申请/专利权人：浙江极氪智能科技有限公司;浙江吉利控股集团有限公司

申请日：2023-12-19

公开（公告）日：2024-04-26

公开（公告）号：CN117934089A

主分类号：G06Q30/0282

分类号：G06Q30/0282;G06Q30/0202;G06F18/214;G06N3/04;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本申请公开了一种线索评级模型的训练方法及其装置、评级方法和存储介质。该训练方法包括：构建待预测的线索转化周期内不同时间段的天级样本和具有对应的转化标签的延时桶；将不同时间段的天级样本和延时桶输入至多任务网络结构的预设神经网络模型中，按延时桶的时间顺序依次进行训练得到时延模型，同时训练得到前一周期的样本对应的线索转化模型；根据线索转化模型对每个延时桶对应的时延模型按照延时桶的时间顺序依次进行监督学习，训练得到线索评级模型。本申请根据前一周期样本构建的线索转化模型对待预测周期中每个延时桶对应的时延模型按照延时桶的时间顺序依次进行监督学习，解决了样本延迟问题，能够训练得到评分更准确的线索评级模型。

主权项：1.一种线索评级模型的训练方法，其特征在于，所述训练方法包括：构建待预测的线索转化周期内不同时间段的天级样本和具有对应的转化标签的延时桶，及获取待预测的线索转化周期的前一周期内的天级样本；其中，每个所述天级样本的所述转化标签在不同所述延时桶内不同，不同的所述延时桶对应所述待预测的线索转化周期的不同时间段；将不同时间段的所述天级样本和所述延时桶输入至多任务网络结构的预设神经网络模型中，按所述延时桶的时间顺序依次进行训练得到时延模型，同时将所述待预测的线索转化周期的前一周期内的天级样本输入至多所述任务网络结构的预设神经网络模型中进行训练得到线索转化模型；其中，一个所述延时桶对应一个所述时延模型；根据所述线索转化模型对每个延时桶对应的所述时延模型按照所述延时桶的时间顺序依次进行监督学习，训练得到所述线索评级模型。

全文数据：

权利要求：

百度查询： 浙江极氪智能科技有限公司;浙江吉利控股集团有限公司 线索评级模型的训练方法及其装置、评级方法和存储介质

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