CN106875206A - 信息获取、评估、问卷调查方法、装置及服务器 - Google Patents
信息获取、评估、问卷调查方法、装置及服务器 Download PDFInfo
- Publication number
- CN106875206A CN106875206A CN201610566669.6A CN201610566669A CN106875206A CN 106875206 A CN106875206 A CN 106875206A CN 201610566669 A CN201610566669 A CN 201610566669A CN 106875206 A CN106875206 A CN 106875206A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- user
- service data
- information
- evaluation information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Abstract
本申请是涉及信息获取、评估、问卷调查方法、装置及服务器,该信息获取方法包括:确定对用户评估时所需的多个评价指标;获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。由于利用历史业务数据可以准确获取到评价信息,因此本申请实施例能提高信息的准确性;另外,由于某些评价信息可以利用历史业务数据自动确定,因此可减少提供给用户的评价指标的数量,从而减少用户操作。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及信息获取、评估、问卷调查方法、装置及服务器。
背景技术
在日常生活中,常常涉及需要让用户填写调查问卷,以通过调查问卷获取信息的需求。相关技术中,通常是根据所需调查的用户信息,构建相关的评价指标,根据评价指标设计调查问卷,将调查问卷输出给用户填写,最后根据用户的填写结果获取信息。此种信息获取方式中,考虑到用户填写的随意性,信息的获取准确性难以保证;另一方面,若评价指标较多,用户需填写较长时间,给用户带来较多不便,整体的信息获取效率较差。
发明内容
为克服相关技术中存在的问题,本申请提供了信息获取、评估、问卷调查方法、装置及服务器。
根据本申请实施例的第一方面,提供一种信息获取方法,所述方法包括:
确定对用户评估时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
根据本申请实施例的第二方面,提供一种信息评估方法,所述方法包括:
确定对用户评估时所需的多个评价指标;
获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息;
根据各个所述评价指标的评价信息,评估所述用户信息。
根据本申请实施例的第三方面,提供一种问卷调查方法,所述方法包括:
确定对用户进行问卷调查时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
根据本申请实施例的第四方面,提供一种信息获取装置,所述装置包括:
指标确定模块,用于确定对用户评估时所需的多个评价指标;
第一评价信息确定模块,用于获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
指标提供模块,用于将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;
第二评价信息确定模块,用于根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
根据本申请实施例的第五方面,提供一种信息评估装置,所述装置包括:
指标确定模块,用于确定对用户评估时所需的多个评价指标;
第一评价信息确定模块,用于获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
指标提供模块,用于将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户;
第二评价信息确定模块,用于根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息;
用户信息评估模块,用于根据各个所述评价指标的评价信息,评估所述用户信息。
根据本申请实施例的第六方面,提供一种问卷调查装置,所述装置包括:
指标确定模块,用于确定对用户进行问卷调查时所需的多个评价指标;
评价信息确定模块,用于获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
问卷提供模块,用于对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
根据本申请实施例的第七方面,提供一种服务器,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定对用户评估时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
根据本申请实施例的第八方面,提供一种服务器,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定对用户评估时所需的多个评价指标;
获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息;
根据各个所述评价指标的评价信息,评估所述用户信息。
根据本申请实施例的第九方面,提供一种服务器,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定对用户进行问卷调查时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
本申请的实施例提供的技术方案可以包括以下有益效果:
本申请所提供的方案,可以获取所述用户的历史业务数据,利用历史业务数据确定出一个或多个所述评价指标的评价信息,而对于无法确定的其它评价指标,则提供给用户,通过用户的反馈而获取。由于利用历史业务数据可以准确获取到评价信息,因此能提高信息的准确性;另一方面,由于某些评价信息可以利用历史业务数据自动确定,因此可减少提供给用户的评价指标的数量,从而减少用户的填写操作。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是相关技术中一份问卷的示意图。
图2是本申请根据一示例性实施例示出的一种信息获取方法的流程图。
图3是本申请根据一示例性实施例示出的一种信息评估方法的流程图。
图4A是本申请根据一示例性实施例示出的一种问卷调查方法的流程图。
图4B是本申请根据一示例性实施例示出的一种问卷调查方法应用场景示意图。
