(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 202111340540.0 (22)申请日 2021.11.12 (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 张倩妮　朱韬　廖鸿存　郑聪　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 代理人 曾红芳 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 10/04(2012.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 订单状态预测模 型的获取方法、 装置及存储 介质 (57)摘要 本发明公开了一种订单状态预测模型的获 取方法、 装置及存储介质， 涉及金融科技领域。 其 中， 该方法包括： 获取M组标签数据， 其中， 上述M 组标签数据中的每组数据包括： 基于交易订单数 据处理得到的训练样本， 按照订单成交数据对上 述训练样 本进行赋值得到的样 本标签， 以及对上 述训练样本进行特征提取处理得到的订单特征 集合； 使用M组标签数据通过机器学习训练神经 网络模型， 得到订单状态预测模型。 本发明解决 了现有技术中订单状态预测模型无法利用实时 数据给出相应指引， 造成用户体验感不佳的技术 问题。 权利要求书2页 说明书10页 附图5页 CN 113962780 A 2022.01.21 CN 113962780 A 1.一种订单状态预测模型的获取 方法， 其特 征在于， 包括： 获取M组标签数据， 其中， 所述M组标签数据中的每组数据包括： 基于交易订单数据处理 得到的训练样本， 按照订单成交数据对所述训练样本进行赋值得到的样本标签， 以及对所 述训练样本进行 特征提取处 理得到的订单 特征集合； 使用M组标签数据通过机器学习训练神经网络模型， 得到订单状态预测模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取在历史时间段内的N个交易订单数据， 以及N个所述交易订单数据对应的订单成交 数据， 其中， N个所述交易 订单包括： 每 个目标账户在任意 一个时间点产生的一个交易 订单； 将N个所述交易 订单数据作为所述训练样本； 按照所述订单成交数据对所述训练样本进行赋值得到所述样本标签， 其中， 所述样本 标签用于描述所述训练样本的订单成交方式， 所述订单成交方式包括： 获利成交、 止损成 交、 未成交。 3.根据权利要求2所述的方法， 其特征在于， 所述将N个所述交易订单数据作为所述训 练样本， 包括： 识别N个所述交易 订单数据中的缺失数据； 对所述缺失数据进行数据预处理， 得到处理后交易订单数据， 其中， 所述预处理包括： 剔除、 替换、 补充； 将所述处 理后交易 订单数据作为所述训练样本 。 4.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 根据所述样本标签描述的所述订单成交方式， 确定每一类成交方式在所述订单成交方 式中的比例； 基于所述比例对所述训练样本进行样本均衡化处 理， 得到处 理后样本 。 5.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 对所述训练样本进行特征工程处理， 得到第一处理结果， 其中， 所述特征工程处理用于 降低所述交易订单数据的特征冗余性， 所述特征工程处理包括： 去除所述交易订单数据中 的无关维度特 征， 以及对相关维度特 征进行特征组合处 理； 对所述第 一处理结果进行特征过滤处理， 得到所述订单特征集合， 其中， 所述特征过滤 处理用于根据特 征重要程度过 滤掉所述第一处 理结果中的非重要特 征。 6.根据权利要求3所述的方法， 其特征在于， 使用M组标签数据通过机器学习训练神经 网络模型， 得到订单状态预测模型， 包括： 将所述订单特征集合和所述样本标签作为所述神经网络模型的输入， 并采用分布式增 强梯度算法进行监 督学习训练所述神经网络模型， 得到所述 订单状态预测模型。 7.根据权利要求1所述的方法， 其特征在于， 在使用M组标签数据通过机器学习训练神 经网络模型， 得到订单状态预测模型之后， 所述方法还 包括： 在目标交易平台 中部署所述 订单状态预测模型； 获取所述目标交易平台 中目标订单的挂单 特征信息； 将所述挂单特征信 息输入至所述订单状态预测模型， 预测得到所述目标订单的成交状 态信息。 8.根据权利要求7所述的方法， 其特征在于， 将所述挂单特征信 息输入至所述订单状态权　利　要　求　书 1/2 页 2 CN 113962780 A 2预测模型， 预测得到所述目标订单的成交状态信息， 包括： 采用分布式增强梯度算法， 将所述订单状态预测模型中的K个弱决策树分类器集成得 到强分类 器； 将所述挂单特征信 息作为所述强分类器的输入， 通过监督学习得到与 所述强分类器中 X个决策树 一一对应的概 率分数值； 通过累加Y个所述概率分数值， 得到所述目标订单在任意一种订单成交方式下的成交 概率值； 根据所述目标订单在任意一种订单成交方式下的所述成交概率值， 向目标对象展示所 述成交状态信息 。 9.一种订单状态预测模型的获取装置， 其特 征在于， 包括： 获取模块， 用于获取M组标签数据， 其中， 所述M组标签数据中的每组数据包括： 基于交 易订单数据处理得到的训练样本， 按照订单成交数据对所述训练样本进 行赋值得到的样本 标签， 以及对所述训练样本进行 特征提取处 理得到的订单 特征集合； 训练模块， 用于使用M组标签数据通过机器学习训练神经网络模型， 得到订单状态预测 模型。 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存储有多条指 令， 所述指令适于由处理器加载并执行权利要求 1至8中任意一项 所述的订单状态预测模型 的获取方法。 11.一种电子设备， 其特征在于， 包括一个或多个处理器和存储器， 所述存储器用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所 述一个或多个处 理器实现权利要求1至8中任意 一项所述的订单状态预测模型的获取 方法。权　利　要　求　书 2/2 页 3 CN 113962780 A 3