CN110163662A - 一种业务模型训练方法、装置及设备 - Google Patents

Abstract

本申请公开了一种业务模型训练方法、装置及设备。方法包括：对于缺乏样本数据的冷启动产品，首先，确定该产品的用户群体，然后，采集该用户群体的样本数据，并采集同一用户群体的与该产品关联的其他产品的样本数据，以弥补该产品的样本数据的不足。

Description

一种业务模型训练方法、装置及设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种业务模型训练方法、装置及设 备。

背景技术

个性化推荐用于在海量数据挖掘的基础上向顾客提供个性化的信息服务 和决策支持。

但对于冷启动产品，由于可累计的样本数据较少，难以满足产品相关业务 模型的建模需求，因此，需要提供更加可靠的方案。

发明内容

本说明书实施例提供一种业务模型训练方法，用以解决产品冷启动的问 题。

本说明书实施例还提供一种业务模型训练方法，包括：

确定第一产品的用户群体；

确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为 使用所述第一产品的历史业务数据，所述第二样本数据为使用与所述第一产品 关联的第二产品的历史业务数据；

基于所述第一样本数据和所述第二样本数据，训练所述第一产品的业务模 型。

本说明书实施例还提供一种业务模型训练方法，包括：

确定第一放款产品的用户群体；

确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为 使用所述第一放款产品的历史放款数据，所述第二样本数据为使用与所述第一 放款产品关联的第二放款产品的历史放款数据；

基于所述第一样本数据和所述第二样本数据，训练所述第一放款产品的放 款业务模型。

本说明书实施例还提供一种业务模型训练装置，包括：

确定模块，用于确定第一产品的用户群体；

处理模块，用于确定所述用户群体的第一样本数据和第二样本数据，所述 第一样本数据为使用所述第一产品的历史业务数据，所述第二样本数据为使用 与所述第一产品关联的第二产品的历史业务数据；

训练模块，用于基于所述第一样本数据和所述第二样本数据，训练所述第 一产品的业务模型。

本说明书实施例还提供一种业务模型训练装置，包括：

确定模块，用于确定第一放款产品的用户群体；

处理模块，用于确定所述用户群体的第一样本数据和第二样本数据，所述 第一样本数据为使用所述第一放款产品的历史放款数据，所述第二样本数据为 使用与所述第一放款产品关联的第二放款产品的历史放款数据；

训练模块，用于基于所述第一样本数据和所述第二样本数据，训练所述第 一放款产品的放款业务模型。

本说明书实施例还提供一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使 所述处理器执行如上述的方法的步骤。

本说明书实施例还提供一种计算机可读存储介质，其特征在于，所述计算 机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如 上述的方法的步骤。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

对于缺乏样本数据的冷启动产品的模型训练，通过确定冷启动产品的用户 群体，并采集同一用户群体使用与冷启动产品关联的其他产品的样本数据，以 弥补冷启动产品的样本数据的不足，进而有效提高业务模型的训练效率和训练 精度。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部 分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不 当限定。在附图中：

图1为本说明书提供的一种应用场景的示意图；

图2为本说明书一实施例提供的一种业务模型训练方法的流程示意图；

图3为本说明书另一实施例提供的一种业务模型训练方法的流程示意图；

图4为本说明书一实施例提供的确定用户的最佳业务路径步骤的流程示意 图；

图5为本说明书又一实施例提供的业务模型训练方法的流程示意图；

图6为本说明书一实施例提供的一种业务模型训练装置的结构示意图；

图7为本说明书另一实施例提供的一种业务模型训练装置的结构示意图；

图8为本说明书一实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实 施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的 实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施 例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例，都属于本申请保护的范围。

正如背景技术部分陈述的，对于冷启动产品，由于缺乏足够的样本数据， 因此，其训练出的业务模型难以达到使用者预期的效果。基于此，本发明提供 一种业务模型训练方法，通过采集该冷启动产品的用户群体使用与该冷启动产 品关联的其他产品的样本数据，并使用该样本数据和该冷启动产品的样本数据 一并训练业务模型，以弥补样本数据的不足，从而提高业务模型的训练效率和 训练精度。