图5是本申请根据一示例性实施例示出的一种信息获取装置所在服务器的一硬件结构图。
图6是本申请根据一示例性实施例示出的一种信息评估装置所在服务器的一硬件结构图。
图7是本申请根据一示例性实施例示出的一种问卷调查装置所在服务器的一硬件结构图。
图8是本申请根据一示例性实施例示出的一种信息获取装置的框图。
图9是本申请根据一示例性实施例示出的一种信息评估装置的框图。
图10是本申请根据一示例性实施例示出的一种问卷调查装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
请参考图1,图1以理财平台获取用户的评价信息为例,示出了相关技术中一份问卷的示意图。由图1可见,大多数理财平台通常是构建相关的评价指标,根据评价指标设计调查问卷,将问卷输出给用户填写,最后根据用户的填写结果获取信息。此种处理方式中,一方面,用户面对问卷时有可能不会认真填写,考虑到用户填写的随意性,特别是调查问卷中需要用户填写的内容较多的时候,调查问卷的填写结果有可能不太可靠,信息的获取准确性难以保证;另一方面,所设计的调查问卷内容通常较长,用户需要阅读内容之后进行填写,问卷内容过多会给用户带来较多不便,获得用户的填写结果也需要一定时间,信息获取效率较差。
本申请实施例所提供的方案,可以获取所述用户的历史业务数据,利用历史业务数据确定出一个或多个所述评价指标的评价信息,而对于无法确定的其它评价指标,则提供给用户,通过用户的反馈而获取。由于利用历史业务数据可以准确获取到评价信息,因此能提高信息的准确性;另一方面,由于某些评价信息可以利用历史业务数据自动确定,因此可减少提供给用户的评价指标的数量,从而减少用户的填写操作。接下来对本申请实施例进行详细说明。
如图2所示,图2是本申请根据一示例性实施例示出的一种信息获取方法的流程图,该方法可应用于服务器,包括以下步骤201至204:
在步骤201中,确定对用户评估时所需的多个评价指标。
本申请实施例所提供的方案,可以应用于多种需要获取用户信息的场景下,例如游戏平台评估用户对游戏产品的喜好信息、旅游服务商评估用户对旅游产品的需求信息、理财平台用户风险等级或者是购物平台评估用户的满意度信息等。上述具有获取信息需求的场景都可采用本申请实施例所提供的方案。
其中,评价指标可以理解为表征用户信息各方面特性及其相互联系所设定的多个指标,通常,信息获取方可以基于所需获取的信息,设定多个从不同维度评估用户信息的评价指标。例如,理财平台为获取用户的风险等级,其设定的评价指标可以包括有:投资经验、投资目的、期望收益、投资周期、可承损失、投资金额、投资数量、产品品种、交易金额、用户年龄或最高学历等。旅游服务商为评估用户对旅游产品的需求信息,其设定的评价指标可以包括有:用户年龄、最高学历、年收入、年假时长、旅游数量或旅游投入等。可以理解,在实际应用中,可以基于不同的用户信息评估需求而灵活配置评价指标,本申请实施例对此不作限定。
在步骤202中,获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
本申请实施例中,可以获取待评估用户的历史业务数据,采用数据分析及自动计算的方式,利用历史业务数据确定出一个或多个所述评价指标的评价信息。
其中,用户的历史业务数据,可以包括多种提供业务服务的服务端通过长期收集用户产生的历史业务行为数据,保存其中有用而沉淀下来的数据。当平台较大,用户量非常多,用户获得服务端所提供的服务而产生较多的业务行为数据,则沉淀下来的数据与精确采集得到的数据可以无穷接近。并且,平台所沉淀下的历史业务数据具有时序性,可以从时间维度进行分析,从而根据历史业务数据可以获得与用户相关的多种信息。例如,对于购物或支付平台,可以根据用户账户信息获取用户年龄、性别或最高学历等个人信息,根据时间维度上的购物行为数据,可以预测用户的消费水平或收入水平等。对于理财平台,可以根据用户的历史理财数据获得用户个人信息、投资数量或风险偏好等。
通过此种方式,可以显著减少用户填写问卷的操作,给用户提供了便利,也能防止用户随意填写影响评估信息的准确性,还可以有效地提高评估效率。
对于如何利用所述历史业务数据确定出一个或多个所述评价指标的评价信息,在实际应用中可以有多种方式。例如可以根据已获取的用户个人信息获得某些评价指标的评价信息,或者是根据待评估用户的历史业务数据分析出评价指标的评价信息,或者是利用数据挖掘的方式自动进行分析计算等。在一个可选的实现方式中,所述利用所述历史业务数据确定出一个或多个所述评价指标的评价信息,包括:
将所述历史业务数据输出至预设的挖掘模型,利用所述挖掘模型而计算得到;
所述挖掘模型预先通过如下方式获得:
以数据库存储的用户历史业务数据及历史问卷数据为样本,在剔除异常样本后,采用特征工程算法构建用于表示每个样本的特征向量;
根据所述特征向量采用机器学习方法进行挖掘模型训练,构建用于预测所述评价指标的评价信息的挖掘模型。
本申请实施例中,可以采用挖掘模型对评价指标的评价信息进行自动分析。数据挖掘可以理解为利用业务知识从数据中发现和解释知识(或称为模式)的过程,具体的,可以采用各业务平台已沉淀的用户历史业务数据及历史问卷数据作为样本,基于该样本训练并构建用于预测评价指标的评价信息的挖掘模型,后续采用该已训练好的挖掘模型对用户的评价指标进行自动计算。
其中,挖掘模型用于指示不同数据的特征向量与评价指标的评价信息的对应关系。在实际应用中,可以采用特征工程(Feature Engineering)算法从样本数据中提取出特征向量,特征工程算法能采用特定领域知识或者自动化的方法来生成、提取、删减或者组合变化,以得到数据的特征向量,特征工程算法的具体实施过程可以参照传统技术,本申请对此不作赘述。
接着采用机器学习方法构建挖掘模型,在实际应用中可以采用神经网络算法构建神经网络模型、采用决策树算法构建决策树模型,或者是采用聚类算法构建聚类分析模型等。具体的机器学习方法可以根据实际需要而灵活设定,本申请实施例对此不作赘述。
在另一个可选的实现方式中,所述利用所述历史业务数据确定出一个或多个所述评价指标的评价信息,包括:
通过将所述历史业务数据输出至预设的规则模型,利用所述规则模型而计算得到;所述规则模型包括多条用于指示评价指标的不同评价信息的逻辑规则。
本申请实施例中,可以采用相关技术中的语义学习方法对评价指标进行语义分析,基于对评价指标含义的理解,可以搜集所有可用数据,包括用户自然属性、行为数据、交易数据、金融属性或个人偏好等信息。其中,逻辑规则用于指示用户的相关数据与评价指标的评价信息的对应关系,其涉及逻辑运算可以包括“是”与“否”等。规则模型中的逻辑规则可根据实际需求而灵活配置。
通常,在数据库所存储的数据中搜集待评估用户的相关数据,可以是基于待评估用户的唯一标识(例如用户账号或用户名称等能区分不同用户的标识),从数据库所存储的数据中获取与该用户相关的数据。相关数据输入至某一条逻辑规则时,该条逻辑规则能根据逻辑运算结果确定是否能获得该相关数据所对应评价指标的评价信息。
