CN109543848A - 一种维修人员的风险控制方法及装置 - Google Patents
一种维修人员的风险控制方法及装置 Download PDFInfo
- Publication number
- CN109543848A CN109543848A CN201811230185.XA CN201811230185A CN109543848A CN 109543848 A CN109543848 A CN 109543848A CN 201811230185 A CN201811230185 A CN 201811230185A CN 109543848 A CN109543848 A CN 109543848A
- Authority
- CN
- China
- Prior art keywords
- maintenance personal
- information
- maintenance
- risk index
- air control
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请属于信息处理技术领域,提供一种维修人员的风险控制方法及装置,该方法包括:接收维修人员的资料信息;根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。由于将维修人员的资料信息和诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,从而可对维修人员各服务方面存在的风险进行有效的控制。
Description
技术领域
本申请属于信息处理技术领域,尤其涉及一种维修人员的风险控制方法及装置。
背景技术
随着汽车行业的发展,汽车维修行业也随着汽车的保有量的不断增加而快速发展,汽车维修行业涉及到汽车的各个方面,主要由维修人员(如汽修技师)向汽车维修行业提供各方面的技术支持。
然而,维修人员在日常工作中存在各种风险,如在操作过程中使用维修设备不当存在的安全性问题、由于维修人员的诚信问题导致不按时偿还租赁维修设备,或者不能按时偿还分期购买设备的费用等风险问题。目前对于维修人员的风险控制方式主要是为维修人员购买保险,在发生意外后将损失降低,并没有有效的风险预防方式。
发明内容
有鉴于此,本申请实施例提供了一种维修人员的风险控制方法及装置,可对维修人员进行有效的风险控制。
本申请实施例第一方面提供了一种维修人员的风险控制方法,包括:
接收所述维修人员的资料信息;
根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;
将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。
在一个实施例中,所述根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息,包括:
根据所述身份信息从第三方信用平台获取所述维修人员的信用记录;
根据所述信用记录确定所述维修人员的诚信参数信息。
在一个实施例中,所述接收所述维修人员的资料信息包括:
接收所述维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息和设备维护参数信息。
在一个实施例中,所述将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,包括:
将所述收入信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员贷款的风险指数,根据所述贷款的风险指数为所述维修人员推荐贷款金额;
将所述工龄信息和所述设备维护参数信息输入至训练后的风控模型,得到所述维修人员使用维修设备的风险指数,根据所述使用维修设备的风险指数确定所述维修人员对应维修设备使用权限;
将所述工龄信息和所述意外事故参数信息输入至训练后的风控模型,得到所述维修人员购买保险产品的风险指数,根据所述购买保险产品的风险指数为所述维修人员推荐需购买的保险产品。
在一个实施例中,在根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息之后,还包括:
每经过预设的时间间隔获取所述维修人员在所述时间间隔内的信用记录;
根据所述时间间隔内的信用记录更新所述诚信参数信息。
在一个实施例中,在接收所述维修人员的资料信息之后,还包括:
若接收到所述维修人员的新增资料信息,则根据所述新增资料信息更新所述资料信息。
在一个实施例中,所述风控模型的训练过程包括:
预先获取各个样本的资料信息和诚信参数信息,以及所述各个样本的风险指数;
将所述各个样本对应的资料信息和诚信参数信息输入至初始的风控模型中,以使得所述初始的风控模型输出所述各个样本对应的风险指数;
根据预先获取的所述各个样本的风险指数以及所述初始的风控模型输出所述各个样本对应的风险指数,确定所述初始的风控模型输出准确率;
