(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 202210886094.1 (22)申请日 2022.07.26 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 刘跃勇　樊旭然　胡兴源　罗伟　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 卢晓霞 (51)Int.Cl. G06Q 40/02(2012.01) G06N 3/12(2006.01) (54)发明名称 业务对象识别模 型的获取方法、 装置和计算 机设备 (57)摘要 本申请涉及一种业务对象识别模型的获取 方法、 装置和计算机设备， 应用于金融科技领域。 该方法包括： 获取样本业务对象的至少一个对象 描述数据； 各对象描述数据具有对应的业务特征 属性； 将各业务特征属性作为自变量， 构建方程 式种群； 确定各方程式个体对应的适应度； 按照 各方程式个体对应的适应度， 在方程式种群中训 练出业务对象识别模型； 将待识别业务对象 的对 象描述数据输入至业务对象识别模 型， 得到待识 别业务对象的预测种类信息， 并根据待识别业务 对象的预测种类信息， 判定待识别业务对象为目 标业务对象。 采用本方法能够提高识别业务对象 是否为目标业 务对象的效率。 权利要求书3页 说明书14页 附图6页 CN 115170296 A 2022.10.11 CN 115170296 A 1.一种业 务对象识别模型的获取 方法， 其特 征在于， 所述方法包括： 获取样本业务对象的至少一个对象描述数据； 各所述对象描述数据具有对应的业务特 征属性； 将各所述业务特征属性作为自变量， 构建方程式种群； 所述方程式种群中的各方程式 个体分别用于表征所述样本业务对 象的对象描述数据与所述样本业务对 象的预测种类信 息之间不同的映射关系； 所述预测种类信息用于描述所述样本业务对象为目标业务对象的 预测概率； 确定各所述方程式个体对应的适应度； 所述适应度为基于相应的方程式个体针对所述 样本业务对象输出的预测种类信息与所述样本业 务对象的实际种类信息间的差异确定的； 按照各所述方程式个体对应的适应度， 在所述方程式种群中训练出业务对象识别模 型； 将待识别业务对象的对象描述数据输入至所述业务对象识别模型， 得到所述待识别业 务对象的预测种类信息， 并根据所述待识别业务对 象的预测种类信息， 判定所述待识别业 务对象为所述目标业 务对象。 2.根据权利要求1所述的方法， 其特征在于， 所述按照各所述方程式个体对应的适应 度， 在所述方程式种群中生成业 务对象识别模型， 包括： 按照各所述方程式个体对应的适应度， 对所述方程式种群中的各所述方程式个体进行 遗传算法优化， 得到目标 方程式个 体； 将所述目标 方程式个 体所表征的方程式作为所述 业务对象识别模型。 3.根据权利要求1所述的方法， 其特征在于， 所述将各所述业务特征属性作为自变量， 构建方程式种群， 包括： 将各所述业务特征属性对应的自变量符号和预设的至少一个运算符号进行组合处理， 得到至少两个组合后方程式； 各 所述组合后方程式 中的符号数量均满足预设的数量阈值； 分别对各 所述组合后方程式进行编码处 理， 得到各 所述方程式个 体； 将各所述方程式个 体添加至所述方程式种群中。 4.根据权利要求3所述的方法， 其特征在于， 所述确定各所述方程式个体对应的适应 度， 包括： 对于各所述方程式个体中的任一方程式个体， 将所述样本业务对象的对象描述数据代 入至所述任一方程式个体所表征的方程式中， 得到所述任一方程式个体针对所述样本业务 对象输出的预测种类信息； 基于所述任一方程式个体输出的预测种类信息和所述样本业务对象的实际种类信息 之间的差异， 确定所述任一方程式个 体对应的适应度。 5.根据权利要求1所述的方法， 其特征在于， 所述方程式种群为第N代方程式种群， N大 于或等于1， 所述按照各所述方程式个体对应的适应度， 对所述方程式种群中的各所述方程 式个体进行遗传算法优化， 得到目标 方程式个 体， 包括： 若各所述适应度均小于预设的适应度阈值， 则根据所述第N代方程式种群中的各所述 方程式个体生成第N+1代方程式种群， 并返回所述确定各所述方程式个体对应的适应度的 步骤； 若各所述适应度中存在大于或等于所述适应度阈值的目标适应度， 则将所述目标适应权　利　要　求　书 1/3 页 2 CN 115170296 A 2度对应的方程式个 体作为所述目标 方程式个 体。 6.根据权利要求1至5任意一项所述的方法， 其特征在于， 所述根据 所述第N代方程式种 群中的各 所述方程式个 体生成第N+1代方程式种群， 包括： 获取所述第N代方程式种群中的各 所述方程式个 体对应的适应度的累加值； 在所述第N代方程式种群 中的各所述方程式个体中选择出第 N+1代方程式个体； 所述第 N+1代方程式个体对应的适应度满足预设的适应度范围； 所述适应度范围为根据各所述方 程式个体对应的累加值确定的； 对各所述第N+1代方程式个 体进行演化 算子操作， 生成所述第N+1代方程式种群。 7.根据权利要求6所述的方法， 其特征在于， 所述对各所述第N+1代方程式个体进行演 化算子操作， 生成所述第N+1代方程式种群， 包括： 响应于所述N+1代方程式个体满足预设的变异条件， 获取所述N+1代方程式个体对应的 待变异个 体编码； 对所述待变异个 体编码中的至少一个编码位上的值进行改变， 得到变异后个 体编码； 将所述变异后个体编码所表征的方程式个体和所述N+1代方程式个体添加至所述第N+ 1代方程式种群中。 8.根据权利要求6所述的方法， 其特征在于， 所述对各所述第N+1代方程式个体进行演 化算子操作， 生成所述第N+1代方程式种群， 包括： 响应于至少两个所述N+1代方程式个体满足预设的交叉条件， 获取至少两个所述N+1代 方程式个 体对应的待交叉个 体编码； 根据各所述待交叉个体编码中的至少两个编码位对应的值， 确定各所述待交叉个体编 码中的编码片段； 交换各所述待交叉个 体编码之间的编码片段， 得到交叉后个 体编码； 将所述交叉后个体编码所表征的方程式个体和所述N+1代方程式个体添加至所述第N+ 1代方程式种群中。 9.一种业 务对象识别模型的获取装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取样本业务对象的至少一个对象描述数据； 各所述对象描述数据具 有对应的业 务特征属性； 构建模块， 用于将各所述业务特征属性作为自变量， 构建方程式种群； 所述方程式种群 中的各方程式个体分别用于表征所述样本业务对 象的对象描述数据与所述样本业务对 象 的预测种类信息之 间不同的映射关系； 所述预测种类信息用于描述所述样本业务对象为目 标业务对象的预测概 率； 确定模块， 用于确定各所述方程式个体对应的适应度； 所述适应度为基于相应的方程 式个体针对所述样本业务对 象输出的预测种类信息与所述样本业务对 象的实际种类信息 间的差异确定的； 优化模块， 用于按照各所述方程式个体对应的适应度， 在所述方程式种群中训练出业 务对象识别模型； 识别模块， 用于将待识别业务对象的对象描述数据输入至所述业务对象识别模型， 得 到所述待识别业务对 象的预测种类信息， 并根据所述待识别业务对 象的预测种类信息， 判 定所述待识别业 务对象为所述目标业 务对象。权　利　要　求　书 2/3 页 3 CN 115170296 A 3