例如,假设评价指标为交易金额,其评价信息包括5个等级:1(历史购物总金额20万以上)、2(历史购物总金额20万至10万)、3(历史购物总金额10万至5万)、4(历史购物总金额5万至1万)和5(历史购物总金额1万以下)。可以理解,上述5个评价信息只是举例说明,在实际应用中,评价信息的具体数值或等级等可以根据需要而灵活配置,本申请实施例对此不作限定。
其中,预先设定的交易金额的规则模型包括有如下逻辑规则:
近一年历史购物总金额10万以上,指示交易金额的评价信息为1;
近一年历史购物总金额5万至10万,指示交易金额的评价信息为2;
近一年历史购物总金额2万至5万,指示交易金额的评价信息为3;
近一年历史购物总金额1万至2万,指示交易金额的评价信息为4;
近一年历史购物总金额1万以下,用于指示交易金额的评价信息为5。
当搜集到待评估用户近一年的历史购物总金额数据时,将该历史购物总金额数据输入至交易金额的逻辑模型,即可获得该用户的交易金额评价指标的评价信息。
再举例,假设评价指标为投资数量,其评价信息包括5个等级:1(年均理财产品15个以上)、2(年均理财产品10至15个)、3(年均理财产品5至10个)、4(年均理财产品3至5个)和5(年均理财产品3个以下)。可以理解,上述5个等级只是举例说明,在实际应用中,评价信息的具体数值或等级等可以根据需要而灵活配置,本申请实施例对此不作限定。
其中,预先设定的投资数量的规则模型包括有如下逻辑规则:
近两年历史购买理财产品的平均值15个以上,指示投资数量的评价信息为1;
近两年历史购买理财产品的平均值10至15个,指示投资数量的评价信息为2;
近两年历史购买理财产品的平均值5至10个,指示投资数量的评价信息为3;
近两年历史购买理财产品的平均值3至5个,指示投资数量的评价信息为4;
近两年历史购买理财产品的平均值3个以下,指示投资数量的评价信息为5。
当搜集到用户的近两年的历史理财产品购买数据时,将该历史理财产品购买数据输入至投资数量的规则模型,即可获得该用户的投资数量评价指标的评价信息。
上述规则模型所包括的具体的逻辑规则可以结合专家经验、头脑风暴和实际需要而预先配置,其所适用的评价指标可以是取值客观且容易量化的评价指标,因此当用户的相关数据输入至规则模型时,根据数值进行相应的逻辑运算,能快速地确定用户的评价指标的评价信息。
在步骤203中,将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户。
本实施例中,从前述描述可知,可以利用历史业务数据确定出若干个评价指标的评价信息,对于无法确定评价信息的评价指标,则提供给用户。在实际应用中,可以通过输出调查问卷、发送短信或人工电话调查等多种方式提供给用户。
例如,若采用调查问卷的方式,可以将调查问卷输出至用户所使用的如智能手机、计算机或平板电脑等终端。所输出的问卷中可以包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
在其他可选的实现方式中,问卷中也可以包括利用历史业务数据确定出评价信息的评价指标,其对应的选项可以预先选中,以供用户确认所述确定出的评价信息是否正确。进一步的,在输出所述问卷时,还可以输出被预先选中的选项是否正确的提示消息。该提示消息可以提示用户查阅被预先选中的选项是否正确,以提高获取信息的准确性。
在步骤204中,根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
由于将未确定出评价信息的评价指标提供给用户,则可通过用户的反馈确定出所述其它一个或多个评价指标的评价信息。由于利用历史业务数据可以准确获取到评价信息,因此能提高信息的准确性;另一方面,由于某些评价信息可以利用历史业务数据自动确定,因此可减少提供给用户的评价指标的数量,从而减少用户的填写操作。
如图3所示,图3是本申请根据一示例性实施例示出的一种信息评估方法的流程图,该方法可应用于服务器,包括以下步骤301至305:
在步骤301中,确定对用户评估时所需的多个评价指标。
在步骤302中,获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
在步骤303中,将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户。
在步骤304中,根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
在步骤305中,根据各个所述评价指标的评价信息,评估所述用户信息。
本实施例中的步骤301至304,可参考图2所示实施例中步骤201至204的描述,在此不做赘述。由于评价指标可以用于从不同维度评估用户信息,在获取到各个评价指标的评价信息后,即可根据评价信息评估用户信息。例如,可以预先对每个评价指标配置相应权重,接着对自动确定的评价指标的评价信息和用户所反馈的评价指标的评价信息进行加权计算并取和值,进而评估出用户信息。在实际应用中,可以根据数据成熟度和业务需求灵活设定不同评价指标的权重,本申请实施例对此不作限定。本实施例中,由于利用历史业务数据可以准确获取到若干个评价指标的评价信息,因此所评估的用户信息的准备性和可靠性较高。
如图4A所示,图4A是本申请根据一示例性实施例示出的一种问卷调查方法的流程图。接下来结合图4B所示的问卷调查的应用场景图对该方法进行详细说明。图4B中包括一用于问卷调查的服务器、一存储历史业务数据的数据库服务器和一用户使用的智能终端,图4B中的智能终端以智能手机为例进行说明。本实施例的方法可应用于服务器,包括以下步骤401至403:
在步骤401中,确定对用户进行问卷调查时所需的多个评价指标。
在步骤402中,获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
在步骤403中,对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
本申请实施例所提供的方案,可以应用于多种需要通过问卷评估用户信息的场景下,例如游戏平台通过问卷评估用户对游戏产品的喜好信息、旅游服务商通过问卷评估用户对旅游产品的需求信息、理财平台通过问卷评估用户风险等级或者是购物平台评估用户的满意度信息等。上述具有通过问卷评估用户信息需求的场景都可采用本申请实施例所提供的方案,基于不同的应用场景,用户信息可以是:对游戏产品的喜好信息、对旅游产品的需求信息、用户风险等级或满意度信息等。在实际应用中,用户信息可以不同的需求而灵活配置,本申请实施例对此不作限定。
为了获取评价指标的评价信息,通常可以预先基于评价指标设定相应问题,并展示在问卷中,每个问题可以设定有指示所述评价指标的不同评价信息的选项,当用户选中选项,即可获得相应选项的评价信息。