不断的调整当前的风控模型中的各个参数,并通过参数调整后的风控模型继续根据输入的各个样本对应的资料信息和诚信参数信息输出对应的风险指数,直至参数调整后的风控模型输出准确率大于预设准确率为止,则将当前的风控模型确定为训练后的风控模型。
本申请实施例的第二方面提供一种维修人员的风险控制装置,包括:
接收模块,用于接收所述维修人员的资料信息;
第一确定模块,用于根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;
第二确定模块,用于将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。
在一个实施例中,所述第一确定模块具体包括:
获取单元,用于根据所述身份信息从第三方信用平台获取所述维修人员的信用记录;
第一确定单元,用于根据所述信用记录确定所述维修人员的诚信参数信息。
在一个实施例中,所述接收模块具体用于:接收所述维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息和设备维护参数信息。
在一个实施例中,所述第二确定模块具体包括:
第一输出单元,用于将所述收入信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员贷款的风险指数,根据所述贷款的风险指数为所述维修人员推荐贷款金额;
第二输出单元,用于将所述工龄信息和所述设备维护参数信息输入至训练后的风控模型,得到所述维修人员使用维修设备的风险指数,根据所述使用维修设备的风险指数确定所述维修人员对应维修设备使用权限;
第三输出单元,用于将所述工龄信息和所述意外事故参数信息输入至训练后的风控模型,得到所述维修人员购买保险产品的风险指数,根据所述购买保险产品的风险指数为所述维修人员推荐需购买的保险产品。
在一个实施例中,所述风险控制装置还包括:
获取模块,用于每经过预设的时间间隔获取所述维修人员在所述时间间隔内的信用记录;
第一更新模块,用于根据所述时间间隔内的信用记录更新所述诚信参数信息。
在一个实施例中,所述风险控制装置还包括:
第二更新模块,用于若接收到所述维修人员的新增资料信息,则根据所述新增资料信息更新所述资料信息。
在一个实施例中,所述风险控制装置还包括训练模块,所述训练模块用于训练所述风控模型,所述训练模块包括:
样本获取单元,用于预先获取各个样本的资料信息和诚信参数信息,以及所述各个样本的风险指数;
输出单元,用于将所述各个样本对应的资料信息和诚信参数信息输入至初始的风控模型中,以使得所述初始的风控模型输出所述各个样本对应的风险指数;
准确率确定单元,用于根据预先获取的所述各个样本的风险指数以及所述初始的风控模型输出所述各个样本对应的风险指数,确定所述初始的风控模型输出准确率;
参数调整单元,用于不断的调整当前的风控模型中的各个参数,并通过参数调整后的风控模型继续根据输入的各个样本对应的资料信息和诚信参数信息输出对应的风险指数,直至参数调整后的风控模型输出准确率大于预设准确率为止,则将当前的风控模型确定为训练后的风控模型。
本申请实施例的第三方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现上述方法的步骤。
在本申请实施例中,接收所述维修人员的资料信息;根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。由于将维修人员的资料信息和诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,从而可对维修人员各服务方面存在的风险进行有效的控制。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本申请实施例一提供的维修人员的风险控制方法的流程示意图;
图2是本申请实施例一提供的风控模型的训练过程的流程示意图;
图3是本申请实施例二提供的维修人员的风险控制方法的流程示意图;
图4是本申请实施例三提供的维修人员的风险控制装置的结构示意图;
图5是本申请实施例四提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本申请实施例提供的维修人员的风险控制方法,可应用于如云端服务器,智能手机、平板电脑和台式电脑等终端设备。具体地可由所述终端设备中数据管理平台实现上述风险控制方法,所述数据管理平台可以是在终端设备上运行的应用软件。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。应理解,下述方法实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对各实施例的实施过程构成任何限定。
实施例一
本申请实施例提供的维修人员的风险控制方法,如图1所示,所述风险控制方法包括:
步骤S101,接收所述维修人员的资料信息;
在本申请实施例中,上述维修人员可以是汽修技师或其他类型的维修人员,接收维修人员的资料信息可接收由维修人员通过所在的客户端提交资料信息,或者也可是接收由专业的相关机构通过所在客户端提交维修人员的资料信息。
在一个实施例中,所述接收所述维修人员的资料信息包括:接收所述维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息和设备维护参数信息。上述资料信息包括但不限于是维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息、设备维护参数信息和相关工作经验等信息中的一项或多项信息。具体地,上述身份信息包括但不限于维修人员的姓名、身份证号信息、联系方式信息和相关证书信息中的一项或多项信息,如维修人员是汽修技师时,相关证书信息可以是技师证或者专业的培训证书等信息。接收的工龄信息可是接收由维修人员或专业管理人员提交工龄信息,或者也可由相关的证书确认工作年限,如上述维修人员是汽修技师时,可以根据识别技师证中信息确定汽修技师的工龄信息。
在一个实施例中,接收设备维护参数信息可以是接收相关企业(如维修站)通过所在的客户端提交设备维护参数信息,或者通过维修人员在共享维修站的记录,将出现设备故障的记录,通过站内物联网设备上传后确定设备维护参数值。上述意外事故参数信息可由维修人员或者相关专业人员提交意外事故参数信息,当然也可以根据医疗记录中工作中的意外事故信息确定并获取上述意外事故参数信息。
在一个实施例中,在接收所述维修人员的资料信息之后,还包括:若接收到所述维修人员的新增资料信息,则根据所述新增资料信息更新所述资料信息。如由于维修人员的相关履历的变换,需增加资料信息,可在接收到维修人员新增资料信息时,根据新增的资料信息更新之前存储的资料信息。
步骤S102,根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;
在本申请实施例中,根据维修人员的资料信息获取维修人员的信用记录可以先获取资料信息中维修人员的身份信息,再根据身份信息从第三方信用平台获取维修人员的信用记录。根据获取到的所述信用记录确定维修人员的诚信参数,如可自动识别统计信用记录中的贷款记录,拖欠记录或其它违章等负面记录,根据信用记录中的负面记录确定维修人员的诚信参数,如可预先设置标准的诚信参数,根据维修人员信用的负面记录对所述诚信参数上调或下调,如可根据负面记录的类型设置诚信参数下调的数值。
在一个实施例中,所述根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息,包括:根据所述身份信息从第三方信用平台获取所述维修人员的信用记录;根据所述信用记录确定所述维修人员的诚信参数信息。
在一个实施例中,在根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息之后,还包括:每经过预设的时间间隔获取所述维修人员在所述时间间隔内的信用记录;根据所述时间间隔内的信用记录更新所述诚信参数信息。在每经过预设的时间间隔根据维修人员的身份信息从第三方信用平台获取维修人员的信用记录,根据信用记录更新维修人员已存储的诚信参数。具体地,可以根据预设时间间隔内的负面信用记录下调上述诚信参数,若在预设时间间隔内未识别到维修人员的负面记录可将诚信参数上调。
步骤S103,将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。
在本申请实施例中,上述训练后的风控模型可以是预先训练过的神经网络模型(如卷积神经网络模型),上述风险指数包括但不限于维修人员贷款的风险指数、维修人员使用维修设备的风险指数以及维修人员购买保险产品的风险指数。上述为所述维修人员进行服务推荐包括但不限于为所述维修人员推荐贷款金额、确定所述维修人员对应维修设备使用权限以及为所述维修人员推荐需购买的保险产品。
在一个实施例中,上述训练后的风控模型的训练过程可以如图2所示,包括步骤S201-S204:
步骤S201,预先获取各个样本的资料信息和诚信参数信息,以及所述各个样本的风险指数;
在本申请实施例中,可以从预先存储的样本数据库中获取各个样本的数据,获取样本的个数可根据实际应用选取,为了使训练后的风控模型更准确,可获取尽可能多的样本数据。各个样本的数据为在样本数据库中已知对应的各个维修人员的资料信息和诚信参数信息,以及已知的各个维修人员的风险指数,一个样本对应一个维修人员。
步骤S202,将所述各个样本对应的资料信息和诚信参数信息输入至初始的风控模型中,以使得所述初始的风控模型输出所述各个样本对应的风险指数;
在本申请实施例中,预先建立一个初始的风控模型,再将从样本数据库中获取的各个样本对应的资料信息和诚信参数输入至初始模型,以使得所述初始的风控模型输出所述各个样本对应的风险指数。例如,有三个样本分别对应三个维修人员,如维修人员A、维修人员B和维修人员C,已获得维修人员A、维修人员B和维修人员C资料信息和诚信参数信息,以及对应的风险指数。分别将维修人员A、维修人员B和维修人员C资料信息和诚信参数信息输入至初始模型,以使初始的风控模型输出所述维修人员A、维修人员B和维修人员C对应的风险指数。
