果；

16、基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；

17、若所述误差结果未满足所述预设误差阈值范围指示的误差标准，更新所述初始领域权重和所述初始专家组权重，并重复将所述特征数据训练样本、更新后的领域权重和更新后的专家组权重输入至预设的待训练模型，得到时长预测结果的步骤，直至所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到各专家组的专家组权重、各领域的领域权重以及具有满足精度条件的时长预测模型。

18、可选地，所述基于所述特征数据训练样本、所述特征数据训练样本的时长结果标签、所述初始领域权重和所述初始专家组权重，对待训练模型进行迭代训练，得到各专家组的专家组权重、各领域的领域权重以及具有满足精度条件的时长预测模型的步骤之后，所述方法包括：

19、将各专家组的专家组权重和所述专家组对应领域的领域权重进行乘积计算，得到各专家组对应的目标权重值；

20、判断所述目标权重值是否大于预设的权重阈值；

21、若所述目标权重值大于所述权重阈值，则确定所述时长预测模型对待分析特征数据进行时长偏好预测的过程中，需要采用所述目标权重值对应的专家组。

22、可选地，所述判断所述目标权重值是否大于预设的权重阈值的步骤之后，所述方法包括：

23、若所述权重结果小于或者等于所述权重阈值，则确定所述时长预测模型对待分析特征数据进行时长偏好预测的过程中，需要舍弃所述目标权重值对应的专家组。

24、可选地，所述时长预测模型包括主路由网络、副路由网络和专家组，所述基于所述时长预测模型和预设的各专家组的专家组权重，计算多个领域下所述待分析特征数据的加权结果，并基于预设的各领域的领域权重，将多个领域下的所述加权结果进行加权计算，得到时长偏好结果的步骤，包括：

25、通过所述待分析特征数据对应的每个专家组，对所述待分析特征数据进行识别，得到每个专家组下的特征识别结果；

26、通过所述副路由网络，基于每个领域下相应各专家组的专家组权重，对所述特征识别结果进行加权计算，得到每个领域下的加权结果；

27、通过所述主路由网络，基于各领域的领域权重，对所述每个领域下的加权结果进行加权计算，得到时长偏好结果。

28、本技术还提供一种客户贷款时长偏好的预测装置，所述客户贷款时长偏好的预测装置包括：

29、获取模块，用于获取客户的待分析特征数据；

30、分析模块，用于将所述待分析特征数据发送至预设的时长预测模型，基于所述时长预测模型和预设的各专家组的专家组权重，计算多个领域下所述待分析特征数据的加权结果，并基于预设的各领域的领域权重，将多个领域下的所述加权结果进行加权计算，得到时长偏好结果，其中，所述时长预测模型包括多个专家组和多个领域，专家组归类于领域下。

31、本技术还提供一种客户贷款时长偏好的预测设备，所述客户贷款时长偏好的预测设备包括：存储器、处理器以及存储在存储器上的用于实现所述客户贷款时长偏好的预测方法的程序，

32、所述存储器用于存储实现客户贷款时长偏好的预测方法的程序；

33、所述处理器用于执行实现所述客户贷款时长偏好的预测方法的程序，以实现所述客户贷款时长偏好的预测方法的步骤。

34、本技术还提供一种存储介质，所述存储介质上存储有实现客户贷款时长偏好的预测方法的程序，所述实现客户贷款时长偏好的预测方法的程序被处理器执行以实现所述客户贷款时长偏好的预测方法的步骤。

35、本技术提供的一种客户贷款时长偏好的预测方法、装置、设备及存储介质，与相关技术中在存在权重偏差的情况下，会导致整体的预测结果偏差较大，使该模型对客户贷款时长偏好的预测的准确度低相比，在本技术中，获取客户的待分析特征数据；将所述待分析特征数据发送至预设的时长预测模型，基于所述时长预测模型和预设的各专家组的专家组权重，计算多个领域下所述待分析特征数据的加权结果，并基于预设的各领域的领域权重，将多个领域下的所述加权结果进行加权计算，得到时长偏好结果，其中，所述时长预测模型包括多个专家组和多个领域，所述专家组归类于所述领域下。即在本技术中，在以专家组为基础的时长预测模型上，增加领域分类维度，将专家组归类于领域下，实现对待分析特征数据进行专家组和领域两个维度的加权计算，以此降低权重偏差对整体预测结果的影响，进而提高对客户贷款时长偏好的预测的准确度。