相关技术中,每个问题的选项,都需由用户选择。而本申请实施例中,可以获取待评估用户的历史业务数据,采用数据分析及自动计算的方式,利用历史业务数据确定出一个或多个所述评价指标的评价信息。
通过此种方式,可以显著减少用户填写问卷的操作,给用户提供了便利,也能防止用户随意填写影响评估结果的准确性,还可以有效地提高评估效率。
对于如何利用所述历史业务数据确定出一个或多个所述评价指标的评价信息,在实际应用中可以有多种方式。例如可以根据已获取的用户个人信息获得某些评价指标的评价信息,或者是根据待评估用户的历史业务数据分析出评价指标的评价信息,或者是利用数据挖掘的方式自动进行分析计算等。
从前述描述可知,可以利用历史业务数据确定出若干个评价指标的评价信息,对于无法确定评价信息的评价指标,则可通过问卷提供给用户,例如可以将调查问卷输出至用户所使用的如智能手机、计算机或平板电脑等终端。所输出的问卷中可以包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。通过问卷可以获取用户的反馈,进而确定评价指标的相应评价信息。
在其他可选的实现方式中,问卷中也可以包括利用历史业务数据确定出评价信息的评价指标,其对应的选项可以预先选中,以供用户确认服务器自动确定出的评价信息是否正确。
对比图1中相关技术中的问卷与图4B智能手机中所显示的问卷可知,本实施例所输出的问卷中,评价指标对应的问题显著减少,可以减少用户的填写操作。由于利用历史业务数据可以准确获取到评价信息,因此也能提高用户信息的准确性。
接下来以处理用于评估用户风险等级的问卷为例对本申请方案进行说明。可以理解,在其他应用场景中,本申请的问卷处理方案还可以用于处理其他用户信息的问卷,例如评估用户对游戏产品的喜好信息的问卷、评估用户对旅游产品的需求信息的问卷或评估用户满意度信息的问卷等。
相关技术中,理财平台在向用户推荐理财产品时,通常会对用户的可承受风险能力进行评估,用户的可承受风险能力一般包括如下几个等级类型:保守型、稳健型、平衡性、积极型或激进型等。风险等级的评估通常需要获知用户的收入情况、历史投资经验或风险偏好等多种评价指标的评价信息,以根据具体指标的评价信息确定用户相应的风险等级。
用于评估风险等级的评价指标可根据实际需要而灵活配置,例如可以包含如下指标:投资金额、投资经验、期望收益、投资周期、可承损失、投资数量、产品品种、交易金额、风险偏好、投资目的、用户年龄或最高学历等。上述评价指标中,根据具体内容的主观程度或隐私程度、数据获取的难易程度等,包括用户年龄、最高学历或投资数量等评价指标的评价信息可以通过用户的历史业务数据而自动分析获取,并在所输出的问卷中预先为用户选中相应选项;而投资目的或期望收益等涉及用户的隐私或属于主观数据的评价指标的评价信息,则可供用户选择相应选项。
本实施例中,可以预先对评价指标所指示的不同评价信息进行量化赋值。例如,对于投资周期评价指标,投资周期的评价信息可以包括1至3个月、3个月至6个月、6个月至一年、一年至两年或两年至三年等不同的投资周期范围,上述五个不同的评价信息可以设定相应的量化值,例如对应的量化值可以是:1、2、3、4或5等。同时,还可以对其他评价指标的评价信息进行量化赋值,以用于后续根据不同评价指标的数值快速确定相应的风险等级,具体的数值在实际应用中可以根据需要而灵活配置。
上述评价指标中,如果评价指标的取值客观且容易量化,例如投资数量、产品品种、交易金额、用户年龄或最高学历等,可以采用规则模型的方式进行计算。
例如,可以采用相关技术中的语义学习方法对评价进行语义分析,基于对评价指标含义的理解,搜集所有可用数据,包括用户自然属性、行为数据、交易数据、金融属性或个人偏好等信息。
其中,逻辑规则用于指示用户的相关数据与评价指标的评价信息的对应关系,其涉及逻辑运算可以包括“是”与“否”等。通常,在数据库所存储的沉淀数据中搜集待评估用户的相关数据,可以是基于待评估用户的唯一标识(例如用户账号或用户名称等能区分不同用户的标识),从数据库所存储的沉淀数据中获取与该用户相关的数据。
当用户的相关数据输入至某一条逻辑规则时,该条逻辑规则能根据逻辑运算结果确定是否能获得该相关数据所对应计算指标的评价信息。
例如,假设评价指标为最高学历,其评价信息包括5个等级:1(博士)、2(硕士)、3(学士)、4(大专)和5(大专以下)。可以理解,上述5个评价信息只是举例说明,在实际应用中,评价信息的具体数值或等级等可以根据需要而灵活配置,本申请实施例对此不作限定。
其中,预先设定的最高学历的规则模型包括有如下逻辑规则:
用户最高学历为博士,指示最高学历的评价信息为1;
用户最高学历为硕士,指示最高学历的评价信息为2;
用户最高学历为学士,指示最高学历的评价信息为3;
用户最高学历为大专,指示最高学历的评价信息为4;
用户最高学历在大专以下,指示最高学历的评价信息为5。
当搜集到待评估用户的学历数据时,将学历数据输入至最高学历的逻辑模型,即可获得该用户的最高学历评价指标的评价信息。
在实际应用中,可以根据待评估的用户信息所涉及的多种评价指标,结合专家经验、头脑风暴和实际需要而预先配置多种规则模型,其所适用的评价指标可以是取值客观且容易量化的评价指标,因此当用户的相关数据输入至规则模型时,根据数值进行相应的逻辑运算,能快速地确定用户的评价指标的评价信息。
对于难以用数据量化的评价指标,如风险偏好、投资目的等,本申请实施例可以采用挖掘模型进行计算。数据挖掘可以理解为利用业务知识从数据中发现和解释知识(或称为模式)的过程,具体的,可以采用理财平台等已沉淀的用户历史理财数据及历史调查问卷数据作为样本,基于该样本训练构建用于预测评价指标的评价信息的挖掘模型,后续采用该已训练好的挖掘模型对用户的评价指标的评价信息进行自动计算。
本申请实施例中,对于可采用规则模型或挖掘模型计算的评价指标,在所输出的问卷中,可将计算出的评价信息对应的选项预先选中。
可以理解,对于预先选中的选项,用户若发现选择错误,还可以选择其他的选项。用户在填写完问卷并提交后,可以获取问卷的填写结果。填写结果中包括每个问题中被选中的选项,根据被选中的选项所指示的评价指标的评价信息和预设的各个评价指标的权重值,可以计算各个所述评价信息的加权值,获得用户的风险评分值,最后根据预先设定的不同风险等级的评分范围,用户的风险评分值属于哪个范围,即可评定为哪个风险等级。例如,用户的风险评分值56,其属于预先配置的“稳健型”所对应的区间[41,60],因此该用户可被评定为“稳健型”。可以理解,在实际应用中可以根据数据成熟度和业务需求灵活设定不同评价的权重、风险评分值的确定方式或不同风险等级的评分范围等。
与前述方法的实施例相对应,本申请还提供了信息获取、信息评估、问卷调查装置及其所应用的服务器的实施例。
