(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211056991.6 (22)申请日 2022.08.31 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区福田街 道益田路5033号平安金融中心14、 15、 16、 37、 41、 4 4、 45、 46、 54、 58、 59层 (72)发明人 张炜　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 廖慧贤 (51)Int.Cl. G06Q 40/08(2012.01) G06F 16/9535(2019.01) G06Q 10/04(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 模型训练方法及 装置、 提醒方式预测方法及 装置 (57)摘要 本实施例涉及人工智能技术领域， 尤其涉及 一种模型训练方法及装置、 提醒方式预测方法及 装置。 模型训练方法包括： 获取样本对象的历史 提醒数据； 根据提醒方式信息得到预设提醒方式 的有效性； 根据有效性从预设提醒方式筛选出目 标提醒方式； 根据样本信息特征数据进行向量化 处理得到样 本对象特征向量， 根据样本保单特征 数据进行向量化处理得到样本 保单特征向量； 将 样本对象特征向量和样本保单特征向量输入至 预设的原始预测模型进行训练， 得到预测提醒方 式； 根据预测提醒方式和目标提醒方式对原始预 测模型进行参数调整， 得到目标预测模型。 本申 请实施例的技术方案， 能够在无需历史数据的基 础上， 对对象进行提醒方式预测。 权利要求书3页 说明书15页 附图5页 CN 115271983 A 2022.11.01 CN 115271983 A 1.一种模型训练方法， 其特 征在于， 所述方法包括： 获取样本对象的历史提醒数据； 其中， 所述历史提醒数据包括所述样本对象的样本对 象信息和提醒方式信息， 所述提醒方式信息用于通过预设提醒方式提醒所述样本对象执行 目标历史行为； 根据所述 提醒方式信息得到所述预设提醒 方式的有效性； 其中， 所述有效性包括有效； 根据所述有效性从所述预设提醒方式筛选出目标提醒方式； 其中， 所述目标提醒方式 是所述有效性 为有效的所述预设提醒 方式； 根据所述样本对象信息获取所述样本对象的样本数据； 其中， 所述样本数据包括所述 样本对象的样本信息特 征数据和样本保单 特征数据； 根据所述样本信 息特征数据进行向量化处理得到样本对象特征向量， 根据所述样本保 单特征数据进行向量 化处理得到样本保单 特征向量； 将所述样本对象特征向量和所述样本保单特征向量输入至预设的原始预测模型进行 训练， 得到预测提醒 方式； 根据所述预测提醒方式和所述目标提醒方式对所述原始预测模型进行参数调整， 得到 目标预测模型。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述根据 所述样本信 息特征数据 进行向量 化处理得到样本对象特 征向量， 包括： 对所述样本信息特 征数据进行 特征提取， 得到样本对象特 征组； 根据所述样本对象特 征组进行编码， 得到样本对象编码向量； 根据预设的映射参数对所述样本对象编码向量进行向量化处理， 得到所述样本对象特 征向量。 3.根据权利要求1所述的模型训练方法， 其特征在于， 所述提醒方式信 息包括所述预设 提醒方式的提醒时间； 所述根据所述 提醒方式信息得到所述预设提醒 方式的有效性， 包括： 根据所述 提醒时间和预设时长得到目标时间； 获取所述样本对象执 行所述目标历史行为的时间， 得到行为时间； 比对所述行为时间与所述目标时间的时间顺序； 若所述行为时间在所述目标时间之前， 则所述有效性 为有效。 4.根据权利要求1至3任一项所述的模型训练方法， 其特征在于， 所述样本对象信息包 括样本对象标识和样本保单 标识； 所述根据所述样本对象信息获取 所述样本对象的样本数据， 包括： 根据所述样本对象标识从预设的第一数据库中筛 选得到所述样本信息特 征数据； 根据所述样本保单 标识从预设的第二数据库中筛 选得到所述样本保单 特征数据。 5.一种提醒 方式预测方法， 其特 征在于， 所述方法包括： 获取目标对象的目标数据； 其中， 所述目标数据包括所述目标对象的目标对象特征数 据和目标保单 特征数据； 对所述目标对象特征数据进行匹配处理得到目标对象特征向量， 对所述目标保单特征 数据进行匹配处 理得到目标保单 特征向量； 将所述目标对象特征向量、 所述目标保单特征向量输入至目标预测模型进行预测， 得权　利　要　求　书 1/3 页 2 CN 115271983 A 2到当前提醒方式； 其中， 所述目标预测模型为根据如权利要求1至4任一项所述的模型训练 方法得到 。 6.根据权利要求5所述的提醒方式预测方法， 其特征在于， 所述对所述目标对象特征数 据进行匹配处理得到目标对象特征向量， 对所述目标保单特征数据进 行匹配处理得到目标 保单特征向量， 包括： 根据样本对象特征向量构建样本对象向量库， 根据样本保单特征向量构建样本保单向 量库； 根据所述目标对象特征数据从所述样本对象向量库筛选出所述目标对象特征向量， 根 据所述目标保单 特征数据从所述样本保单向量库筛 选出所述目标保单 特征向量。 7.一种模型训练装置， 其特 征在于， 所述装置包括： 历史数据获取模块， 用于获取样本对象的历史提醒数据； 其中， 所述历史提醒数据包括 所述样本对象的样本对象信息和提醒方式信息， 所述提醒方式信息用于通过预设提醒方式 提醒所述样本对象执 行目标历史行为； 目标提醒方式确定模块， 用于根据所述提醒方式信息得到所述预设提醒方式的有效 性； 其中， 所述有效性包括有效； 根据所述有效性从所述预设提醒方式筛选出目标提醒方 式； 其中， 所述目标提醒 方式是所述有效性 为有效的所述预设提醒 方式； 样本数据获取模块， 用于根据 所述样本对象信 息获取所述样本对象的样本数据； 其中， 所述样本数据包括所述样本对象的样本信息特 征数据和样本保单 特征数据； 向量化处理模块， 用于根据 所述样本信 息特征数据进行向量化处理得到样本对象特征 向量， 根据所述样本保单 特征数据进行向量 化处理得到样本保单 特征向量； 提醒方式预测模块， 用于将所述样本对象特征向量和所述样本保单特征向量输入至预 设的原始预测模型进行训练， 得到预测提醒 方式； 参数调整模块， 用于根据所述预测提醒方式和所述目标提醒方式对所述原始预测模型 进行参数调整， 得到目标 预测模型。 8.一种提醒 方式预测装置， 其特 征在于， 包括： 目标数据获取模块， 用于获取目标对象的目标数据； 其中， 所述目标数据包括所述目标 对象的目标对象特 征数据和目标保单 特征数据； 匹配模块， 用于对所述目标对象特征数据进行匹配处理得到目标对象特征向量， 对所 述目标保单 特征数据进行匹配处 理得到目标保单 特征向量； 当前提醒方式预测模块， 用于将所述目标对象特征向量、 所述目标保单特征向量输入 至目标预测模型进 行预测， 得到 当前提醒方式； 其中， 所述目标预测模型为根据如权利要求 1至4任一项所述的模型训练方法得到 。 9.一种电子设备， 其特 征在于， 包括： 至少一个存 储器； 至少一个处 理器； 至少一个 计算机程序； 所述计算机程序被存储在所述存储器中， 处理器执行所述至少一个计算机程序以实 现： 如权利要求1至4任一项所述的方法； 或者权　利　要　求　书 2/3 页 3 CN 115271983 A 3