[发明专利]一种客户预测方法、装置、电子设备及存储介质

权利要求书

1.一种客户预测方法，包括：

获取待预测客户的属性信息；以及

利用客户预测模型处理所述待预测客户的属性信息，得到针对所述待预测客户的预测结果，其中，所述客户预测模型是基于样本客户的属性信息和与所述样本客户对应的电话营销信息训练得到的。

2.根据权利要求1所述的方法，其中，所述客户预测模型是基于样本客户的属性信息和与所述样本客户对应的电话营销信息训练得到的，包括：

获取历史样本集，其中，所述历史样本集中的每个样本包括样本客户的属性信息和与所述样本客户对应的电话营销信息；

利用可微分结构搜索算法将所述历史样本集划分为搜索样本集和训练样本集；

利用所述搜索样本集对初始搜索模块进行训练，得到目标搜索模块；

基于所述目标搜索模块生成卷积神经网络模型；以及

利用所述训练样本集对所述卷积神经网络模型进行训练，得到所述客户预测模型。

3.根据权利要求2所述的方法，其中，所述目标搜索模块包括多个；

所述基于所述目标搜索模块生成卷积神经网络模型，包括：

基于多个所述目标搜索模块串联得到卷积神经网络模型。

4.根据权利要求2或3所述的方法，其中，所述搜索样本集包括搜索训练集和搜索验证集；

所述利用所述搜索样本集对初始搜索模块进行训练，得到目标搜索模块，包括：

利用所述可微分结构搜索算法确定初始搜索模块，其中，所述初始搜索模块包括至少两个搜索单元，其中，每个所述搜索单元为由至少两个节点和至少一个有向边组成的有向无环图；

确定与每个所述有向边对应的候选操作集，其中，所述候选操作集包括至少两个候选操作；

将所述搜索训练集输入到使用了第一候选操作的初始搜索模块，以输出所述搜索训练集中的每个样本客户的第一预测标识和所述第一候选操作的第一操作权重，以及，将所述搜索验证集输入使用了所述第一候选操作的初始搜索模块，以输出所述搜索验证集中的每个样本客户的第二预测标识和所述第一候选操作的第二操作权重；

根据所述第一操作权重、所述搜索训练集中的每个样本客户的真实标识和所述第一预测标识，确定第一损失函数，以及，根据所述第二操作权重、所述搜索验证集中的每个样本客户的真实标识和所述第二预测标识，确定第二损失函数；

调整结构参数和网络参数，直至所述第一损失函数和所述第二损失函数满足预设条件，则确定与每个所述有向边对应的目标操作；以及

根据所述目标操作确定目标搜索模块。

5.根据权利要求1-3中任一项所述的方法，其中，所述电话营销信息包括以下至少之一：营销产品类型、外拨类型、是否拨通、通话时长、外呼时间。

6.一种客户预测装置，包括：

获取模块，用于获取待预测客户的属性信息；以及

预测模块，用于利用客户预测模型处理所述待预测客户的属性信息，得到针对所述待预测客户的预测结果，其中，所述客户预测模型是基于样本客户的属性信息和与所述样本客户对应的电话营销信息训练得到的。

7.根据权利要求6所述的装置，其中，所述预测模块，包括：

获取子模块，用于获取历史样本集，其中，所述历史样本集中的每个样本包括样本客户的属性信息和与所述样本客户对应的电话营销信息；

划分子模块，用于利用可微分结构搜索算法将所述历史样本集划分为搜索样本集和训练样本集；

第一训练子模块，用于利用所述搜索样本集对初始搜索模块进行训练，得到目标搜索模块；

生成子模块，用于基于所述目标搜索模块生成卷积神经网络模型；以及

第二训练子模块，用于利用所述训练样本集对所述卷积神经网络模型进行训练，得到所述客户预测模型。

8.根据权利要求7所述的装置，其中，所述搜索单元搜索模块包括多个；

所述生成子模块，包括：

生成单元，用于基于多个所述搜索模块串联得到卷积神经网络模型。