本申请信息获取装置的实施例可以应用在服务器上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在服务器的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图5所示,为本申请信息获取装置所在服务器的一种硬件结构图,除了图5所示的处理器510、内存530、网络接口520、以及非易失性存储器540之外,实施例中装置531所在的服务器通常根据该服务器的实际功能,还可以包括其他硬件,对此不再赘述。
本申请信息评估装置的实施例可以应用在服务器上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在服务器的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图6所示,为本申请信息评估装置所在服务器的一种硬件结构图,除了图6所示的处理器610、内存630、网络接口620、以及非易失性存储器640之外,实施例中装置631所在的服务器通常根据该服务器的实际功能,还可以包括其他硬件,对此不再赘述。
本申请问卷调查装置的实施例可以应用在服务器上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在服务器的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图7所示,为本申请问卷调查装置所在服务器的一种硬件结构图,除了图7所示的处理器710、内存730、网络接口720、以及非易失性存储器740之外,实施例中装置731所在的服务器通常根据该服务器的实际功能,还可以包括其他硬件,对此不再赘述。
如图8所示,图8是本申请根据一示例性实施例示出的一种信息获取装置的框图,所述装置包括:
指标确定模块81,用于确定对用户评估时所需的多个评价指标。
第一评价信息确定模块82,用于获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
指标提供模块83,用于将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户。
第二评价信息确定模块84,用于根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
在一个可选的实现方式中,所述第一评价信息确定模块82,包括:
挖掘模型构建子模块,用于以数据库存储的用户历史业务数据及历史问卷数据为样本,在剔除异常样本后,采用特征工程算法构建用于表示每个样本的特征向量;根据所述特征向量采用机器学习方法进行挖掘模型训练,构建用于预测所述评价指标的评价信息的挖掘模型。
挖掘模型计算子模块,用于将所述历史业务数据输出至所述挖掘模型确定子模块所构建的挖掘模型中,利用所述挖掘模型计算得到一个或多个所述评价指标的评价信息。
在一个可选的实现方式中,所述第一评价信息确定模块82,包括:
规则模型计算子模块,用于通过将所述历史业务数据输出至预设的规则模型,利用所述规则模型计算得到一个或多个所述评价指标的评价信息;所述规则模型包括多条用于指示评价指标的不同评价信息的逻辑规则。
如图9所示,图9是本申请根据一示例性实施例示出的一种信息评估装置的框图,所述装置包括:
指标确定模块91,用于确定对用户评估时所需的多个评价指标。
第一评价信息确定模块92,用于获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
指标提供模块93,用于将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户。
第二评价信息确定模块94,用于根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
用户信息评估模块95,用于根据各个所述评价指标的评价信息,评估所述用户信息。
如图10所示,图10是本申请根据一示例性实施例示出的一种问卷调查装置的框图,所述装置包括:
指标确定模块110,用于确定对用户进行问卷调查时所需的多个评价指标。
评价信息确定模块120,用于获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
问卷提供模块130,用于对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
相应的,本申请还提供一种服务器,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:
确定对用户评估时所需的多个评价指标。
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户。
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
相应的,本申请还提供一种服务器,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:
确定对用户评估时所需的多个评价指标。
获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户。
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
根据各个所述评价指标的评价信息,评估所述用户信息。
相应的,本申请还提供一种服务器,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:
确定对用户进行问卷调查时所需的多个评价指标。
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息。
对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (13)
1.一种信息获取方法,其特征在于,所述方法包括:
确定对用户评估时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
2.根据权利要求1所述的方法,其特征在于,所述利用所述历史业务数据确定出一个或多个所述评价指标的评价信息,包括:
将所述历史业务数据输出至预设的挖掘模型,利用所述挖掘模型计算得到一个或多个所述评价指标的评价信息;
所述挖掘模型预先通过如下方式获得:
以数据库存储的用户历史业务数据及历史问卷数据为样本,在剔除异常样本后,采用特征工程算法构建用于表示每个样本的特征向量;
根据所述特征向量采用机器学习方法进行挖掘模型训练,构建用于预测所述评价指标的评价信息的挖掘模型。
3.根据权利要求1所述的方法,其特征在于,所述利用所述历史业务数据确定出一个或多个所述评价指标的评价信息,包括:
通过将所述历史业务数据输出至预设的规则模型,利用所述规则模型而计算得到;所述规则模型包括多条用于指示评价指标的不同评价信息的逻辑规则。
4.一种信息评估方法,其特征在于,所述方法包括:
确定对用户评估时所需的多个评价指标;
获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息;