步骤S203,根据预先获取的所述各个样本的风险指数以及所述初始的风控模型输出所述各个样本对应的风险指数,确定所述初始的风控模型输出准确率;
在本申请实施例中,根据初始的风险模型输出的某个样本的风险指数与在步骤201中预先获取的该样本的风险指数,判断该初始的风控模型是否准确的计算了该样本的风险指数,遍历所有已获取的样本,再判断通过初始的风控模型准确计算样本风险指数在所有样本中所占的比例,将该比例确定为初始的风控模型输出准确率。此外,上述判断该初始的风控模型是否准确计算该样本的风险指数可以是:判断初始风控模型输出的风险指数租预先获取的该样本的风险指数的差值是否在预设范围内,若在预设范围内,则判断该初始的风险模型准确的计算了该样本的风险指数。
步骤S204,不断的调整当前的风控模型中的各个参数,并通过参数调整后的风控模型继续根据输入的各个样本对应的资料信息和诚信参数信息输出对应的风险指数,直至参数调整后的风控模型输出准确率大于预设准确率为止,则将当前的风控模型确定为训练后的风控模型。
在本申请实施例中,通常情况下初始建立的风控模型并不能准确的计算出各个样本的风险指数,需要不断的调整当前风控模型中的各个参数,并在调整参数后再次获取样本数据库中的各个样本的资料信息和诚信参数信息输入至调整参数后的风控模型,以使该调整参数后的风控模型继续计算各个样本的风险指数,可再次确定当前调整参数后的各个样本风险指数的输出准确率,通过不断的调整当前风控模型的各个参数,直至当前的风控模型输出的风险指数的准确率大于预设的准确率为止,则将当前的风控模型确定为训练后的风控模型。常用的调整参数的方法有随机梯度下降算法(Stochastic GradientDescent,SGD)、动力更新算法(Momentum update)等等,此处对调整参数所使用的方法不做限定。
在一种应用场景中,维修人员的资料信息包括维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息和设备维护参数信息。初始建立的风控模型输出可为维修人员贷款的风险指数、维修人员使用维修设备的风险指数以及维修人员购买保险产品的风险指数三个输出指数,该三个输出指数分别对应的输入信息为维修人员的收入信息和所述诚信参数信息、维修人员的工龄信息和设备维护参数信息、以及维修人员的工龄信息和所述意外事故参数信息。根据三个输出指数对应的输入信息对风控模型进行训练,可得到训练后的风控模型。
由此可见,在本申请实施例中,由于将维修人员的资料信息和诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,从而可对维修人员各服务方面存在的风险进行有效的控制。
实施例二
本实施例是对实施例一的进一步描述,本实施例基于实施例一实现,与实施例一相同或相似的地方具体可参见实施例一的相关描述,此处不在赘述。如图3所示,上述步骤S103包括:
步骤S301,将所述收入信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员贷款的风险指数,根据所述贷款的风险指数为所述维修人员推荐贷款金额;
在本申请实施例中,预先建立的初始风控模型中输出的维修人员贷款的风险指数对应的输入信息为维修人员的收入信息和诚信参数信息,且根据样本数据库中各个样本的收入信息、诚信参数信息以及各个样本贷款的风险指数训练初始的风控模型,当将所述收入信息和所述诚信参数信息输入至训练后的风控模型,可得到所述维修人员贷款的风险指数。根据所述贷款的风险指数为所述维修人员推荐贷款金额。如预先建立贷款的风险指数与推荐金额的关系映射表,来根据贷款的风险指数为所述维修人员推荐贷款金额。为所述维修人员推荐贷款金额具体可以是为维修人员推荐最大限制的贷款金额。从而可根据维修人员的贷款金额给维修人员提供对应的贷款,从而可以有效的控制贷款中存在的风险。
步骤S302,将所述工龄信息和所述设备维护参数信息输入至训练后的风控模型,得到所述维修人员使用维修设备的风险指数,根据所述使用维修设备的风险指数确定所述维修人员对应维修设备使用权限;
在本申请实施例中,预先建立的初始风控模型中输出的维修人员使用维修设备的风险指数对应的输入信息为维修人员的工龄信息和设备维护参数,且根据样本数据库中各个样本的工龄信息和设备维护参数以及各个样本使用维修设备的风险指数训练初始的风控模型,当将所述工龄信息和所述设备维护参数信息输入至训练后的风控模型,可得到所述维修人员使用维修设备的风险指数,根据所述使用维修设备的风险指数确定所述维修人员对应维修设备使用权限。可预设的不同使用维修设备的风险指数对应的不同维修设备的使用权限,确定维修人员对应维修设备使用权限。可有效降低维修设备损坏,以及可保证维修人员使用维修设备中存在的安全。
步骤S303,将所述工龄信息和所述意外事故参数信息输入至训练后的风控模型,得到所述维修人员购买保险产品的风险指数,根据所述购买保险产品的风险指数为所述维修人员推荐需购买的保险产品。
