(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 202210552586.7 (22)申请日 2022.05.20 (71)申请人 深圳前海微众 银行股份有限公司 地址 518027 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 王萌　郑文琛　张晓军　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 孟秀娟　臧建明 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/06(2012.01) G06K 9/62(2022.01) (54)发明名称 信息处理方法、 装置、 设备、 存储介质及程序 产品 (57)摘要 本发明公开了一种信息处理方法、 装置、 设 备、 存储介质及程序产品， 该方法包括： 根据训练 样本集训练双模型， 其中， 所述双模型包括进件 意愿模型和资质评估模型， 分别用于预测用户的 进件意愿和授信额度； 根据所述双模型， 基于至 少一类产能需求对应的选择方式， 从测试样本集 中的多个用户中选择目标用户； 若挑选的目标用 户的总产能不满足预设要求， 则继续训练所述双 模型并根据训练后的双模型的预测结果重新挑 选目标用户， 直至挑选出的目标用户的总产能满 足预设要求。 本发明能够解决现有技术无法准确 地识别出存在进件意愿需求且满足资质要求的 有效客户的问题， 进而能够及时为该有效客户提 供进件相关服 务等。 权利要求书3页 说明书18页 附图2页 CN 114782171 A 2022.07.22 CN 114782171 A 1.一种信息处 理方法， 其特 征在于， 所述方法包括： 根据训练样本集训练双模型， 其中， 所述双模型包括进件意愿模型和资质评估模型， 分 别用于预测用户的进件意愿和授信额度； 根据所述双模型， 基于至少一类产能需求对应的选择方式， 从测试样本集中的多个用 户中选择目标用户； 若挑选的目标用户的总产能不满足预设要求， 则继续训练所述双模型并根据训练后的 双模型的预测结果重新挑选目标用户， 直至挑选出的目标用户的总产能满足预设要求。 2.根据权利要求1所述的方法， 其特征在于， 所述若挑选的目标用户的总产能不满足预 设要求， 则继续训练所述双模型， 包括： 针对每类产能需求对应的选择方式， 执行下述步骤： 从所述测试样本集中随机挑选与 所述目标用户的个数相同数目的随机测试样本， 并获取所述 随机测试样本的总产能； 根据 所述目标用户的总产能以及所述随机测试样本的总产能， 确定所述选择方式对应的产能提 升幅度； 所述产能提升幅度用于表示所述目标用户的总 产能与所述随机测试样本的总产能 之比； 若任一种所述选择 方式对应的产能提升幅度小于预设阈值， 则确定 离线评估未通过； 若离线评估未通过， 则确定挑选的目标用户的总产能不满足预设要求， 继续训练所述 双模型。 3.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 若每类所述选择方式对应的离线评估的产能提升幅度均 大于或等于预设阈值， 则确定 离线评估通过， 并获取参与评估的新增用户； 对所述新增用户平均划分到第一组和第二组中， 并根据所述双模型， 基于至少一类产 能需求对应的选择 方式， 从第一组中的多个用户中选择第一目标新增用户； 从第二组中的各个用户中随机获取第 二目标新增用户， 第 二目标新增用户的个数与 所 述第一目标新增用户的个数相同； 分别获取第一目标新增用户在每类所述选择方式中对应的实际总产能以及第二目标 新增用户对应的实际总产能； 针对每类所述选择方式， 若第 一目标新增用户的实际总产能大于第 二目标新增用户的 实际总产能， 则确定在线评估通过； 若在线评估通过， 则确定挑选的目标用户的总产能满足预设要求， 停止训练双模型。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述根据所述双模型， 基于至少 一类产能需求对应的选择 方式， 从测试样本集中的多个用户中选择目标用户， 包括： 针对每类产能需求对应的选择 方式， 执行下述步骤： 根据所述进件意愿模型， 预测 测试样本集中多个用户对应的进件意愿； 根据所述资质评估模型， 基于所述选择方式， 预测所述多个用户中至少部分用户对应 的授信额度； 根据双模型 得到的预测结果， 基于所述选择 方式， 从所述多个用户中选择目标用户。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述进件意愿模型， 预测测试样 本集中多个用户对应的进件意愿， 包括： 将所述测试样本集中多个用户的特征数据输入到所述进件意愿模型中， 预测得到所述权　利　要　求　书 1/3 页 2 CN 114782171 A 2多个用户对应的进件意愿； 将所述多个用户对应的进件意愿从高到低排序， 获取排名为前N％名的用户； 其中， 所述目标用户从所述前N％名的用户中选择。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述资质评估模型， 基于所述选 择方式， 预测所述至少部分用户对应的授信额度， 包括： 若所述产能需求对应的选择方式为使用所述资质评估模型进行挑选， 则将所述至少部 分用户的特征数据输入到所述资质评估模型中， 预测得到所述至少部 分用户对应的授信额 度， 所述至少部分用户为所述前N％名的用户； 将所述前N％名的用户对应的授信额度进行 排序， 并按照从高到低的顺序从所述前N％名的用户中选择目标用户； 若所述产能需求对应的选择方式为随机挑选， 则按照所述产能需求对应的选择方式， 确定从所述前N％名的用户中随机挑选目标用户； 若所述产能需求对应的选择方式为使用所述资质评估模型结合随机挑选进行挑选， 则 将所述至少部 分用户的特征数据输入到所述资质评估模型中， 预测得到所述至少部 分用户 对应的授信额度， 所述至少部分用户为所述前N％名的用户； 将所述前N％名的用户对应的 授信额度进行排序， 按照从低到高的顺序从所述前N％名的用户中筛掉前M％名的用户， 并 从剩下的用户中随机 选择目标用户。 7.根据权利要求1 ‑3任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取待识别用户以及待识别用户对应的特 征数据； 根据当前的产能需求， 确定当前的产能需求对应的目标选择 方式； 根据所述双模型， 基于所述目标选择 方式， 从待识别用户中选择待识别目标用户； 将待识别目标用户的信 息发送至服务终端， 使得所述服务终端依据所述待识别目标用 户的信息为所述待识别目标用户提供进件服 务。 8.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述训练样本集包括第 一训练集 和第二训练集， 所述测试样本集包括第一测试集和第二测试集； 所述方法还 包括： 获取总体样本集， 所述总体样本集由历史营销的存量用户构成， 所述存量用户作为各 个样本； 根据所述存量用户是否有进件和是否已授信， 分别对所述总体样本集中各个样本配置 标签， 得到所述总体样本集中的各个样本对应的第一标签和所述总体样本集中的各个样本 对应的第二标签， 所述第一标签用于表示进件意愿， 所述第二标签用于表示授信额度； 通过多维度， 对所述总体样本集中的各个样本进行特征提取， 得到各个样本的特征数 据， 所述特 征数据是由存量用户授权后获取的； 将各个样本的特征数据以及各个样本对应的第一标签， 生成第一样本集以及， 将各个 样本的特 征数据以及各个样本对应的第二标签生成第二样本集； 其中， 所述第一样本集包括第一训练集和第一测试集， 所述第二样本集包括第二训练 集和第二测试集。 9.根据权利要求8所述的方法， 其特征在于， 所述多维度包括公众号维度、 应用程序维 度、 企业信息维度； 所述通过多维度， 对所述总体样本集中的各个样本进行特征提取， 得到 各个样本的特 征数据， 包括： 根据所述总体样本集中的各个样本， 提取各个所述样本的公众号特征、 应用程序特征权　利　要　求　书 2/3 页 3 CN 114782171 A 3