根据各个所述评价指标的评价信息,评估所述用户信息。
5.一种问卷调查方法,其特征在于,所述方法包括:
确定对用户进行问卷调查时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
6.一种信息获取装置,其特征在于,所述装置包括:
指标确定模块,用于确定对用户评估时所需的多个评价指标;
第一评价信息确定模块,用于获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
指标提供模块,用于将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;
第二评价信息确定模块,用于根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
7.根据权利要求6所述的装置,其特征在于,所述第一评价信息确定模块,包括:
挖掘模型构建子模块,用于以数据库存储的用户历史业务数据及历史问卷数据为样本,在剔除异常样本后,采用特征工程算法构建用于表示每个样本的特征向量;根据所述特征向量采用机器学习方法进行挖掘模型训练,构建用于预测所述评价指标的评价信息的挖掘模型;
挖掘模型计算子模块,用于将所述历史业务数据输出至所述挖掘模型确定子模块所构建的挖掘模型中,利用所述挖掘模型计算得到一个或多个所述评价指标的评价信息。
8.根据权利要求6所述的装置,其特征在于,所述第一评价信息确定模块,包括:
规则模型计算子模块,用于通过将所述历史业务数据输出至预设的规则模型,利用所述规则模型计算得到一个或多个所述评价指标的评价信息;所述规则模型包括多条用于指示评价指标的不同评价信息的逻辑规则。
9.一种信息评估装置,其特征在于,所述装置包括:
指标确定模块,用于确定对用户评估时所需的多个评价指标;
第一评价信息确定模块,用于获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
指标提供模块,用于将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户;
第二评价信息确定模块,用于根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息;
用户信息评估模块,用于根据各个所述评价指标的评价信息,评估所述用户信息。
10.一种问卷调查装置,其特征在于,所述装置包括:
指标确定模块,用于确定对用户进行问卷调查时所需的多个评价指标;
评价信息确定模块,用于获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
问卷提供模块,用于对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
11.一种服务器,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定对用户评估时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息。
12.一种服务器,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定对用户评估时所需的多个评价指标;
获取用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
将未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标提供给所述待评估用户;
根据所述用户的反馈,确定出所述其它一个或多个评价指标的评价信息;
根据各个所述评价指标的评价信息,评估所述用户信息。
13.一种服务器,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定对用户进行问卷调查时所需的多个评价指标;
获取所述用户的历史业务数据,利用所述历史业务数据确定出一个或多个所述评价指标的评价信息;
对于未能利用所述历史业务数据确定出评价信息的其它一个或多个评价指标,通过问卷提供给所述用户,所述问卷中包括基于所述其它一个或多个评价指标所设定的问题,每个问题设定有可供用户选择的选项,不同选项指示不同的评价信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610566669.6A CN106875206A (zh) | 2016-07-18 | 2016-07-18 | 信息获取、评估、问卷调查方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610566669.6A CN106875206A (zh) | 2016-07-18 | 2016-07-18 | 信息获取、评估、问卷调查方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875206A true CN106875206A (zh) | 2017-06-20 |
Family
ID=59239402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610566669.6A Pending CN106875206A (zh) | 2016-07-18 | 2016-07-18 | 信息获取、评估、问卷调查方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875206A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403381A (zh) * | 2017-05-27 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 用于风险测评的数据采集方法及装置和电子设备 |
CN108022167A (zh) * | 2017-11-22 | 2018-05-11 | 阿里巴巴集团控股有限公司 | 风险测评的实现方法和装置 |
CN108197816A (zh) * | 2018-01-17 | 2018-06-22 | 吉林省吉好生活服务有限公司 | 一种基于家庭服务业的诚信体系评价方法 |
CN108428152A (zh) * | 2018-03-12 | 2018-08-21 | 平安科技(深圳)有限公司 | 调查问卷生成方法、服务器及计算机可读存储介质 |
CN108664605A (zh) * | 2018-05-09 | 2018-10-16 | 北京三快在线科技有限公司 | 一种模型评估方法及系统 |
CN109615240A (zh) * | 2018-12-13 | 2019-04-12 | 联想(北京)有限公司 | 一种数据处理方法、装置及评价系统 |