下面参见图1对本发明的应用场景进行示例性说明。

本应用场景中包括：第一服务器101、第一数据库102、第二服务器103 和第二数据库104，其中：

第一数据库102为冷启动产品的数据库，用于存放冷启动产品的用户业务 数据；第二数据库104为与冷启动产品关联的目标产品的数据库，用于存放目 标产品的用户业务数据；

第一服务器101，用于从第一数据库102中读取冷启动产品的用户的样本 数据，并通过目标产品的第二服务器103从第二数据库104中，读取冷启动产 品的用户使用目标产品的用户业务数据，基于读取的样本数据训练冷启动产品 的业务模型。

其中，冷启动产品可以为目标产品的改进产品，也可以为目标产品的合作 授权的产品；第一服务器101和第二服务器103可以为同一服务器，第一数据 库102和第二数据库104可以为同一服务器。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图2为本说明书一实施例提供的一种业务模型训练方法的流程示意图，该 方法可由图1中的服务器101执行，参见图2，该方法具体可以包括如下步骤：

步骤202、确定第一产品的用户群体；

其中，第一产品为冷启动产品，其对应的用户数据量无法满足建模需求。

需要说明的是，对于由用户侧发起用户注册的产品，步骤202的第一种实 现方式可以为：

记录用户使用第一产品的过程中进行的注册、登录等步骤，对用户的注册 信息、登录信息等进行统计分析，确定用户的身份信息并记录，从而得到第一 产品的用户群体。

对于由产品服务器侧进行用户划分的产品，步骤202的第二种实现方式可 以为：

确定产品服务器从用户总群中划分给第一产品的用户群体。

其中，产品服务器下可以有多款关联的产品，其用户总群是指在产品服务 器注册的且可通用于该多款产品的用户总和；该多款产品之间的关系可以是相 互授权的，也可以是同一产品的不同版本或不同模式。

基于此，为确保用户群体的时效性，在执行步骤202之前，本实施例还包 括：确定最新用户群体的步骤，该步骤具体可以为：

确定所述第一产品的用户变化数据；基于所述用户变化数据，对所述用户 群体进行用户调整处理。

以步骤202的第二种实现方式为例，周期性地检测是否有来自于产品服务 器侧的用户变化数据，若是，则基于用户变化数据向用户群体中增加用户或从 用户群体中删除部分用户，并将更新后的用户群体作为最新用户群体；否则， 将当前的用户群体作为最新用户群体。

步骤204、确定所述用户群体的第一样本数据和第二样本数据，所述第一 样本数据为使用所述第一产品的历史业务数据，所述第二样本数据为使用与所 述第一产品关联的第二产品的历史业务数据；

其中，第二产品和第一产品的关系优选为第一产品为所述第二产品的改进 产品。

需要说明的是，为提高样本数据的准确性，本实施例进一步公开了生成第 二样本数据的步骤，该步骤具体可以为：

获取所述第二产品的历史用户数据，所述历史用户数据包括：用户标识和 用户办理的业务数据；基于所述用户群体中的用户的用户标识，从所述历史用 户数据中筛选出所述用户群体对应的业务数据，以生成所述第二样本数据。

其中，用户标识可以为用户注册时填写的手机号、证件号、邮箱等，也可 以为第二产品的服务器为用户分配的识别码等。

以借款业务为例，记录的第二产品的历史用户数据具体可以包括：借款人、 借款金额、放款人、借款时间、放款时间等等，进而可从中提取出包含在第一 产品的用户群体的借款人的历史借款数据。

