(19)中华 人民共和国 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 202111582943.6 (22)申请日 2021.12.2 2 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 刘旭东　 (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 代理人 王征　臧建明 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) (54)发明名称 信用卡账单分期预测方法、 设备、 存储介质 及产品 (57)摘要 本申请提供一种信用卡账单分期预测方法、 设备、 存储介质及产品。 应用于人工智 能技术领 域。 具体实现方案为： 获取目标客户对应的与账 单分期相关的原始数据， 原始数据包括： 客户基 本数据、 客户行为数据、 客户卡账数据及推广反 馈数据； 对原始数据进行数据预处理及特征扩充 处理， 以获得目标客户对应的与账单分期相关的 目标特征； 根据训练至收敛的回归模 型及目标特 征确定目标客户对应的账单分期意向评分； 若确 定账单分期意向评分大于第一预设评分阈值， 则 根据训练至收敛的分类模型及目标特征确定目 标客户对应的账单分期的期数。 预测出的目标客 户对应的账单分期意向评分更加准确， 能够为目 标客户对应的账 单分期的期数进行 预测。 权利要求书2页 说明书11页 附图6页 CN 114219167 A 2022.03.22 CN 114219167 A 1.一种信用卡账 单分期预测方法， 其特 征在于， 包括： 获取目标客户对应的与账单分期相关的原始数据， 所述原始数据包括： 客户基本数据、 客户行为数据、 客户卡账 数据及推广反馈数据； 对所述原始数据进行数据预处理及特征扩充处理， 以获得目标客户对应的与 账单分期 相关的目标 特征； 根据训练至收敛的回归 模型及所述目标 特征确定目标客户对应的账 单分期意向评分； 若确定所述账单分期意向评分大于第 一预设评分阈值， 则根据训练至收敛的分类模型 及所述目标 特征确定所述目标客户对应的账 单分期的期数。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述原始数据进行数据预处理包 括： 对所述原 始数据进行缺失值处 理； 获取所述原始数据中的第一预设数据； 对所述第一预设数据进行独热编码处 理。 3.根据权利要求1或2所述的方法， 其特征在于， 对所述原始数据进行特征扩充处理， 包 括： 获取所述原始数据中的第二预设数据及对应的特 征扩充策略； 对所述第二预设数据按照对应的特 征扩充策略进行 特征扩充处 理。 4.根据权利要求1所述的方法， 其特征在于， 所述训练至收敛的回归模型为训练至收敛 的XGBoost模型； 所述根据训练至收敛的回归模型及所述目标特征确定目标客户对应的账单分期意向 评分， 包括： 将所述目标 特征数据输入到训练至收敛的回归 模型中； 采用所述训练至收敛的回归模型对所述目标特征进行回归处理， 以确定并输出目标客 户对应的账 单分期意向评分。 5.根据权利要求1所述的方法， 其特征在于， 所述训练至收敛的分类模型为训练至收敛 的LightGBM模型； 所述根据训练至收敛的分类模型及所述目标特征确定所述目标客户对应的账单分期 的期数， 包括： 将所述目标 特征输入到训练至收敛的分类模型中； 采用所述训练至收敛的分类模型对所述目标特征进行分类处理， 以确定并输出目标客 户对应的账 单分期的期数。 6.根据权利要求1所述的方法， 其特征在于， 所述根据训练至收敛的回归模型及所述目 标特征确定目标客户对应的账 单分期意向评分之后， 还 包括： 若确定所述账单分期意向评分小于第 二预设评分阈值， 则将所述目标客户标识信 息发 送给应用程序信息提示设备， 以使所述应用程序信息提示设备向所述目标客户客户端发送 信息提示消息； 若确定所述账单分期意向评分大于或等于第三预设评分阈值且小于第四预设评分阈 值， 则将所述 目标客户标识信息发送给短信提示设备， 以使所述短信提示设备向所述 目标 客户终端发送短信提 示信息；权　利　要　求　书 1/2 页 2 CN 114219167 A 2若确定所述账单分期意向评分大于或等于第四预设评分阈值， 则将所述目标客户标识 信息发送给电话外呼设备， 以使所述电话外呼设备向目标客户终端 进行呼叫。 7.根据权利要求1所述的方法， 其特征在于， 所述根据训练至收敛的回归模型及所述目 标特征确定目标客户对应的账 单分期意向评分之前， 还 包括： 获取对预设回归模型进行训练的第一训练样本集及对预设分类模型进行训练的第二 训练样本集， 所述第二训练样本集中的第二训练样本为所述第一训练样本集中账单分期意 向评分大于第一预设评分阈值的第一训练样本； 采用所述第一训练样本对所述预设回归模型进行训练， 以获得训练至收敛的回归模 型； 采用所述第二训练样本对所述预设分类模型进行训练， 以获得训练至收敛的分类模 型。 8.根据权利要求7所述的方法， 其特征在于， 所述根据训练至收敛的分类模型及所述目 标特征确定所述目标客户对应的账 单分期的期数之后， 还 包括： 获取针对多种账 单分期的期数配置的活动方案数据； 确定多种账 单分期的期数对应的目标客户的账 单分期成功率； 若确定所述账单分期成功率小于预设成功率阈值， 则调整所述活动方案数据， 并将调 整后的活动方案数据增 加或更新至第一训练样本及所述第二训练样本中； 根据所述第 一训练样本对训练至收敛的回归模型进行调优， 并根据所述第 二训练样本 对所述训练至收敛的分类模型进行调优。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器及存 储器； 所述存储器存储计算机执 行指令； 所述至少一个处理器执行所述存储器存储的计算机执行指令， 使得所述至少一个处理 器执行如权利要求1 ‑8任一项所述的方法。 10.一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中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑8任一项所述的方 法。 11.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现如权利要求1 ‑8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114219167 A 3