申请/专利权人：平安科技(深圳)有限公司

申请日：2020-05-13

公开（公告）日：2022-08-12

公开（公告）号：CN111666494B

主分类号：G06F16/9535

分类号：G06F16/9535;G06N3/04;G06N3/08;G06N20/00;G16H20/30;G16H20/60;G06Q30/06

优先权：

专利状态码：有效-授权

法律状态：2022.08.12#授权;2020.11.13#实质审查的生效;2020.09.15#公开

摘要：本发明公开了一种分群决策模型生成、分群处理方法、装置、设备及介质。所述方法包括：获取个体样本数据中个体特征的短期贡献和长期贡献，将短期贡献和长期贡献输入至预设的贡献度函数后，输出特征贡献度；将特征贡献度输入至预设reward函数后，输出reward值，并将个体样本数据的群体知识值标签定义为行为变量，将个体样本数据的个体特征定义为状态变量；将行为变量、状态变量和reward值输入至待训练预设分群决策模型进行训练，获取生成的Q值，并将reward值和Q值输入至损失函数后获取损失值；在判定损失值不再下降时，将待训练分群决策模型标记为训练完成的分群决策模型。本发明还涉及区块链技术，所述个体样本数据可存储于区块链节点中。

主权项：1.一种分群处理方法，其特征在于，包括：获取待分群的个体样本数据，利用预设分群决策树建立至少两个群体知识库；每一个所述群体知识库中均包含与所有所述个体样本数据关联的群体知识，所述个体样本数据中包括多个个体特征；至少两个所述群体知识库中与同一个所述个体样本数据关联的群体知识相互冲突；通过特征贡献度评估器的预测短期结局模型调用SHAP方法评估所述个体样本数据中个体特征的短期贡献，通过所述特征贡献度评估器的预测长期结局模型调用SHAP方法评估所述个体样本数据中个体特征的长期贡献，将所述短期贡献和所述长期贡献输入至所述特征贡献度评估器的预设的贡献度函数后，输出所述个体特征的特征贡献度；所述特征贡献度评估器基于XGBoost模型的SHAP方法建立；获取所述个体样本数据与各所述群体知识库中相关联的所述群体知识之间的匹配关系，根据获取的所有所述匹配关系为所述个体样本数据标记样本群体值标签后，将所述个体样本数据的所有所述个体特征的特征贡献度输入至预设reward函数后，输出所述个体样本数据的reward值，并将所述个体样本数据的群体知识值标签定义为行为变量，将所述个体样本数据的个体特征定义为状态变量；将所述个体样本数据的行为变量、状态变量和reward值输入至待训练预设分群决策模型的free-stableDQN网络中的四层DQN网络进行依次训练，获取free-stableDQN网络的输出层根据所述行为变量和所述状态变量生成Q值，并将所述个体样本数据的所述reward值和所述Q值输入至所述待训练预设分群决策模型的损失函数后获取所述个体样本数据的损失值；所述四层DQN网络分别为输入层、两层隐藏层和输出层，且四层DQN网络为全连接；在判定所述个体样本数据在经历过预设训练早停系数后所述损失值不再下降时，将所述待训练预设分群决策模型标记为训练完成的分群决策模型；获取待确定群体的个体数据，并获取所述个体数据中与至少两个群体知识库一一对应的至少两个分群决策结果；一个所述群体知识库包含至少一个确定群体，所述分群决策结果是指所述个体数据属于所述群体知识库中包含的其中一个所述确定群体；一个所述确定群体与一个所述群体知识库中的一个群体知识关联；所述确定群体包括多种饮食群体；所述个体数据是指所述确定群体对应的个体特征，所述个体特征包括健康情况个体特征、饮食情况个体特征、短期结局个体特征和长期结局个体特征；所述群体知识库中的群体知识为饮食方式推荐的人群划分方式；若至少两个所述分群决策结果不一致，则将所述个体数据输入至所述分群决策模型后，得到所述分群决策模型输出的最终分群结果；所述最终分群结果与其所属的个体数据的群体值标签关联；若至少两个所述分群决策结果均一致，则确定该分群决策结果为所述个体数据的最终分群结果。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 分群决策模型生成、分群处理方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD