CN107038165A - 一种业务参数获取方法及装置 - Google Patents

Abstract

本发明实施例公开了一种业务参数获取方法及装置，通过对大量具有身份数据的样本进行训练得到kNN模型，利用kNN模型对用户的身份数据进行归类，进行归类后可以得到该用户的多个待选方案，确定多个待选方案中每个待选方案对应的数值，利用多个数值中至少一个参与确定业务参数，这样通过利用kNN模型和身份数据对用户进行业务参数的获取，操作更科学，处理过程准确，保证了使用者的最大利益，提升使用者的满意度。例如，在进行账款催收时，利用被催收人的身份数据可以得到被催收人能够接受的业务参数对应的还款比例，使得在账款催收过程中保障催收人的最大利益。

Description

一种业务参数获取方法及装置

技术领域

本发明涉及互联网技术领域，特别涉及一种业务参数获取方法及装置。

背景技术

当前很多业务与业务参数都是直接相关的，业务参数直接影响到业务申请是否能够成功。业务提供方在对用户开展业务时往往按照经验或者随机操作，往往因为估计不足导致操作结果不令人满意。

发明内容

有鉴于此，本发明实施例提供了一种业务参数获取方法及装置。

本发明的一个目的是提供一种业务参数获取方法，所述方法包括：

获取待确定业务参数的用户的用户信息；

利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到；

确定所述多个待选方案中每个待选方案对应的所述数值；

利用多个所述数值中的至少一个数值确定所述业务参数。

可选地，所述获取待确定业务参数的用户的用户信息之后，所述方法还包括：

建立用户数据与kNN模型的对应关系，以使得根据不用的用户数据获取不同的kNN模型。

可选地，所述获取待确定业务参数的用户的用户信息之后，所述方法还包括：

利用所述对应关系获取与所述用户信息对应的kNN模型。

可选地，所述利用多个所述数值中至少一个参与确定业务参数之后，所述方法还包括：

当所述业务参数至少为两个时，对所述业务数据进行优先级排序，并按照优先级利用所述业务数据执行相应的操作。

可选地，所述利用多个所述数值中的至少一个数值确定所述业务参数具体包括：

利用多个所述数值中的至少一个数值与所述业务总量确定所述业务参数。

本发明的另一个目的是提供一种业务参数获取装置，所述装置包括：

第一获取单元，用于获取待确定业务参数的用户的用户信息；

处理单元，用于利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到；

第一确定单元，用于确定所述多个待选方案中每个待选方案对应的所述数值；

第二确定单元，用于利用多个所述数值中的至少一个数值确定所述业务参数。

可选地，所述装置还包括：

建立单元，用于建立用户数据与kNN模型的对应关系，以使得根据不用的用户数据获取不同的kNN模型。

可选地，所述装置还包括：

第二获取单元，用于利用所述对应关系获取与所述用户信息对应的kNN模型。

可选地，所述装置还包括：

执行单元，用于当所述业务参数至少为两个时，对所述业务数据进行优先级排序，并按照优先级利用所述业务数据执行相应的操作。

可选地，所述第二确定单元还用于：

利用多个所述数值中的至少一个数值与所述业务总量确定所述业务参数。

从以上技术方案可以看出，本发明实施例具有以下优点：

通过对大量具有用户信息的样本进行训练得到kNN模型，利用kNN模型对用户的用户信息进行归类，进行归类后可以得到该用户的多个待选方案，确定多个待选方案中每个待选方案对应的数值，利用多个数值中至少一个参与确定业务参数，这样通过利用kNN模型和用户信息对用户进行业务参数的获取，操作更科学，处理过程准确，根据科学的预判提高业务处理的成功率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中一种业务参数获取方法的一种实施例的流程图；

图2是本发明实施例中一种业务参数获取方法的另一种实施例的流程图；

图3是本发明实施例中一种业务参数获取装置的一种实施例的结构图；

图4是本发明实施例中一种业务参数获取装置的另一种实施例的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在描述本发明实施例之前，先对本发明实施例中涉及到的名词做初步的介绍：

最邻近结点kNN模型：kNN模型是采用最近邻(k-Nearest Neighbor，KNN)分类算法，利用一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别，kNN算法中，所选择的邻居都是已经正确分类的对象。

现在的催收员在电话催收时会根据和欠款人的谈话内容，依据个人经验来决定提供什么样的还款方案，类似于一个谈判的过程。譬如催收员让欠款人全额还款，欠款人可能会提出还款困难的一些理由，催款人再决定是否给予欠款人一些其它的还款方案，如还款80％等。

结合图1所示，针对上面的方法中的问题，本发明提供的实施例中业务参数获取方法的一种实施例，所述方法包括：

S101、获取待确定业务参数的用户的用户信息。

S102、利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理，得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到。

S103、确定所述多个待选方案中每个待选方案对应的数值。

S104、利用多个所述数值中的至少一个数值确定所述业务参数。

对于不同的用户可以对应不同的用户信息，用户信息可以包括该用户的贷款信息、联系的难易程度、风险评级和经济状等信息，可以对具有相同条件的用户进行训练得到对应的kNN模型，例如，A用户具有汽车和住房，B具有汽车和住房，则可以将A用户和B用户作为具有相同条件来进行处理，通过利用kNN模型可以得到这一类别的用户所能接受的待选方案的数量，待选方案可以为已知用户所能接受还款额度的方案，例如第一种还款方案、第二种还款方案，其中，第一种还款方案对应的还款比例可以是总欠款的60％，符合这一类型的用户大多数可以接受还款总欠款60％的方案，第二种还款方案可以是总欠款的80％，符合这一类型的用户还有一部分可以接受还款总欠款80％的方案，接受第二种方案的用户少于接受第一种方案的用户，但这两个方案相对于其他比例的还款方案更容易被这一类型的用户所接受，在进行催款时，可以优先向用户提供这两个方案，使得还款方案被接受的可能性更大。

前面提到的用户信息，在保证个人隐私的情况下，利用人们在网络中的支付信息进行统计可以供使用，例如欠款人的欠款、联系难易度、风险评级、经济状况等信息，欠款与联系难易度、风险评级可有第三方机构提供，如征信评分，对于经济状况也由第三方机构提供，需要说明的是，在提供这些数据之前需要在合法的前提下必要时还应当需要欠款人的授权进行，以保证欠款人的合法隐私权。利用大量的已知用户信息进行kNN模型训练，可以得到一个类型的用户接收催款的可能方案。

对于待选方案对应的数值，可以是还款的比例值，总欠款的比例，例如，总欠款的60％，这里数值对应的是还款方案实际的还款比例，对于业务参数，是利用数值进行计算获得，业务参数可以是用户即被催款人所需要偿还的欠款数量，当计算出被欠款人可以能接受60％的可能性最大，则将总欠款×60％作为催款的数量，这里算出的实际催款量作为业务参数，后面再进行催款时可以使用这个业务参数作为催款的首选方案。

这里的kNN模型可以对应一类的用户，kNN模型中的k可以选择为500人，即在500人寻找被接受较多的还款方案，利用这个还款方案对这一类型用户进行预测，这里提到的类型是用户的相关条件，例如经济条件、贷款条件，比如两个人都具有贷款、从事的工作也相同可以认为这两个人作为一个类型的用户，将大量的具有一个类型的用户进行训练得到kNN模型之后，当在遇到属于这一类型的用户需要进行催款时，则可以将这个用户的用户信息送入这种类型用户的kNN模型中进行归类，得到这个用户预计能接受的还款方案。

利用的数据包括欠款人的欠款、联系难易度、风险评级、经济状况等信息。欠款与联系难易度由催收方提供。风险评级由第三方机构提供，如征信评分。经济状况也由第三方数据公司提供。此外，还需要一定数量的已知是否接受还款方案的欠款人信息，作为模型训练库。

本方案采用的kNN模型，利用计算即将催收的欠款人信息与训练库中的欠款人的欧式距离，然后找到与该欠款人距离最相近的其它k个欠款人，如此k人中有n人收到过还款90％的方案，其中有m人接受了此方案，那么我们就以m/n作为欠款人接受还款90％的概率。依次类推，根据此k个人实际接受各还款方案的情况，我们可以预测欠款人接受还款90％、80％、70％等方案的概率。然后依此概率计算各种还款方案的期望收款额，如还款90％方案对应的期望收款，欠款额×90％×还款90％的概率。

对于kNN模型的构建方法可以采用以下过程：

一、根据特征项集合重新描述训练文本向量；

二、在新文本到达后，根据特征词分词新文本，确定新文本的向量表示；

三、在训练文本集中选出与新文本最相似的K个文本，计算公式为：

其中，K值一般采用先定一个初始值，然后根据实验测试的结果调整K值，一般初始值定为几百到几千之间，在本实施例中，K值选为500。

四、:在新文本的K个邻居中，依次计算每类的权重，计算公式如下：

其中，x为新文本的特征向量，Sim(x,di)为相似度计算公式，与上一步骤的计算公式相同，而y(di,Cj)为类别属性函数，即如果di属于类Cj，那么函数值为1，否则为0。