其中，放款人可以商业银行、各种非银行金融机构等资金机构，用于向企 业、个人等提供资金。

基于此，通过统计第二产品的用户标识及其业务数据，可准确统计出与第 一产品的用户群体相同用户群体的第二样本数据，为后续模型训练提供数据支 持。

进一步地，为保证第二样本数据的时效性，可设置样本数据的有效时间范 围，并提取第二产品的历史用户数据中有效时间范围内的业务数据，得到第二 样本数据。其中，有效时间范围可基于具体需要灵活设置。

步骤206、基于所述第一样本数据和所述第二样本数据，训练所述第一产 品的业务模型。

其中，业务模型可以用于向目标业务涉及的主体推荐业务相关的信息，或 预测目标业务的相关指标。

以借款业务为例，该业务模型可预测今后一段时间内第一产品的用户群体 的借款总额，以向相关资金机构推荐需准备的资金总额；而且，当资金机构为 多个时，为提高业务模型的多功能性，业务模型还可基于各资金机构对应的分 流权重，对资金总额进行划分处理，以得到每个资金机构需准备的金额。

其中，分流权重可由各资金机构与第一产品的提供商之间的协议而定，此 处不做详述。

可见，本实施例对于缺乏样本数据的冷启动产品的模型训练，通过确定冷 启动产品的用户群体，并采集同一用户群体使用与冷启动产品关联的其他产品 的样本数据，以弥补冷启动产品的样本数据的不足，进而有效提高业务模型的 训练效率和训练精度。

图3为本说明书另一实施例提供的一种业务模型训练方法的流程示意图， 该方法可由图1中的服务器101执行，参见图3，该方法具体可以包括如下步 骤：

步骤302、确定第一产品的至少一个业务路径；

其中，业务路径是指用户办理目标业务可提供的路径，例如：对于借款业 务，其业务路径包括：由第一产品自家的资金机构进行放款、由合作的资金机 构进行放款、由第一产品自家的资金机构与其他资金机构进行联合放款等等。

步骤304、确定目标业务路径对应的目标用户子群体；

其中，目标业务路径为所述至少一个业务路径中的任意一个，目标用户子 群体为第一产品的用户群体中选择目标业务路径的用户集合。

参见图4，步骤304的一种实现方式可以为：

步骤402、确定所述用户群体中的各用户对应的最佳业务路径；

其中，所述最佳业务路径可以是指最适合用户的业务办理路径，也可以是 指用户选定的业务路径。

基于此，步骤402的的一种实现方式可以为：

确定所述用户群体中的用户提供的业务办理材料；基于所述业务办理材 料，确定所述用户中的用户对应的最佳业务路径。

其中，业务办理材料是指用户办理目标业务时提交的相关材料。

以借款业务为例，步骤402具体可以示例为：

获取用户提交的借款材料-借款申请表，检测借款申请表中是否有用户选 定的资金机构，若是，则将用户选定的资金机构对应的借款路径作为最佳业务 路径；若否，则将该用户账户下绑定的银行卡对应借款路径作为最佳业务路径； 若用户没有绑定银行卡，则进一步识别用户的身份信息，并基于用户的身份信 息，查看该用户已有的银行卡、券商账户等，或用户常用的银行卡、券商账户 等，并将其推荐给用户，供用户选择，并将用户选择的资金机构对应的借款路 径作为最佳业务路径。

步骤404、确定所述用户群体中的目标用户，以生成所述目标用户子群体；

其中，目标用户为对应的最佳业务路径为目标业务路径的用户。

需要说明的是，步骤404具体可以示例为：

以借款业务为例，基于步骤403可确定用户群体中的每个用户对应的最佳 借款路径，对用户群体中的用户进行聚类处理，以得到每个最佳借款路径对应 的用户子群体，进而得到目标业务路径对应的目标用户子群体。

步骤306、确定所述用户子群体的第一样本数据和第二样本数据，所述第 一样本数据为使用所述第一产品的历史业务数据，所述第二样本数据为使用与 所述第一产品关联的第二产品的历史业务数据；

