(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210584714.6 (22)申请日 2022.05.27 (65)同一申请的已公布的文献号 申请公布号 CN 114676167 A (43)申请公布日 2022.06.28 (73)专利权人 太平金融科技 服务 （上海） 有限公 司深圳分公司 地址 518048 广东省深圳市福田区新洲路 立交桥西北侧新洲广场华丰大厦第3 层B1-A (72)发明人 唐文　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 姜晓云 (51)Int.Cl. G06F 16/2455(2019.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 40/08(2012.01) (56)对比文件 CN 113988221 A,202 2.01.28CN 112613983 A,2021.04.0 6 CN 113570259 A,2021.10.2 9 CN 112330048 A,2021.02.0 5 CN 110991474 A,2020.04.10 US 9171259 B1,2015.10.27 CN 10802 2146 A,2018.0 5.11 CN 109299961 A,2019.02.01 V.Umayaparvathi 等.A ttribute Selection and Customer C hurn Predicti on in Telecom I ndustry. 《2016 I nternati onal Conference o n Data Mi ning and Advanced Computing》 .2016,1-7. 韦泽鲲等.基于随机森林的流 量多特征提取 与分类研究. 《传感器与微系统》 .2016,第3 5卷 (第12期),5 5-59. 高洋.基于数据挖掘的电信客户流失预测系 统研究. 《中国优秀硕士学位 论文全文数据库信 息科技辑》 .2014,(第02期),I138- 346. 王惠.财经新闻AP P用户流失预测. 《中国优 秀硕士学位 论文全文数据库信息科技 辑》 .2021, (第03期),I138-208. (续) 审查员 廖雯雯 (54)发明名称 用户存留模 型的训练方法、 用户存留预测方 法和装置 (57)摘要 本申请涉及一种用户存留模 型的训练方法、 用户存留预测方法和装置。 所述训练方法包括： 获取原始用户数据； 对原始用户数据进行分类， 得到对应各维度的初始用户特征； 对 各维度对应 的初始用户特征进行特征分组处理， 得到对应各 维度的初始用户特征的分组特征； 根据各分组特 征的重要性指标， 从各维度的分组特征中确定目 标特征； 基于目标特征进行初始用户存留模型的 训练， 得到训练后的用户存留模型。 采用本方法 能够提升用户存留预测的准确性。 [转续页] 权利要求书3页 说明书15页 附图5页 CN 114676167 B 2022.08.30 CN 114676167 B (56)对比文件 季林华.基尼系数计算中统计分组方法的探 讨. 《江苏统计》 .20 03,(第8期),11-12. R.Prashanth 等.High Ac curacy Predictive Model ling for Customer C hurn Predicti on in Telecom I ndustry. 《2017 Internati onal Conference o n Machine Learning and Data Mi ning in Pattern Recognition》 .2017,391-402.2/2 页 2[接上页] CN 114676167 B1.一种用户存留模型的训练方法， 其特 征在于， 所述训练方法包括： 获取原始用户数据； 对所述原 始用户数据进行分类， 得到对应各维度的初始用户特 征； 对各维度对应的初始用户特征进行特征分组处理， 得到对应各维度的初始用户特征的 分组特征； 根据各分组特 征的重要性指标， 从各维度的分组特 征中确定目标 特征； 基于所述目标 特征进行初始用户存留模型的训练， 得到训练后的用户存留模型； 所述对各维度对应的初始用户特征进行特征分组处理， 得到对应各维度的初始用户特 征的分组特 征， 包括： 基于各维度的初始用户特 征， 确定对应各维度特 征分组处理的特征分组边界； 根据所述特征分组边界， 对对应维度的初始用户特征进行分组， 得到对应的各分组特 征； 所述基于各维度的初始用户特征， 确定对应各维度特征分组处理的特征分组边界， 包 括： 对各维度的初始用户特 征进行排序， 得到排序后的初始用户特 征； 确定排序后的初始用户特征中任意相邻初始用户特征为参考特征， 并确定对应各所述 参考特征的特征分裂点； 从所述特征分裂点中确定特征分界点， 并将所述特征分界点作为特征分组边界， 包括： 逐个计算每个特征分裂点的Gi ni值， 并选取最大的Gi ni值作为特 征分界点； 所述从所述特 征分裂点中确定特 征分界点， 包括： 确定各所述特征分裂点的分裂系数； 基于所述分裂系数， 确定对应所述 排序后的初始用户特 征的特征分界点； 根据所述特征分裂点对所述排序后的初始用户特征进行拆分， 并将拆分后的初始用户 特征作为排序后的初始用户特征， 继续确定对应的特征分界点， 直至得到预设数量的特征 分界点； 所述根据各分组特 征的重要性指标， 从各维度的分组特 征中确定目标 特征， 包括： 基于各分组特征， 确定对应的用户存留信 息量以及用户流失信 息量， 其中， 所述用户存 留信息量是指各分组特征中存留用户的信息熵的大小， 所述用户流 失信息量是指各分组特 征中流失用户的信息熵的大小； 根据所述用户存留信息量以及用户流失信息量， 得到各分组特 征的重要性指标； 确定满足预设指标 条件的分组特 征为目标 特征。 2.根据权利要求1所述的训练方法， 其特征在于， 所述对各维度对应的初始用户特征进 行特征分组处理， 得到对应各维度的初始用户特 征的分组特 征之前， 还 包括： 对各维度的初始用户特征进行数据类型的识别， 确定对应各维度的初始用户特征的数 据类型； 基于各所述数据类型， 对各所述初始用户特征进行数据转换和/或缺失填充预处理， 得 到预处理后的各初始用户特 征； 所述对各维度对应的初始用户特征进行特征分组处理， 得到对应各维度的初始用户特 征的分组特 征， 包括：权　利　要　求　书 1/3 页 2 CN 114676167 B 3