本发明提供的业务参数获取方法，通过对大量具有用户信息的样本进行训练得到kNN模型，利用kNN模型对用户的用户信息进行归类，进行归类后可以得到该用户的多个待选方案，确定多个待选方案中每个待选方案对应的数值，利用多个数值中至少一个参与确定业务参数，这样通过利用kNN模型和用户信息对用户进行业务参数的获取，操作更科学，处理过程准确，保证了使用者的最大利益，提升使用者的满意度。例如，在进行账款催收时，利用被催收人的用户信息可以得到被催收人能够接受的业务参数对应的还款比例，使得在账款催收过程中保障催收人的最大利益。

结合图2所示，本发明的业务参数的获取方法的另一种实施例，所述方法包括：

S201、获取待确定业务参数的用户的用户信息。

S202、建立用户数据与kNN模型的对应关系，以使得根据不用的用户数据获取不同的kNN模型。

根据不用类型的用户信息对应建立kNN模型，每一个kNN模型可以对一个类型的用户信息进行归类判断，可以利用对应的kNN模型对被催款人可能接受的还款方案进行预判。

S203、利用所述对应关系获取与所述用户信息对应的kNN模型。

利用用户信息可对应关系即可查询得到对应的kNN模型，再将用户信息输入到查询得到的kNN模型中进行处理。

S204、利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到。

将用户的用户信息送入对应的kNN模型中就可以得到用户信息对应待选方案，每个待选方案可以代表一个开展业务的方案。

S205、确定所述多个待选方案中每个待选方案对应的所述数值。

通过待选方案可以获得这个开展业务的方案的具体内容，例如可以是具体用到的比例值，不同的待选方案对应不同比例值的方案，具体不做限定。

S206、利用多个所述数值中的至少一个数值确定所述业务参数。

根据kNN模型得到的待选方案可以有多个，对待选方案进行对应数值的获取也可有多个，在使用时可以选择数值中的一个来确定业务参数，可以将这一数值和预设的系数进行相乘得到业务参数，例如，当进行催款时，这个数值可以为总欠款的比例值，如总欠款的70％，这个数值就对应为70％。

S207、当所述业务参数至少为两个时，对所述业务数据进行优先级排序，并按照优先级利用所述业务数据执行相应的操作。

业务参数至少为两个时，对应的业务参数有高有低，可以将业务参数的高低进行排序，让业务参数高的优先进行，业务参数低的排后，例如，在进行催款时，将还款比例高的业务参数优先进行，从高到低的顺序依次进行试探。

对于大量具有同样用户信息的人进行统计可以得到这个这一类人中对还款方案的接受程度，例如k为500人的kNN模型中有80％的人可以接收还款70％的方案，有10％的人可以接收还款90％的还款方案，有19％的人可以接收还款80％的方案，仅仅有1％的人能接受全额还款的方案，这时候对于未来一个属于该类型的被催款人就可以采用接受概率比较大的还款70的方案进行催款，提高催款效率，保障催款人的合法利益。

在上面的实施例中，所述数值为占用业务总量的比例，这里的业务总量可以为总欠款，利用多个所述数值中的至少一个数值与所述业务总量确定所述业务参数，具体可以是利用还款的比例和总欠款的乘积作为催收时使用的业务参数。

结合图3所示，上文中介绍了业务参数获取方法，对应地，本发明还提供了业务参数获取装置的一种实施例，所述装置包括：

第一获取单元301，用于获取待确定业务参数的用户的用户信息；

处理单元302，用于利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到；

第一确定单元303，用于确定所述多个待选方案中每个待选方案对应的数值；

第二确定单元304，用于利用多个所述数值中至少一个参与确定所述业务参数。

可选地，所述装置还包括：

建立单元305，用于建立用户数据与kNN模型的对应关系，以使得根据不用的用户数据获取不同的kNN模型。

可选地，所述装置还包括：

第二获取单元306，用于利用所述对应关系获取与所述用户信息对应的kNN模型。

可选地，所述装置还包括：

执行单元307，用于当所述业务参数至少为两个时，对所述业务数据进行优先级排序，并按照优先级利用所述业务数据执行相应的操作。

可选地，所述数值为占用业务总量的比例，所述第二确定单元304还用于：

利用多个所述数值中的至少一个数值与所述业务总量确定所述业务参数。

本发明提供的业务参数获取装置，通过对大量具有用户信息的样本进行训练得到kNN模型，利用kNN模型对用户的用户信息进行归类，进行归类后可以得到该用户的多个待选方案，确定多个待选方案中每个待选方案对应的数值，利用多个数值中至少一个参与确定业务参数，这样通过利用kNN模型和用户信息对用户进行业务参数的获取，操作更科学，处理过程准确，保证了使用者的最大利益，提升使用者的满意度。例如，在进行账款催收时，利用被催收人的用户信息可以得到被催收人能够接受的业务参数对应的还款比例，使得在账款催收过程中保障催收人的最大利益。