为提高模型训练精度，本实施例还进一步区分不同业务路径对应的样本数 据，以训练出可区分不同业务路径的业务模型。以借款业务为例，步骤306的 一种实现方式可以为：

将步骤304确定的每个业务路径对应的用户子群体的用户标识与第二产品 的历史业务数据中的用户标识进行匹配，以从中提取出相匹配的用户的历史业 务数据，进而得到每个业务路径对应的第二样本数据。

步骤308、基于所述目标用户子群体的第一样本数据和第二样本数据，训 练所述目标业务路径对应的业务模型。

不难理解的是，各业务路径对应的业务模型可以为相互独立的模型，也可 以为一个模型。对于后一种情况，可将业务路径作为模型训练的一个特征进行 训练，具体可以为：

基于各业务路径的目标用户子群体对应的第一样本数据和第二样本数据， 训练所述第一产品的业务模型。

基于此，可基于训练完成的所述目标业务路径的业务模型，预测所述目标 业务路径对应的业务需求数据；

其中，所述业务需求数据用于表征所述用户子群体办理相关业务所需的资 源量；以所述相关业务为借款业务作示例，所述业务需求数据为所述目标业务 路径对应的资金机构需准备的资金总额。

进一步地，当所述目标业务路径对应的资金机构为多个时，为提高金额推 荐精度，本实施例还包括：金额分流步骤，该步骤具体可以为：

确定各资金机构对应的分流权重；基于所述分流权重和所述资金总额，确 定各资金机构需准备的资金额。

可见，本实施例在图2对应的实施例的基础上，从业务路径的维度对冷启 动产品的模型训练进行了优化，通过确定各业务路径对应的用户子群体，并采 集同一用户子群体使用与冷启动产品关联的其他产品的样本数据，以弥补冷启 动产品的样本数据的不足，进而进一步地提高业务模型的训练效率和训练精 度。

图5为本说明书又一实施例提供的业务模型训练方法的流程示意图，参见 图5，该方法具体可以包括如下步骤：

步骤502、确定第一放款产品的用户群体；

步骤504、确定所述用户群体的第一样本数据和第二样本数据，所述第一 样本数据为使用所述第一放款产品的历史放款数据，所述第二样本数据为使用 与所述第一放款产品关联的第二放款产品的历史放款数据；

其中，第一放款产品和第二放款产品的关系优选为第一放款产品为第二放 款产品的改进产品，例如：第一放款产品为由产品自家的资金机构进行放款， 第二放款产品为由自家的字迹机构和其他合作的资金机构进行放款。

基于此，需要说明的是，步骤502的一种实现方式可以为：

获取所述第二放款产品的历史用户数据，所述历史用户数据包括：用户标 识和用户办理的放款业务数据；基于所述用户群体中的用户的用户标识，从所 述历史用户数据中筛选出所述用户群体对应的放款业务数据，以生成所述第二 样本数据。

步骤506、基于所述第一样本数据和所述第二样本数据，训练所述第一放 款产品的放款业务模型。

进一步地，可基于训练完成的放款业务模型，确定所述第一放款产品的预 期放款量。

其中，预期放款量是指预估的用户通过第一放款产品发起的借款额。

可见，本实施例对于缺乏样本数据的冷启动放款产品的模型训练，通过确 定冷启动放款产品的用户群体，并采集同一用户群体使用与冷启动放款产品关 联的其他放款产品的样本数据，以弥补冷启动放款产品的样本数据的不足，进 而有效提高放款业务模型的训练效率和训练精度。

另外，对于上述方法实施方式，为了简单描述，故将其都表述为一系列的 动作组合，但是本领域技术人员应该知悉，本发明实施方式并不受所描述的动 作顺序的限制，因为依据本发明实施方式，某些步骤可以采用其他顺序或者同 时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施方式均属 于优选实施方式，所涉及的动作并不一定是本发明实施方式所必须的。

