(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 202211153984.8 (22)申请日 2022.09.21 (71)申请人 中国平安财产保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 钱学广　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 姜妍 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/08(2012.01) G06N 7/00(2006.01) (54)发明名称 一种基于贝叶斯算法的合作伙伴预测方法 及相关设备 (57)摘要 本申请实施例属于人工智能技术领域， 涉及 一种基于贝叶斯算法的合作伙伴预测方法及相 关设备， 包括通过拉普拉斯平滑系数修正每个合 作关注类别的先验概率和每个合作关注类别对 应的各业务特征属性的条件概率， 得到目标先验 概率和目标条件概率， 计算目标先验概率和目标 条件概率， 得到类别参数和条件属性参数； 计算 每个业务特征属性下不同属性值的属性概率； 构 建朴素贝叶斯预测模型， 对朴素贝叶斯预测模型 进行测试， 当测试结果满足预设条件时， 输出朴 素贝叶斯预测模 型作为合作伙伴预测模型； 将待 预测业务数据输入合作伙伴预测模 型， 得到预测 类别。 此外， 本申请还涉及区块链技术， 业务数据 可存储于区块链中。 本申请能够高效准确地识别 重要合作伙 伴。 权利要求书3页 说明书14页 附图4页 CN 115545753 A 2022.12.30 CN 115545753 A 1.一种基于贝叶斯 算法的合作伙 伴预测方法， 其特 征在于， 包括下述 步骤： 根据业务需求确定业 务特征属性以及合作关注类别； 基于所述业务特征属性和所述合作关注类别， 从预设业务数据库中获得对应业务数 据， 形成训练数据集和 测试数据集； 通过拉普拉斯平滑系数修正每个所述合作关注类别的先验概率， 得到目标先验概率， 并基于所述训练数据集对所述目标 先验概率进行计算， 得到类别参数； 通过拉普拉斯平滑系数修正每个所述合作关注类别对应的各所述业务特征属性的条 件概率， 得到目标条件概率， 并根据所述训练数据集计算所述目标条件概率， 得到条件属性 参数； 根据所述训练数据集计算每个所述业务特征属性下不同属性值的属性概率， 得到属性 参数； 基于所述类别参数、 所述属性条件参数和所述属性 参数构建朴素贝叶斯预测模型； 根据所述测试数据集对所述朴素贝叶斯预测模型进行测试， 得到测试结果， 当所述测 试结果满足预设条件时， 输出 所述朴素贝叶斯预测模型作为 合作伙伴预测模型； 获取待预测业务数据， 将所述待预测业务数据输入所述合作伙伴预测模型， 得到预测 类别。 2.根据权利要求1所述的基于贝叶斯算法的合作伙伴预测方法， 其特征在于， 所述基于 所述训练数据集对所述目标 先验概率进行计算， 得到类别参数的步骤 包括： 确定所述训练数据集中的样本总数量和所述 合作关注类别的类别数量； 确定每个所述合作关注类别在所述训练数据集中的类别样本数量； 根据所述样本总数量、 类别数量和所述类别样本数量， 计算得到每个所述合作关注类 别的目标 先验概率， 作为所述类别参数。 3.根据权利要求2所述的基于贝叶斯算法的合作伙伴预测方法， 其特征在于， 所述根据 所述训练数据集计算所述目标 条件概率， 得到条件属性 参数的步骤 包括： 确定每个所述业务特征属性中的属性 值的取值个数； 统计每个所述合作关注类别下每个所述业务特征属性中每个属性值的条件属性样本 数量； 根据所述类别样本数量、 所述条件属性样本数量以及所述取值个数， 计算每个所述合 作关注类别对应的每个所述业务特征属性下每个属性值对应的目标条件概率， 将所述目标 条件概率作为所述条件属性 参数。 