[发明专利]一种业务规则自动生成方法和系统

说明书

本说明书实施例公开了一种业务规则自动生成方法和系统。所述方法包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对应的特征数据训练树模型；基于训练出的树模型生成业务规则。

技术领域

本说明书涉及人工智能技术领域，特别涉及一种业务规则自动生成方法和系统。

背景技术

规则天然具备可解释性，便于人们去理解和推理。例如，规则可以是关于如何根据与业务领域中某对象相关的特征的特征数据进行判断，进而对该对象进行定性或归类的原则。与对象相关的特征可以多种多样，如何从众多特征中筛选出更有价值的特征用于制定规则是人们关心的问题。现有的做法是业务人员根据自身经验制定规则，这受限于人员的经验，同时效率不高。如此，本说明书提供一种基于人工智能技术的规则自动生成方法，提供易于人类理解和推理的规则。

发明内容

本说明书实施例之一提供一种业务规则自动生成方法，所述方法由处理器执行，其中，包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图；其中，因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个：利用多个样本的标签数据和在该因果图中的特征对应的特征数据，训练树模型；基于训练出的树模型生成业务规则。

本说明书实施例之一提供一种树模型训练方法，其中，所述方法由处理器执行，其包括：获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；对于一个或多个因果图中的任一个：利用多个样本的标签数据和在该因果图中的特征对应的特征数据，训练树模型。

本说明书实施例之一提供一种业务规则自动生成系统，其中，包括数据获取模块、因果图学习模块、树模型训练模块以及规则生成模块；所述数据获取模块用于获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；所述因果图学习模块用于基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；所述树模型训练模块用于对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对应的特征数据训练树模型；所述规则生成模块用于基于训练出的树模型生成业务规则。

本说明书实施例之一提供一种树模型训练系统，其中，包括数据获取模块、因果图学习模块和树模型训练模块；所述数据获取模块用于获取多个样本的业务数据，每个样本的业务数据包括该样本的标签数据和N个特征对应的特征数据，N为不小于2的整数；所述因果图学习模块用于基于多个样本的特征数据进行因果图学习，得到一个或多个因果图，所述因果图包括两个以上存在因果关联的特征；所述树模型训练模块用于对于一个或多个因果图中的任一个，利用多个样本的标签数据和在该因果图中的特征对应的特征数据训练树模型。

本说明书实施例之一提供一种业务规则自动生成装置，其中，包括处理器和存储设备，所述存储设备用于存储指令，当所述处理器执行指令时，实现如本说明书任一实施例所述的业务规则自动生成方法。

本说明书实施例之一提供一种树模型训练装置，其中，包括处理器和存储设备，所述存储设备用于存储指令，当所述处理器执行指令时，实现如本说明书任一实施例所述的树模型训练方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：