申请/专利权人：中国平安人寿保险股份有限公司

申请日：2019-09-02

公开（公告）日：2024-04-05

公开（公告）号：CN110689166B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.04.09#实质审查的生效;2020.01.14#公开

摘要：本发明涉及深度学习技术领域，揭示了一种基于随机梯度下降算法的用户行为分析方法及装置。所述方法包括：根据随机梯度下降算法获取初始函数，利用非线性规划最优性条件及余弦退火算法确定初始函数对应的样本用户行为的约束条件，通过结合初始函数及约束条件获取目标函数并求取目标函数的最优化损失确定全局最优解，构造得到深度学习模型，从而调用深度学习模型分析目标用户的用户行为，执行相应的用户策略。通过添加兼顾多个约束方向的约束条件，使得目标函数的优化过程可兼顾多个因素，并拓宽了应用场景。

主权项：1.一种基于随机梯度下降算法的用户行为分析方法，其特征在于，包括：根据待优化用户样本构造随机梯度下降算法的基础函数，通过最小化优化基础函数带来的损失求取全局最优解，得到求取所述全局最优解的初始函数如下： 其中，为所述待优化用户样本的初始数值，为针对所述待优化用户样本的预设损失数值；根据非线性规划最优性条件为所述全局最优解添加限制条件，添加所述限制条件的求取所述全局最优解的函数如下： 其中，所述限制条件表示所述全局最优解的模要小于1；根据余弦退火算法为所述限制条件添加待定系数，并以所述限制条件及所述待定系数作为约束条件对所述初始函数对应的所述待优化用户样本的用户行为进行约束，得到添加所述约束条件的求取所述全局最优解的函数如下： 其中，为所述限制条件的待定系数，所述约束条件包括所述待优化用户样本的用户的至少两个行为参数，所述行为参数包括用户的学历、工作情况及还款能力；所述根据余弦退火算法为所述限制条件添加待定系数，确定所述待定系数的预设余弦退火函数如下： 其中，St是以时间t为变量的函数，用于控制所述待定系数在随机梯度下降过程中随着优化时间t呈现余弦变化趋势；综合所述初始函数与所述约束条件对应的函数，得到求取所述全局最优解的目标函数如下： 计算所述目标函数的最优化损失确定出所述目标函数的全局最优解；根据所述全局最优解构造深度学习模型，所述深度学习模型根据所述样本用户行为划分出若干用户类型，每一所述用户类型对应于若干所述行为参数；调用所述深度学习模型分析目标用户的用户行为，得到所述目标用户的用户类型，根据所述目标用户的用户类型对所述目标用户执行相应的用户策略；其中，所述调用所述深度学习模型分析目标用户的用户行为，得到所述目标用户的用户类型，包括：分析对应于所述目标用户的用户行为的目标行为参数；检测所述目标行为参数是否匹配于所述深度学习模型中的任一所述用户类型；若是，将与所述目标行为参数相匹配的用户类型设为所述目标用户的用户类型；若否，根据所述目标行为参数更新所述深度学习模型，并得到对应于所述目标用户的用户类型。

全文数据：

权利要求：

百度查询： 中国平安人寿保险股份有限公司 一种基于随机梯度下降算法的用户行为分析方法及装置

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