(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 202210873146.1 (22)申请日 2022.07.22 (71)申请人 浙江网商银行股份有限公司 地址 310012 浙江省杭州市西湖区古 荡街 道西溪路556号阿里中心D幢9层、 E幢 3-8层 (72)发明人 葛超　卫华　吴亚熙　钟自凤　 (74)专利代理 机构 北京智信禾专利代理有限公 司 11637 专利代理师 金鹏 (51)Int.Cl. G06F 16/9535(2019.01) G06N 20/00(2019.01) G06Q 10/04(2012.01) (54)发明名称 特征生成、 信息预测、 信息预测模型的训练 方法以及装置 (57)摘要 本说明书实施例提供特征生成、 信息预测、 信息预测模 型的训练方法以及装置， 其中所述特 征生成方法包括： 获取多个对象的原始特征以及 预设关系表； 对各原始特征进行缺失影响分析， 获得各原始特征的缺失影 响度； 根据各原始特征 的缺失影响度， 从各原始特征中筛选出特定特 征； 针对多个对象中的目标对象， 根据特定特征 和预设关系表， 获得各关联对象对应的特定特征 的特征信息， 其中， 关联对象为与目标对象具有 关联关系的对象； 根据各关联对象对应的特定特 征的特征信息， 生成目标对象的对象特征。 通过 对获取的多个对象特征进行缺失影 响分析， 筛选 出特定特征， 然后根据关联对象与特定特征， 生 成目标对象的对象特征， 使 得生成的对象特征的 准确度较高。 权利要求书3页 说明书21页 附图11页 CN 115329192 A 2022.11.11 CN 115329192 A 1.一种特 征生成方法， 包括： 获取多个对象的原始特征以及预设关系表， 其中， 所述预设关系表中记录有所述多个 对象之间的关联关系； 对各原始特征进行缺失影响分析， 获得所述各原始特征的缺失影响度， 其中， 所述缺失 影响度表征原 始特征缺失的影响程度； 根据所述各原 始特征的缺失影响度， 从所述各原 始特征中筛选出特定特征； 针对所述多个对象中的目标对象， 根据所述特定特征和所述预设关系表， 获得各关联 对象对应的所述特定特征 的特征信息， 其中， 所述关联对 象为与所述 目标对象具有关联关 系的对象； 根据所述各关联对象对应的所述特定特征的特征信息， 生成所述目标对象的对象特 征。 2.根据权利要求1所述的方法， 所述对各原始特征进行缺失影响分析， 获得所述各原始 特征的缺失影响度， 包括： 统计所述各原 始特征的类别属性 参数； 根据所述各原 始特征的类别属性 参数， 计算所述各原 始特征的影响指标； 基于所述各原 始特征的影响指标， 确定所述各原 始特征的缺失影响度。 3.根据权利要求1或2所述的方法， 所述 缺失影响度包括覆盖度和信息增益； 所述根据所述各原 始特征的缺失影响度， 从所述各原 始特征中筛选出特定特征， 包括： 从所述各原始特征中， 筛选出覆盖度小于预设覆盖度阈值、 信息增益大于预设信息增 益阈值的特定特 征。 4.根据权利要求1所述的方法， 所述针对所述多个对象中的目标对象， 根据所述特定特 征和所述预设 关系表， 获得 各关联对象对应的所述特定特 征的特征信息， 包括： 针对所述多个对象中的目标对象， 根据所述特定特征和所述预设关系表， 构建对象关 系图， 其中， 所述对象关系图中的各节点记录有 所述特定特征的特征信息， 所述对象关系图 中的边表征 所述关联关系； 基于所述对象关系图， 确定所述目标对象对应节点的各邻居节点； 从所述各邻居节点中， 读取 各关联对象对应的所述特定特 征的特征信息。 5.根据权利要求1所述的方法， 所述根据所述各关联对象对应的所述特定特征的特征 信息， 生成所述目标对象的对象特 征， 包括： 对所述各关联对象对应的所述特定特征的特征信息进行融合处理， 得到融合特征信 息； 基于所述融合特 征信息， 生成所述目标对象的对象特 征。 6.根据权利要求5所述的方法， 所述基于所述融合特征信 息， 生成所述目标对象的对象 特征， 包括： 在所述目标对象具有所述特定特征的原始特征信 息的情况下， 基于所述融合特征信 息 和所述原 始特征信息， 确定所述目标对象的对象特 征。 7.根据权利要求5或6所述的方法， 所述融合处理包括如下三种中的至少一种： 求平均、 求和、 求标准差 。 8.一种信息预测方法， 包括：权　利　要　求　书 1/3 页 2 CN 115329192 A 2获取目标对象的对象特征， 其中， 所述对象特征根据权利要求1至7任一项所述特征生 成方法生成； 将所述对象特征输入预先训练 的信息预测模型， 得到针对所述目标对象的信 息预测结 果， 其中， 所述信息预测模型为机器学习模型。 9.一种信息预测模型的训练方法， 包括： 获取样本集中多个样本对象的原始特征以及预设关系表， 其中， 所述预设关系表中记 录有所述多个样本对象之间的关联关系； 对各原始特征进行缺失影响分析， 获得所述各原始特征的缺失影响度， 其中， 所述缺失 影响度表征原 始特征缺失的影响程度； 根据所述各原 始特征的缺失影响度， 从所述各原 始特征中筛选出特定特征； 针对目标样本对象， 根据所述特定特征和所述预设关系表， 获得各关联样本对象对应 的所述特定特征的特征信息， 其中， 所述目标样本对象为所述多个样本对象中的任一个， 所 述关联样本对象为与所述目标样本对象具有关联关系的样本对象； 根据所述各关联样本对象对应的所述特定特征的特征信 息， 生成所述目标样本对象的 对象特征； 基于所述多个样本对象的对象特征， 对信息预测模型进行训练， 获得训练后的信息预 测模型。 10.一种特 征生成装置， 包括： 第一获取模块， 被配置为获取多个对象的原始特征以及预设关系表， 其中， 所述预设关 系表中记录有所述多个对象之间的关联关系； 第一分析模块， 被配置为对各原始特征进行缺失影响分析， 获得所述各原始特征的缺 失影响度， 其中， 所述 缺失影响度表征原 始特征缺失的影响程度； 第一筛选模块， 被配置为根据所述各原始特征的缺失影响度， 从所述各原始特征中筛 选出特定特征； 第一获得模块， 被配置为针对所述多个对象中的目标对象， 根据所述特定特征和所述 预设关系表， 获得各关联对象对应的所述特定特征的特征信息， 其中， 所述关联对象为与所 述目标对象具有关联关系的对象； 第一生成模块， 被配置为根据所述各关联对象对应的所述特定特征的特征信息， 生成 所述目标对象的对象特 征。 11.一种信息预测装置， 包括： 第二获取模块， 被配置为获取目标对象的对象特征， 其中， 所述对象特征根据权利要求 1至7任一项所述特 征生成方法生成； 预测模块， 被配置为将所述对象特征输入预先训练的信息预测模型， 得到针对所述目 标对象的信息预测结果， 其中， 所述信息预测模型为机器学习模型。 12.一种信息预测模型的训练装置， 包括： 第三获取模块， 被配置为获取样本集中多个样本对象的原始特征以及预设关系表， 其 中， 所述预设 关系表中记录有所述多个样本对象之间的关联关系； 第二分析模块， 被配置为对各原始特征进行缺失影响分析， 获得所述各原始特征的缺 失影响度， 其中， 所述 缺失影响度表征原 始特征缺失的影响程度；权　利　要　求　书 2/3 页 3 CN 115329192 A 3