在本申请实施例中,预先建立的初始风控模型中输出的维修人员购买保险产品的风险指数对应的输入信息为维修人员的工龄信息和意外事故信息,且根据样本数据库中各个样本的工龄信息和意外事故信息以及各个样本购买保险产品的风险指数训练初始的风控模型。当将所述工龄信息和所述意外事故参数信息输入至训练后的风控模型,得到所述维修人员购买保险产品的风险指数,根据所述购买保险产品的风险指数为所述维修人员推荐需购买的保险产品。可预设的保险产品风险的风险指数对应的需购买的保险产品类型,为所述维修人员推荐需购买的保险产品。从而根据维修人员的工龄信息和意外事故信息给维修人员提供需购买的适合的保险产品,可将各方面的损失降到最低。
由此可见,在本申请实施例中,由于将维修人员的资料信息和诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,可对维修人员在贷款、工作中使用维修设备和保险产品各方面存在的风险进行有效的控制。
实施例三
本申请实施例提供一种维修人员的风险控制装置,可用于执行方法实施例一和/或实施例二中的方法步骤,为便于说明,仅示出与本申请相关的部分,如图4所示,所述维修人员的风险控制装置400包括:
接收模块401,用于接收所述维修人员的资料信息;
在一个实施例中,所述接收模块401具体用于:接收所述维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息和设备维护参数信息。
第一确定模块402,用于根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;
在一个实施例中,所述第一确定模块402具体包括:
获取单元,用于根据所述身份信息从第三方信用平台获取所述维修人员的信用记录;
第一确定单元,用于根据所述信用记录确定所述维修人员的诚信参数信息。
第二确定模块403,用于将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。
在一个实施例中,所述第二确定模块303具体包括:
第一输出单元,用于将所述收入信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员贷款的风险指数,根据所述贷款的风险指数为所述维修人员推荐贷款金额;
第二输出单元,用于将所述工龄信息和所述设备维护参数信息输入至训练后的风控模型,得到所述维修人员使用维修设备的风险指数,根据所述使用维修设备的风险指数确定所述维修人员对应维修设备使用权限;
第三输出单元,用于将所述工龄信息和所述意外事故参数信息输入至训练后的风控模型,得到所述维修人员购买保险产品的风险指数,根据所述购买保险产品的风险指数为所述维修人员推荐需购买的保险产品。
在一个实施例中,所述风险控制装置还包括:
获取模块404,用于每经过预设的时间间隔获取所述维修人员在所述时间间隔内的信用记录;
第一更新模块405,用于根据所述时间间隔内的信用记录更新所述诚信参数信息。
在一个实施例中,所述风险控制装置还包括:
第二更新模块406,用于若接收到所述维修人员的新增资料信息,则根据所述新增资料信息更新所述资料信息。
在一个实施例中,所述风险控制装置还包括训练模块,所述训练模块用于训练所述风控模型,所述训练模块包括:
样本获取单元,用于预先获取各个样本的资料信息和诚信参数信息,以及所述各个样本的风险指数;
输出单元,用于将所述各个样本对应的资料信息和诚信参数信息输入至初始的风控模型中,以使得所述初始的风控模型输出所述各个样本对应的风险指数;
准确率确定单元,用于根据预先获取的所述各个样本的风险指数以及所述初始的风控模型输出所述各个样本对应的风险指数,确定所述初始的风控模型输出准确率;
参数调整单元,用于不断的调整当前的风控模型中的各个参数,并通过参数调整后的风控模型继续根据输入的各个样本对应的资料信息和诚信参数信息输出对应的风险指数,直至参数调整后的风控模型输出准确率大于预设准确率为止,则将当前的风控模型确定为训练后的风控模型。
由此可见,在本申请实施例中,由于将维修人员的资料信息和诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,从而可对维修人员各服务方面存在的风险进行有效的控制。
实施例四
如图5所示,是本申请实施例提供的终端设备的结构示意图。所述终端设备500包括:处理器501、存储器502以及存储在上述存储器502中并可在上述处理器501上运行的计算机程序503。上述处理器501执行上述计算机程序503时实现上述维修人员的风险控制方法实施例中的步骤,例如图1所示的步骤S101至S103、图2所示的步骤S201至S204和/或图3所示的步骤S301至S303。
示例性的,上述计算机程序503可以被分割成一个或多个单元/模块,上述一个或者多个单元/模块被存储在上述存储器502中,并由上述处理器501执行,以完成本申请。上述一个或多个单元/模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述上述计算机程序503在上述终端设备500中的执行过程。例如,上述计算机程序503可以被分割成接收模块,第一确定模块,第二确定模块,获取模块,第一更新模块,第二更新模块,各模块具体功能在上述实施例三中已有描述,此处不在赘述。