CN110119988A (zh) * | 2019-04-19 | 2019-08-13 | 深圳壹账通智能科技有限公司 | 基于决策树模型的产品交易方法、装置和计算机设备 |
CN110163460A (zh) * | 2018-03-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种确定应用分值的方法及设备 |
CN110334901A (zh) * | 2019-05-28 | 2019-10-15 | 中国平安人寿保险股份有限公司 | 一种业务的价值指标自动评估方法和相关装置 |
CN111144690A (zh) * | 2019-11-26 | 2020-05-12 | 泰康保险集团股份有限公司 | 目标对象的评估系统、目标对象的评估方法 |
US10783457B2 (en) | 2017-05-26 | 2020-09-22 | Alibaba Group Holding Limited | Method for determining risk preference of user, information recommendation method, and apparatus |
WO2020215681A1 (zh) * | 2019-04-26 | 2020-10-29 | 平安科技(深圳)有限公司 | 指示信息生成方法、装置、终端及存储介质 |
CN111861529A (zh) * | 2019-05-19 | 2020-10-30 | 北京骑胜科技有限公司 | 基于区块链的数据评价方法、装置、电子设备及存储介质 |
CN111985839A (zh) * | 2020-08-31 | 2020-11-24 | 天阳宏业科技股份有限公司 | 基于问卷的资料搜集评价方法、装置和设备 |
CN112001661A (zh) * | 2020-09-11 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 一种风测等级更新的方法、装置、设备及介质 |
CN112101807A (zh) * | 2020-09-22 | 2020-12-18 | 北京思特奇信息技术股份有限公司 | 一种电信行业集团客户价值综合评估的方法及相关装置 |
CN113827985A (zh) * | 2021-08-12 | 2021-12-24 | 中投国信(北京)科技发展有限公司 | 一种大数据的业务信息评价方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156817A (zh) * | 2014-08-07 | 2014-11-19 | 国家电网公司 | 一种电网综合评估体系智能生成系统及方法 |
CN104715129A (zh) * | 2013-12-13 | 2015-06-17 | 中国科学院心理研究所 | 基于移动设备使用行为的心理健康状态评估系统和方法 |
CN105303440A (zh) * | 2015-10-12 | 2016-02-03 | 北银消费金融有限公司 | 一种消费信用贷款申请评估系统及其实现方法 |
CN105354210A (zh) * | 2015-09-23 | 2016-02-24 | 深圳市爱贝信息技术有限公司 | 移动游戏支付账户行为数据处理方法和装置 |
CN105433961A (zh) * | 2015-12-17 | 2016-03-30 | 国家电网公司 | 一种电网企业工作人员心理健康状况的评估方法 |
CN105701693A (zh) * | 2015-12-31 | 2016-06-22 | 浙江图讯科技股份有限公司 | 一种基于深度学习的企业信用评价方法 |
-
2016
- 2016-07-18 CN CN201610566669.6A patent/CN106875206A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715129A (zh) * | 2013-12-13 | 2015-06-17 | 中国科学院心理研究所 | 基于移动设备使用行为的心理健康状态评估系统和方法 |
CN104156817A (zh) * | 2014-08-07 | 2014-11-19 | 国家电网公司 | 一种电网综合评估体系智能生成系统及方法 |
CN105354210A (zh) * | 2015-09-23 | 2016-02-24 | 深圳市爱贝信息技术有限公司 | 移动游戏支付账户行为数据处理方法和装置 |
CN105303440A (zh) * | 2015-10-12 | 2016-02-03 | 北银消费金融有限公司 | 一种消费信用贷款申请评估系统及其实现方法 |
CN105433961A (zh) * | 2015-12-17 | 2016-03-30 | 国家电网公司 | 一种电网企业工作人员心理健康状况的评估方法 |
CN105701693A (zh) * | 2015-12-31 | 2016-06-22 | 浙江图讯科技股份有限公司 | 一种基于深度学习的企业信用评价方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10783457B2 (en) | 2017-05-26 | 2020-09-22 | Alibaba Group Holding Limited | Method for determining risk preference of user, information recommendation method, and apparatus |
CN107403381A (zh) * | 2017-05-27 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 用于风险测评的数据采集方法及装置和电子设备 |
WO2018219201A1 (zh) * | 2017-05-27 | 2018-12-06 | 阿里巴巴集团控股有限公司 | 用于风险测评的数据采集方法及装置和电子设备 |
CN108022167A (zh) * | 2017-11-22 | 2018-05-11 | 阿里巴巴集团控股有限公司 | 风险测评的实现方法和装置 |
CN108022167B (zh) * | 2017-11-22 | 2020-06-16 | 阿里巴巴集团控股有限公司 | 风险测评的实现方法和装置 |
CN108197816A (zh) * | 2018-01-17 | 2018-06-22 | 吉林省吉好生活服务有限公司 | 一种基于家庭服务业的诚信体系评价方法 |