图6为本说明书一实施例提供的一种业务模型训练装置的结构示意图，参 见图6，该装置具体可以包括：确定模块601、处理模块602和训练模块603， 其中：

确定模块601，用于确定第一产品的用户群体；

处理模块602，用于确定所述用户群体的第一样本数据和第二样本数据， 所述第一样本数据为使用所述第一产品的历史业务数据，所述第二样本数据为 使用与所述第一产品关联的第二产品的历史业务数据；

训练模块603，用于基于所述第一样本数据和所述第二样本数据，训练所 述第一产品的业务模型

可选的，处理模块602，具体用于：

获取所述第二产品的历史用户数据，所述历史用户数据包括：用户标识和 用户办理的业务数据；基于所述用户群体中的用户的用户标识，从所述历史用 户数据中筛选出所述用户群体对应的业务数据，以生成所述第二样本数据。

可选的，所述第一产品为所述第二产品的改进产品。

可选的，所述第一产品包括：至少一个业务路径，确定模块601，还用于 确定所述用户群体中的目标用户子群体，所述目标用户子群体中的用户为目标 业务路径关联的用户；

其中，训练模块603，具体用于：

基于所述目标用户子群体的第一样本数据和第二样本数据，训练所述目标 业务路径对应的业务模型。

可选的，确定模块601，具体用于：

确定所述用户群体中的各用户对应的最佳业务路径；确定所述用户群体中 的目标用户，以生成所述目标用户子群体；其中，目标用户为对应的最佳业务 路径为目标业务路径的用户。

可选的，确定模块601，具体用于：

确定所述用户群体中的用户提供的业务办理材料；基于所述业务办理材 料，确定所述用户中的用户对应的最佳业务路径。

可选的，装置还包括：

预测模块，用于基于训练完成的所述目标业务路径的业务模型，预测所述 目标业务路径对应的业务需求数据；

其中，所述业务需求数据用于表征所述用户子群体办理相关业务所需的资 源量。

可选的，所述相关业务为借款业务时，所述业务需求数据为所述目标业务 路径对应的资金机构需准备的资金总额。

可选的，当所述目标业务路径对应的资金机构为多个时，装置还包括：

分流模块，用于确定各资金机构对应的分流权重；基于所述分流权重和所 述资金总额，确定各资金机构需准备的资金额。

可选的，装置还包括：

用户调整模块，用于确定所述第一产品的用户变化数据；基于所述用户变 化数据，对所述用户群体进行用户调整处理。

可见，本实施例对于缺乏样本数据的冷启动产品的模型训练，通过确定冷 启动产品的用户群体，并采集同一用户群体使用与冷启动产品关联的其他产品 的样本数据，以弥补冷启动产品的样本数据的不足，进而有效提高业务模型的 训练效率和训练精度。

图7为本说明书另一实施例提供的一种业务模型训练装置的结构示意图， 参见图7，该装置具体可以包括：确定模块701、处理模块702和训练模块703， 其中：

确定模块701，用于确定第一放款产品的用户群体；

处理模块702，用于确定所述用户群体的第一样本数据和第二样本数据， 所述第一样本数据为使用所述第一放款产品的历史放款数据，所述第二样本数 据为使用与所述第一放款产品关联的第二放款产品的历史放款数据；

训练模块703，用于基于所述第一样本数据和所述第二样本数据，训练所 述第一放款产品的放款业务模型。

可选的，装置还包括：

预测模块，用于基于训练完成的放款业务模型，确定所述第一放款产品的 预期放款量。

可选的，当所述第一放款产品对应的资金机构为多个时，装置还包括：

分流模块，用于确定各资金机构对应的分流权重；基于所述分流权重和所 述预期放款量，确定各资金机构需准备的资金额。

可选的，处理模块702，具体用于：

获取所述第二产品的历史用户数据，所述历史用户数据包括：用户标识和 用户办理的放款业务数据；基于所述用户群体中的用户的用户标识，从所述历 史用户数据中筛选出所述用户群体对应的放款业务数据，以生成所述第二样本 数据。

