[发明专利]名单数据筛选方法、装置、计算机设备及存储介质

权利要求书

1.一种名单数据筛选方法，其特征在于，包括下述步骤：

获取历史信息记录，根据所述历史信息记录确定对应的初始名单数据；

基于预设的相似度模型，获取所述初始名单数据与样本数据的总相似度；

根据所述总相似度对所述初始名单数据进行筛选，得到无效数据和候选数据；

计算所述无效数据在所述初始名单数据中的第一占比值，在所述无效数据的第一占比值小于预设占比时，对所述候选数据进行再筛选，直至累计筛选出的所述无效数据的总和在所述初始名单数据中的第二占比值大于等于所述预设占比，得到最终的可选名单数据；

基于预设的阶段模型，计算每个所述可选名单数据对应的预测评分，将所述预测评分大于等于预设评分阈值的可选名单数据，选定为最终名单数据。

2.根据权利要求1所述的名单数据筛选方法，其特征在于，在所述基于预设的相似度模型，获取所述初始名单数据与样本数据的总相似度的步骤之前还包括：

预先建立基础训练模型，基于采集的训练数据对所述基础训练模型进行训练，其中，所述训练数据包括正样本数据和负样本数据；

在所述基础训练模型对所述正样本数据和所述负样本数据的识别成功率达到预设成功率，确定所述基础训练模型训练完成，得到对应的相似度模型。

3.根据权利要求1所述的名单数据筛选方法，其特征在于，所述基于预设的相似度模型，获取所述初始名单数据与样本数据的总相似度的步骤具体包括：

将所述初始名单数据中各项数据与样本数据中对应项的数据，通过预设的相似度模型进行计算，得到所述初始名单数据中每项数据对应的子相似度；

计算所有所述子相似度的和，以及所述和在所述初始名单数据总项数中占比，所述占比即为所述初始名单数据和所述样本数据的总相似度。

4.根据权利要求1所述的名单数据筛选方法，其特征在于，所述计算每个所述可选名单数据对应的预测评分的步骤具体包括：

获取所述可选名单数据的数据类别；

根据所述数据类别对所述可选名单数据进行服务处理跟踪，得到所述可选名单数据的处理时长；

基于所述处理时长，通过预设的阶段模型计算所述可选名单数据对应的预测评分。

5.根据权利要求4所述的名单数据筛选方法，其特征在于，所述根据所述数据类别对所述可选名单数据进行服务处理跟踪，得到所述可选名单数据的处理时长的步骤具体包括：

在对所述可选名单数据进行首次服务处理时，采集所述首次服务处理的首次处理时长；

在所述首次处理时长大于等于预设处理阈值时，对所述可选名单数据进行再跟踪，获取所述再跟踪的跟踪次数及每次再跟踪的再跟踪时长；

根据所述首次处理时长、所述跟踪次数和所述再跟踪时长，加权求和计算所述可选名单数据的处理时长。

6.根据权利要求5所述的名单数据筛选方法，其特征在于，在所述采集所述首次服务处理的首次处理时长的步骤之前还包括：

在对所述可选名单数据进行服务处理跟踪时，确定是否存在服务跟踪失败，在所述服务跟踪失败的次数达到预设次数时，取消对所述可选名单数据的服务处理跟踪。

7.根据权利要求4所述的名单数据筛选方法，其特征在于，所述基于所述处理时长，通过预设的阶段模型计算所述可选名单数据对应的预测评分的步骤具体包括：

通过预设的阶段模型对所述处理时长进行归一化处理，得到所述可选名单数据对应的基础分值；

获取所述可选名单数据的历史分值，根据所述历史分值和所述基础分值，计算所述可选名单数据对应的预测评分。