CN108428152A (zh) * | 2018-03-12 | 2018-08-21 | 平安科技(深圳)有限公司 | 调查问卷生成方法、服务器及计算机可读存储介质 |
CN110163460B (zh) * | 2018-03-30 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 一种确定应用分值的方法及设备 |
CN110163460A (zh) * | 2018-03-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种确定应用分值的方法及设备 |
CN108664605A (zh) * | 2018-05-09 | 2018-10-16 | 北京三快在线科技有限公司 | 一种模型评估方法及系统 |
CN109615240A (zh) * | 2018-12-13 | 2019-04-12 | 联想(北京)有限公司 | 一种数据处理方法、装置及评价系统 |
CN110119988A (zh) * | 2019-04-19 | 2019-08-13 | 深圳壹账通智能科技有限公司 | 基于决策树模型的产品交易方法、装置和计算机设备 |
WO2020215681A1 (zh) * | 2019-04-26 | 2020-10-29 | 平安科技(深圳)有限公司 | 指示信息生成方法、装置、终端及存储介质 |
CN111861529A (zh) * | 2019-05-19 | 2020-10-30 | 北京骑胜科技有限公司 | 基于区块链的数据评价方法、装置、电子设备及存储介质 |
CN110334901A (zh) * | 2019-05-28 | 2019-10-15 | 中国平安人寿保险股份有限公司 | 一种业务的价值指标自动评估方法和相关装置 |
CN111144690A (zh) * | 2019-11-26 | 2020-05-12 | 泰康保险集团股份有限公司 | 目标对象的评估系统、目标对象的评估方法 |
CN111985839A (zh) * | 2020-08-31 | 2020-11-24 | 天阳宏业科技股份有限公司 | 基于问卷的资料搜集评价方法、装置和设备 |
CN112001661A (zh) * | 2020-09-11 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 一种风测等级更新的方法、装置、设备及介质 |
CN112001661B (zh) * | 2020-09-11 | 2023-11-07 | 支付宝(杭州)信息技术有限公司 | 一种风测等级更新的方法、装置、设备及介质 |
CN112101807A (zh) * | 2020-09-22 | 2020-12-18 | 北京思特奇信息技术股份有限公司 | 一种电信行业集团客户价值综合评估的方法及相关装置 |
CN113827985A (zh) * | 2021-08-12 | 2021-12-24 | 中投国信(北京)科技发展有限公司 | 一种大数据的业务信息评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875206A (zh) | 信息获取、评估、问卷调查方法、装置及服务器 | |
Farboodi et al. | Long-run growth of financial data technology | |
CN109919684A (zh) | 用于生成信息预测模型的方法、电子设备和计算机可读存储介质 | |
EP2506207A1 (en) | Computer system, computer-implemented method and computer program product for managing operations of a system | |
CN108898476A (zh) | 一种贷款客户信用评分方法和装置 | |
US8775296B2 (en) | Social based automatic trading of currencies, commodities, securities and other financial instruments | |
JP4710011B2 (ja) | 企業価値分析装置及び企業価値分析方法 | |
CN106780008A (zh) | 一种积分管理方法和装置 | |
JPWO2018142753A1 (ja) | ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム | |
CN113642923A (zh) | 基于历史催收数据的不良资产包价值评估方法 | |
CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN109492863A (zh) | 金融单证的自动生成方法及装置 | |
CN110782339A (zh) | 一种违约概率预测方法、系统和可读存储介质 | |
Hax et al. | The use of decision analysis in capital investment problems | |
CN111292118A (zh) | 基于深度学习的投资者画像构建方法和装置 | |
CN114846500A (zh) | 从动态生成的电子数据库中执行选择的系统 | |
CN112132679A (zh) | 产品推荐方法及装置 | |
Diaz-Balteiro et al. | Economics and management of industrial forest plantations | |
CN111667307A (zh) | 一种理财产品销量的预测方法及装置 | |
Ahmadi et al. | An exposition of least square Monte Carlo approach for real options valuation | |
CN114693428A (zh) | 数据确定方法、装置、计算机可读存储介质及电子设备 | |
Ali et al. | An intelligent model for success prediction of initial coin offerings | |
CN112508689A (zh) | 一种基于多维度实现决策评估的方法 | |
CN110020783A (zh) | 电子装置、资产预期损失的计量方法和存储介质 | |
Komala et al. | Pre indication of Stock Price Using Prolonged Petite-Stretch Memory (PPSM) Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |