技术特征：
1.一种模型训练方法，其特征在于，包括：获取原始训练数据集，所述原始训练数据集包括：决策人员信息数据样本及其对应的决策判断标签；对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本；对所述决策人员特征因子样本进行数据选择，得到加工因子数据样本；将所述加工因子数据样本作为决策人员识别模型的输入，获取所述决策人员识别模型输出的决策判断结果；根据所述决策判断结果和所述决策判断标签得到决策误差值；根据所述决策误差值对所述决策人员识别模型中的参数进行调整，直至满足收敛条件，得到目标决策人员识别模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述获取原始训练数据集之前，所述模型训练方法还包括：获取原始数据，所述原始数据包括：个人基础数据、企业经营数据、车相关数据和地理轨迹数据；对所述原始数据进行数据清洗得到原始标准数据，所述原始标准数据包括：个人基础标准数据、企业经营标准数据、车辆相关标准数据和地理轨迹标准数据；建立所述车辆相关标准数据和所述地理轨迹标准数据之间的第一映射关系；建立所述个人基础标准数据与所述第一映射关系之间的第二映射关系；建立所述企业经营标准数据与所述第一映射关系之间的第三映射关系；根据所述第二映射关系和所述第三映射关系生成所述原始训练数据集的所述决策人员信息数据样本。3.根据权利要求1所述的模型训练方法，其特征在于，所述对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本，包括：获取企业特征信息，所述企业特征信息包括：行业特征信息、地点特征信息和车型特征信息；根据所述企业特征信息对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本。4.根据权利要求1所述的模型训练方法，其特征在于，所述对所述决策人员特征因子样本进行数据选择，得到加工因子数据样本，包括：获取数据选择策略，所述数据选择策略包括以下至少之一：高基类数据选择策略、饱和度数据选择策略和相关性数据选择策略；根据所述数据选择策略对所述决策人员特征因子样本进行数据选择，得到所述加工因子数据样本。5.根据权利要求4所述的模型训练方法，其特征在于，当所述数据选择策略为高基类数据选择策略时，删除所述决策人员特征因子样本中高基类数据，得到所述加工因子数据样本；当所述数据选择策略为饱和度数据选择策略时，删除所述决策人员特征因子样本中低饱和度数据，得到所述加工因子数据样本；当所述数据选择策略为相关性数据选择策略时，删除所述决策人员特征因子样本中高
相关性数据，得到所述加工因子数据样本。6.根据权利要求1至5任一项所述的模型训练方法，其特征在于，所述对所述决策人员特征因子样本进行数据选择，得到加工因子数据样本之后，所述模型训练方法还包括：将所述加工因子数据样本进行数值化操作，以使得所述加工因子数据样本能够作为所述决策人员识别模型的输入，所述数值化操作包括以下至少之一：时间戳数值化处理、离散变量数值化处理、降噪数值化处理、特征交叉选择数值化处理。7.一种决策人员识别方法，其特征在于，包括：获取决策人员信息数据；将所述决策人员信息数据输入到目标决策人员识别模型中进行决策人员识别，得到决策人员识别结果，其中所述目标决策人员识别模型由权利要求1至6任一项所述的模型训练方法训练得到。8.一种模型训练装置，用于训练决策人员识别模型，其特征在于，包括：原始训练数据集获取模块，用于获取原始训练数据集，所述原始训练数据集包括：决策人员信息数据样本和对应的决策判断标签；特征分析模块，用于对所述决策人员信息数据样本进行特征分析，得到决策人员特征因子样本；数据选择模块，用于对所述决策人员特征因子样本进行数据选择，得到加工因子数据样本；输入模块，用于将所述加工因子数据样本作为决策人员识别模型的输入，获取所述决策人员识别模型输出的决策判断结果；误差计算模块，用于根据所述决策判断结果和对应的决策判断标签得到决策误差值；模型参数调整模块，用于根据所述决策误差值对所述决策人员识别模型中的参数进行调整，直至满足收敛条件，得到目标决策人员识别模型。9.一种电子设备，其特征在于，包括：至少一个存储器；至少一个处理器；至少一个程序；所述程序被存储在存储器中，处理器执行所述至少一个程序以实现：如权利要求1至6任一项所述的模型训练方法，或权利要求7所述的决策人员识别方法。10.一种存储介质，所述存储介质为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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：如权利要求1至6任一项所述的模型训练方法，或权利要求7所述的决策人员识别方法。
技术总结
本发明实施例提供模型训练方法和装置、决策人员识别方法、设备、介质，涉及人工智能技术领域。该模型训练方法包括：获取原始训练数据集，对决策人员信息数据样本进行特征分析和数据选择得到加工因子数据样本，输入到决策人员识别模型中获取决策判断结果，根据决策误差值对决策人员识别模型中的参数进行调整，直至满足收敛条件，得到目标决策人员识别模型。本实施例通过人工智能的方式对决策人员进行识别，对训练数据集中决策人员信息数据样本建立丰富的用户画像，以对模型进行训练，提高目标决策人员识别模型的识别效率和识别准确率。策人员识别模型的识别效率和识别准确率。策人员识别模型的识别效率和识别准确率。
技术研发人员：陶醉 徐宁
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2022.03.03
技术公布日：2022/6/4