可选的，所述第一产品为所述第二产品的改进产品。

可选的，所述第一产品包括：至少一个放款业务路径，确定模块701，还 用于确定所述用户群体中的目标用户子群体，所述目标用户子群体中的用户为 目标放款业务路径关联的用户；

其中，所述训练模块703，具体用于：

基于所述目标用户子群体的第一样本数据和第二样本数据，训练所述目标 放款业务路径对应的放款业务模型。

可选的，确定模块701，具体用于：

确定所述用户群体中的各用户对应的最佳放款业务路径；确定所述用户群 体中的目标用户，以生成所述目标用户子群体；

其中，目标用户为对应的最佳放款业务路径为目标放款业务路径的用户。

可选的，确定模块701，具体用于：

确定所述用户群体中的用户提供的业务办理材料；基于所述业务办理材 料，确定所述用户中的用户对应的最佳业务路径。

可选的，装置还包括：

用户调整模块，用于确定所述第一产品的用户变化数据；基于所述用户变 化数据，对所述用户群体进行用户调整处理。

可见，本实施例对于缺乏样本数据的冷启动放款产品的模型训练，通过确 定冷启动产品的用户群体，并采集同一用户群体使用与冷启动放款产品关联的 其他放款产品的样本数据，以弥补冷启动放款产品的样本数据的不足，进而有 效提高放款业务模型的训练效率和训练精度。

另外，对于上述装置实施方式而言，由于其与方法实施方式基本相似，所 以描述的比较简单，相关之处参见方法实施方式的部分说明即可。应当注意的 是，在本发明的装置的各个部件中，根据其要实现的功能而对其中的部件进行 了逻辑划分，但是，本发明不受限于此，可以根据需要对各个部件进行重新划 分或者组合。

图8为本说明书一实施例提供的一种电子设备的结构示意图，参见图8， 该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当 然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的 计算机程序到内存中然后运行，在逻辑层面上形成业务模型训练装置。当然， 除了软件实现方式之外，本申请并不排除其他实现方式，比如逻辑器件抑或软 硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑 单元，也可以是硬件或逻辑器件。

网络接口、处理器和存储器可以通过总线系统相互连接。总线可以是 ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总 线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但 并不表示仅有一根总线或一种类型的总线。

存储器用于存放程序。具体地，程序可以包括程序代码，所述程序代码包 括计算机操作指令。存储器可以包括只读存储器和随机存取存储器，并向处理 器提供指令和数据。存储器可能包含高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例 如至少1个磁盘存储器。

处理器，用于执行所述存储器存放的程序，并具体执行：

确定第一产品的用户群体；

确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为 使用所述第一产品的历史业务数据，所述第二样本数据为使用与所述第一产品 关联的第二产品的历史业务数据；

基于所述第一样本数据和所述第二样本数据，训练所述第一产品的业务模 型。

或者，

确定第一放款产品的用户群体；

确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为 使用所述第一放款产品的历史放款数据，所述第二样本数据为使用与所述第一 放款产品关联的第二放款产品的历史放款数据；

基于所述第一样本数据和所述第二样本数据，训练所述第一放款产品的放 款业务模型。

上述如本申请图6-7所示实施例揭示的业务模型训练装置或管理者 (Master)节点执行的方法可以应用于处理器中，或者由处理器实现。处理器 可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的 各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上 述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit， CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable GateArray，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器 可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施 例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码 处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪 存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本 领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息， 结合其硬件完成上述方法的步骤。

业务模型训练装置还可执行图2-5的方法，并实现管理者节点执行的方法。

基于相同的发明创造，本申请实施例还提供了一种计算机可读存储介质， 所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括 多个应用程序的电子设备执行时，使得所述电子设备执行图2-5对应的实施例 提供的业务模型训练方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相 似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之 处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的 比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的 范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实 施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过 程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施 方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计 算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入 式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一 个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中 的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输 出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。 内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任 何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序 的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其 他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读 存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁 磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算 设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒 体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖 非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅 包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过 程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包 括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者 设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程 序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和 硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技 术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所 作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (16)