4.根据权利要求3所述的基于贝叶斯算法的合作伙伴预测方法， 其特征在于， 所述根据 所述训练数据集计算每个所述业务特征属性下不同属性值的属性概率， 得到属性参数的步 骤包括： 统计每个所述业务特征属性下 各所述属性 值在所述训练数据集中的属性样本数量； 根据所述属性样本数量和所述样本总数量， 计算得到每个属性值的属性概率， 作为所 述属性参数。 5.根据权利要求1所述的基于贝叶斯算法的合作伙伴预测方法， 其特征在于， 所述根据 所述测试数据集对所述朴素贝叶斯预测模型进行测试， 得到测试结果， 当所述测试结果满 足预设条件时， 输出 所述朴素贝叶斯预测模型作为 合作伙伴预测模型的步骤 包括：权　利　要　求　书 1/3 页 2 CN 115545753 A 2将所述测试 数据集输入所述朴素贝叶斯预测模型， 输出 预测结果； 根据所述预测结果计算预测准确度， 将所述预测准确度作为验证结果； 当所述验证结果大于等于预设阈值时， 则所述测试结果满足预设条件， 输出所述朴素 贝叶斯预测模型作为 合作伙伴预测模型； 当所述验证结果小于预设阈值时， 则更新所述朴素贝叶斯预测模型， 直至所述测试结 果满足预设条件， 输出最终的所述朴素贝叶斯预测模型作为 合作伙伴预测模型。 6.根据权利要求1所述的基于贝叶斯算法的合作伙伴预测方法， 其特征在于， 在所述基 于所述业务特征属 性和所述合作关注类别， 从所述预设业务数据库中获得对应业务数据， 形成训练数据集和 测试数据集的步骤之后还 包括： 确定每个所述业务特征属性下的所述属性 值是否存在异常取值； 若存在异常取值， 则对所述异常取值进行修 正。 7.根据权利要求1至6中任一项所述的基于贝叶斯算法的合作伙伴预测方法， 其特征在 于， 在所述将所述待预测业务数据输入所述合作伙伴预测模型， 得到预测类别的步骤之后 还包括： 将所述待预测业务数据以及所述预测类别输入所述合作伙伴预测模型中进行模型更 新。 8.一种基于贝叶斯 算法的合作伙 伴预测装置， 其特 征在于， 包括： 分析模块， 用于根据业 务需求确定业 务特征属性以及合作关注类别； 获取模块， 用于基于所述业务特征属性和所述合作关注类别， 从预设业务数据库中获 得对应业 务数据， 形成训练数据集和 测试数据集； 先验概率计算模块， 用于通过拉普拉斯平滑系数修正每个所述合作关注类别的先验概 率， 得到目标先验概率， 并基于所述训练数据集对 所述目标先验概率进 行计算， 得到类别参 数； 条件概率计算模块， 用于通过拉普拉斯平滑系数修正每个所述合作关注类别对应的各 所述业务特征属 性的条件概率， 得到目标条件概率， 并根据所述训练数据集计算所述 目标 条件概率， 得到条件属性 参数； 属性概率计算模块， 用于根据 所述训练数据集计算每个所述业务特征属性下不同属性 值的属性 概率， 得到属性 参数； 构建模块， 用于基于所述类别参数、 所述属性条件参数和所述属性参数构建朴素贝叶 斯预测模型； 测试模块， 用于根据所述测试数据集对所述朴素贝叶斯预测模型进行测试， 得到测试 结果， 确定所述测试结果满足预设条件， 输出所述朴素贝叶斯预测模型作为合作伙伴预测 模型； 预测模块， 用于获取待预测业务数据， 将所述待预测业务数据输入所述合作伙伴预测 模型， 得到预测类别。 9.一种计算机设备， 包括存储器和处理器， 所述存储器中存储有计算机可读指令， 所述 处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于贝叶斯算法 的合作伙 伴预测方法的步骤。 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上存储有计算机权　利　要　求　书 2/3 页 3 CN 115545753 A 3