[发明专利]客户流失分析模型训练方法及装置

说明书

本发明提供了一种客户流失分析模型训练方法及装置，涉及人工智能技术领域，该方法包括：获取客户业务交易数据和客户自身数据；根据客户业务交易数据和客户自身数据生成注意力特征数据；利用注意力特征数据训练目标神经网络，得到客户流失分析模型。本发明可以加强银行客户自身数据信息与客户在银行的交易信息的关联，进而构建客户流失分析模型，提升客户流失预测的精度。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种客户流失分析模型训练方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

现有的银行客户流失预测模型只是单纯使用客户在银行的业务交易数据进行客户数据分析，其预测精度有待提升。

发明内容

本发明提供了一种客户流失分析模型训练方法及装置，可以加强银行客户自身数据信息与客户在银行的交易信息的关联，进而构建客户流失分析模型，提升客户流失预测的精度。

第一方面，本发明实施例提供了一种客户流失分析模型训练方法，该方法包括：

获取客户业务交易数据和客户自身数据；

根据所述客户业务交易数据和所述客户自身数据生成注意力特征数据；

利用所述注意力特征数据训练目标神经网络，得到客户流失分析模型。

第二方面，本发明实施例还提供一种客户流失分析模型训练装置，该装置包括：

获取模块，用于获取客户业务交易数据和客户自身数据；

特征模块，用于根据所述客户业务交易数据和所述客户自身数据生成注意力特征数据；

训练模块，用于利用所述注意力特征数据训练目标神经网络，得到客户流失分析模型。

第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述客户流失分析模型训练方法。

第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述客户流失分析模型训练方法的计算机程序。

本发明实施例带来了以下有益效果：本发明实施例提供了一种客户流失分析模型训练方案，该方案包括：获取客户业务交易数据和客户自身数据；根据客户业务交易数据和客户自身数据生成注意力特征数据；利用注意力特征数据训练目标神经网络，得到客户流失分析模型。本发明实施例可以加强银行客户自身数据信息与客户在银行的交易信息的关联，进而构建客户流失分析模型，提升客户流失预测的精度。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的客户流失分析模型训练方法流程图；

图2为本发明实施例提供的注意力特征数据生成过程示意图；

图3为本发明实施例提供的注意力特征数据处理过程示意图；