[发明专利]资产预测方法、系统、终端设备及存储介质

权利要求书

1.一种资产预测方法，其特征在于，所述方法包括如下步骤：

获取待预测样本；

将所述待预测样本输入预先创建的资产预测模型中进行预测，得到预测概率；

根据所述预测概率对所述待预测样本进行选择，得到潜在客户，并将所述潜在客户纳入白名单，以根据所述白名单的潜在客户进行营销推广。

2.根据权利要求1所述的资产预测方法，其特征在于，所述将所述待预测样本输入预先创建的资产预测模型中进行预测，得到预测概率的步骤之前包括：

训练所述资产预测模型；

其中，所述训练所述资产预测模型的步骤包括：

获取正样本、负样本；

对所述正样本、负样本进行训练，得到所述资产预测模型；

通过所述资产预测模型对所述正样本、负样本进行打分，得到评分分数；

基于所述评分分数，对所述正样本、负样本进行筛选，得到种子样本；

将所述种子样本回传到所述资产预测模型，对所述负样本进行更新；并返回执行步骤：对所述正样本、负样本进行训练，得到所述资产预测模型；

以此循环，进行参数迭代，直到所述资产预测模型收敛，终止训练，得到训练后的资产预测模型。

3.根据权利要求2所述的资产预测方法，其特征在于，所述基于所述评分分数，对所述正样本、负样本进行筛选，得到种子样本的步骤之后包括：

对所述种子样本赋予标签，得到标签样本；

所述将所述种子样本回传到所述资产预测模型，对所述负样本进行更新；并返回执行步骤：对所述正样本、负样本进行训练，得到所述资产预测模型的步骤包括：

将所述标签样本回传到所述资产预测模型，对所述负样本进行更新；并返回执行步骤：对所述正样本、负样本进行训练，得到所述资产预测模型；

所述以此循环，进行参数迭代，直到所述资产预测模型收敛，终止训练，得到训练后的资产预测模型的步骤包括：

以此循环，进行参数迭代，当预设比例的所述负样本为所述标签样本时，终止训练，得到训练后的资产预测模型；或

以此循环，进行参数迭代，当所述负样本的容量饱和时，终止训练，得到训练后的资产预测模型。

4.根据权利要求2所述的资产预测方法，其特征在于，所述对所述正样本、负样本进行训练，得到所述资产预测模型的步骤之前包括：

获取所述待预测样本的应用程序使用数据；

所述对所述正样本、负样本进行训练，得到所述资产预测模型的步骤包括：

根据所述应用程序使用数据，对所述正样本、负样本进行训练，得到所述资产预测模型。

5.根据权利要求2所述的资产预测方法，其特征在于，所述获取正样本、负样本的步骤包括：

获取训练样本；

根据预设标准对所述训练样本进行剔除，得到样本集；

判断所述样本集的样本是否具有预设资产；

若所述样本集的样本具有所述预设资产，则将所述样本集的样本作为所述正样本；

若所述样本集的样本不具有所述预设资产，则将所述样本集的样本作为所述负样本。

6.根据权利要求2所述的资产预测方法，其特征在于，所述对所述正样本、负样本进行训练，得到所述资产预测模型的步骤包括：

基于机器学习算法，对所述正样本、负样本进行训练，得到所述资产预测模型。

7.根据权利要求2所述的资产预测方法，其特征在于，所述基于所述评分分数，对所述正样本、负样本进行筛选，得到种子样本的步骤包括：

对所述评分分数进行排序，得到排序结果；

基于所述排序结果，对所述正样本、负样本进行筛选，得到所述种子样本。

8.一种资产预测系统，其特征在于，包括：

样本获取模块，用于获取待预测样本；

概率预测模块，用于将所述待预测样本输入预先创建的资产预测模型中进行预测，得到预测概率；

样本选择模块，用于根据所述预测概率对所述待预测样本进行选择，得到潜在客户，并将所述潜在客户纳入白名单，以根据所述白名单的潜在客户进行营销推广。