[发明专利]业务的处理方法、装置、设备及存储介质

说明书

本申请实施例提供的业务的处理方法、装置、设备及存储介质，通过采用业务处理模型对待处理的业务请求所对应的业务数据进行处理，得到业务处理模型的目标变量的预测结果，并采用预设局部解释方式对目标变量的预测结果进行解释处理，得到与目标变量的预测结果对应的局部业务解释。可见，本申请实施例中通过将机器学习模型与模型解释相结合的方式，使得机器学习模型白盒化，得到关于机器学习模型的相关业务解释信息，提高了机器学习模型的可解释性，一方面提高了模型可信度，有利于提高机器学习模型在对模型可解释性要求较高的技术领域的利用率；另一方面还以便于结合上述业务解释信息来确定适合待处理的业务的用户群。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种业务的处理方法、装置、设备及存储介质。

背景技术

随着大数据和人工智能的发展，机器学习技术得到越来越广泛的应用。

现有技术中，许多机器学习模型是黑箱子模型，无法去感知它内部的工作状态，可解释性比较差。对于互联网金融、电子商务等对模型可解释性要求较高的领域，现有的黑箱子模型存在可解释性比较差，导致模型可信度较低的问题。

发明内容

本申请实施例提供一种业务的处理方法、装置、设备及存储介质，用于解决现有技术中黑箱子模型的可解释性比较差，导致模型可信度较低的问题。

第一方面，本申请实施例提供一种业务的处理方法，包括：

根据待处理的业务请求，获取与业务处理模型相关的业务数据；

采用所述业务处理模型对所述业务数据进行处理，得到所述业务处理模型的目标变量的预测结果；

采用预设局部解释方式对所述目标变量的预测结果进行解释处理，得到与所述目标变量的预测结果对应的局部业务解释；其中，所述预设局部解释方式是指用于确定所述预测结果对应的局部业务解释的计算方式。

在一种可能的实现方式中，所述方法还包括：

获取所述待处理的业务对应的专家性解释和预设模型解释；

根据所述专家性解释和/或所述预设模型解释，判断所述局部业务解释是否符合业务逻辑。

在一种可能的实现方式中，所述方法还包括：

在确定所述局部业务解释符合业务逻辑时，获取所述业务数据的各特征对所述预测结果的贡献度；

将所述各特征对所述预测结果的贡献度中大于预设贡献度的各贡献度所对应的特征作为优化特征；

基于所述优化特征，确定与所述待处理的业务相关的用户群。

在一种可能的实现方式中，所述方法还包括：

在确定所述局部业务解释不符合业务逻辑时，根据所述预设模型解释中的全局业务解释重新确定与所述业务处理模型相关的待获取业务数据；其中，所述待获取业务数据用于指示与所述业务处理模型相关的待获取的业务数据的类型。

在一种可能的实现方式中，所述业务处理模型的获取方式包括：

获取样本数据，并对所述样本数据进行预处理；

根据所述预处理后的样本数据对预配置的初始化业务处理模型进行训练，得到所述业务处理模型。

在一种可能的实现方式中，所述方法还包括：

采用预设全局解释方式对所述预处理后的样本数据进行解释处理，并根据解释结果确定与所述业务处理模型相关的待获取业务数据；其中，所述待获取业务数据用于指示与所述业务处理模型相关的待获取的业务数据的类型。