1.一种业务模型训练方法，包括：

确定第一产品的用户群体；

确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为使用所述第一产品的历史业务数据，所述第二样本数据为使用与所述第一产品关联的第二产品的历史业务数据；

基于所述第一样本数据和所述第二样本数据，训练所述第一产品的业务模型。

2.根据权利要求1所述的方法，还包括：

获取所述第二产品的历史用户数据，所述历史用户数据包括：用户标识和用户办理的业务数据；

基于所述用户群体中的用户的用户标识，从所述历史用户数据中筛选出所述用户群体对应的业务数据，以生成所述第二样本数据。

3.根据权利要求1所述的方法，所述第一产品为所述第二产品的改进产品。

4.根据权利要求1所述的方法，所述第一产品包括：至少一个业务路径，所述方法还包括：

确定所述用户群体中的目标用户子群体，所述目标用户子群体中的用户为目标业务路径关联的用户；

其中，所述基于所述第一样本数据和所述第二样本数据，训练所述第一产品的业务模型，包括：

基于所述目标用户子群体的第一样本数据和第二样本数据，训练所述目标业务路径对应的业务模型。

5.根据权利要求4所述的方法，所述确定所述用户群体中的目标用户子群体，包括：

确定所述用户群体中的各用户对应的最佳业务路径；

确定所述用户群体中的目标用户，以生成所述目标用户子群体；

其中，目标用户为对应的最佳业务路径为目标业务路径的用户。

6.根据权利要求5所述的方法，所述确定所述用户群体中的各用户对应的最佳业务路径，包括：

确定所述用户群体中的用户提供的业务办理材料；

基于所述业务办理材料，确定所述用户中的用户对应的最佳业务路径。

7.根据权利要求4所述的方法，还包括：

基于训练完成的所述目标业务路径的业务模型，预测所述目标业务路径对应的业务需求数据；

其中，所述业务需求数据用于表征所述用户子群体办理相关业务所需的资源量。

8.根据权利要7所述的方法，所述相关业务为借款业务时，所述业务需求数据为所述目标业务路径对应的资金机构需准备的资金总额。

9.根据权利要8所述的方法，当所述目标业务路径对应的资金机构为多个时，所述方法还包括：

确定各资金机构对应的分流权重；

基于所述分流权重和所述资金总额，确定各资金机构需准备的资金额。

10.根据权利要求1至9中任一项所述的方法，还包括：

确定所述第一产品的用户变化数据；

基于所述用户变化数据，对所述用户群体进行用户调整处理。

11.一种业务模型训练方法，包括：

确定第一放款产品的用户群体；

确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为使用所述第一放款产品的历史放款数据，所述第二样本数据为使用与所述第一放款产品关联的第二放款产品的历史放款数据；

基于所述第一样本数据和所述第二样本数据，训练所述第一放款产品的放款业务模型。

12.根据权利要求11所述的方法，还包括：

基于训练完成的放款业务模型，确定所述第一放款产品的预期放款量。

13.一种业务模型训练装置，包括：

确定模块，用于确定第一产品的用户群体；

处理模块，用于确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为使用所述第一产品的历史业务数据，所述第二样本数据为使用与所述第一产品关联的第二产品的历史业务数据；

训练模块，用于基于所述第一样本数据和所述第二样本数据，训练所述第一产品的业务模型。

14.一种业务模型训练装置，包括：

确定模块，用于确定第一放款产品的用户群体；

处理模块，用于确定所述用户群体的第一样本数据和第二样本数据，所述第一样本数据为使用所述第一放款产品的历史放款数据，所述第二样本数据为使用与所述第一放款产品关联的第二放款产品的历史放款数据；

训练模块，用于基于所述第一样本数据和所述第二样本数据，训练所述第一放款产品的放款业务模型。

15.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1至12中任一项所述的方法的步骤。

16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至12中任一项所述的方法的步骤。