结合图4所示，图4是本发明实施例提供的业务参数获取装置40的结构示意图。所述业务参数获取装置40包括处理器410、存储器450和输入/输出I/O设备430，存储器450可以包括只读存储器和随机存取存储器，并向处理器410提供操作指令和数据。存储器450的一部分还可以包括非易失性随机存取存储器(NVRAM)。

在一些实施方式中，存储器450存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集:

在本发明实施例中，通过调用存储器450存储的操作指令(该操作指令可存储在操作系统中)，

获取待确定业务参数的用户的用户信息；

利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理，得到所述用户信息的多个待选方案，其中，所述待选方案用于标识不同比例的方案，所述kNN模型是利用大量具有所述用户信息的样本训练得到；

确定所述多个待选方案中每个待选方案对应的数值；

利用多个所述数值中的至少一个数值确定所述业务参数。

本发明实施例提供的业务参数获取装置40可以根据用户的应用头像进行业务参数的确定，从而提高了业务参数确定的广泛度和业务推广的广泛度。例如：现有技术中无法评估绝大多数人的可信度，而本申请所提供的方案可以用户的应用头像进行可信度的评估，得到用户的信用评分，从而提高了用户信用评分的广泛度。

处理器410控制业务参数获取装置40的操作，处理器410还可以称为CPU(Central Processing Unit，中央处理单元)。存储器450可以包括只读存储器和随机存取存储器，并向处理器410提供指令和数据。存储器450的一部分还可以包括非易失性随机存取存储器(NVRAM)。的应用中业务参数获取装置40的各个组件通过总线系统420耦合在一起，其中总线系统420除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线系统420。

上述本发明实施例揭示的方法可以应用于处理器410中，或者由处理器410实现。处理器410可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器410中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器410可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器450，处理器410读取存储器450中的信息，结合其硬件完成上述方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的一种业务参数获取方法及装置进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种业务参数获取方法，其特征在于，所述方法包括：

获取待确定业务参数的用户的用户信息；

利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到；

确定所述多个待选方案中每个待选方案对应的所述数值；

利用多个所述数值中的至少一个数值确定所述业务参数。

2.根据权利要求1所述的方法，其特征在于，所述获取待确定业务参数的用户的用户信息之后，所述方法还包括：

建立用户数据与kNN模型的对应关系，以使得根据不用的用户数据获取不同的kNN模型。

3.根据权利要求2所述的方法，其特征在于，所述获取待确定业务参数的用户的用户信息之后，所述方法还包括：

利用所述对应关系获取与所述用户信息对应的kNN模型。

4.根据权利要求1所述的方法，其特征在于，所述利用多个所述数值中至少一个参与确定业务参数之后，所述方法还包括：

当所述业务参数至少为两个时，对所述业务数据进行优先级排序，并按照优先级利用所述业务数据执行相应的操作。

5.根据权利要求1所述的方法，其特征在于，所述利用多个所述数值中的至少一个数值确定所述业务参数具体包括：

利用多个所述数值中的至少一个数值与所述业务总量确定所述业务参数。

6.一种业务参数获取装置，其特征在于，所述装置包括：

第一获取单元，用于获取待确定业务参数的用户的用户信息；

处理单元，用于利用具有数据分类功能的最邻近结点kNN模型对所述用户信息进行归类处理得到所述用户信息的多个待选方案，其中，所述待选方案具有不同的数值，所述数值为占用业务总量的比例，所述kNN模型是利用大量具有所述用户信息的样本训练得到；

第一确定单元，用于确定所述多个待选方案中每个待选方案对应的所述数值；

第二确定单元，用于利用多个所述数值中的至少一个数值确定所述业务参数。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

建立单元，用于建立用户数据与kNN模型的对应关系，以使得根据不用的用户数据获取不同的kNN模型。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第二获取单元，用于利用所述对应关系获取与所述用户信息对应的kNN模型。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

执行单元，用于当所述业务参数至少为两个时，对所述业务数据进行优先级排序，并按照优先级利用所述业务数据执行相应的操作。

10.根据权利要求6所述的装置，其特征在于，所述第二确定单元还用于：

利用多个所述数值中的至少一个数值与所述业务总量确定所述业务参数。