上述终端设备500可以是云端服务器、移动终端、桌上型计算机、笔记本及掌上电脑等计算设备。上述终端设备500可包括,但不仅限于,处理器501、存储器502。本领域技术人员可以理解,图5仅仅是终端设备500的示例,并不构成对终端设备500的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如上述终端设备500还可以包括输入输出设备、网络接入设备、总线等。
所称处理器501可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
上述存储器502可以是终端设备500的内部存储单元,例如终端设备500的硬盘或内存。上述存储器502也可以是上述终端设备500的外部存储设备,例如上述终端设备500上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器502还可以既包括上述终端设备500的内部存储单元也包括外部存储设备。上述存储器502用于存储上述计算机程序以及上述终端设备500所需的其它程序和数据。上述存储器502还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述智能终端中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,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,上述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上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申请实施例方案的目的。
另外,在本申请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。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种维修人员的风险控制方法,其特征在于,包括:
接收所述维修人员的资料信息;
根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;
将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐。
2.如权利要求1所述的风险控制方法,其特征在于,所述根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息,包括:
根据所述身份信息从第三方信用平台获取所述维修人员的信用记录;
根据所述信用记录确定所述维修人员的诚信参数信息。
3.如权利要求1所述的风险控制方法,其特征在于,所述接收所述维修人员的资料信息包括:
接收所述维修人员的收入信息、身份信息、工龄信息、工作中的意外事故参数信息和设备维护参数信息。
4.如权利要求3所述的风险控制方法,其特征在于,所述将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数,根据所述风险指数为所述维修人员进行服务推荐,包括:
将所述收入信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员贷款的风险指数,根据所述贷款的风险指数为所述维修人员推荐贷款金额;
将所述工龄信息和所述设备维护参数信息输入至训练后的风控模型,得到所述维修人员使用维修设备的风险指数,根据所述使用维修设备的风险指数确定所述维修人员对应维修设备使用权限;
将所述工龄信息和所述意外事故参数信息输入至训练后的风控模型,得到所述维修人员购买保险产品的风险指数,根据所述购买保险产品的风险指数为所述维修人员推荐需购买的保险产品。
5.如权利要求1所述的风险控制方法,其特征在于,在根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息之后,还包括:
每经过预设的时间间隔获取所述维修人员在所述时间间隔内的信用记录;
根据所述时间间隔内的信用记录更新所述诚信参数信息。
6.如权利要求1所述的风险控制方法,其特征在于,在接收所述维修人员的资料信息之后,还包括:
若接收到所述维修人员的新增资料信息,则根据所述新增资料信息更新所述资料信息。
7.如权利要求1所述的风险控制方法,其特征在于,所述风控模型的训练过程包括:
预先获取各个样本的资料信息和诚信参数信息,以及所述各个样本的风险指数;
将所述各个样本对应的资料信息和诚信参数信息输入至初始的风控模型中,以使得所述初始的风控模型输出所述各个样本对应的风险指数;
根据预先获取的所述各个样本的风险指数以及所述初始的风控模型输出所述各个样本对应的风险指数,确定所述初始的风控模型输出准确率;
不断的调整当前的风控模型中的各个参数,并通过参数调整后的风控模型继续根据输入的各个样本对应的资料信息和诚信参数信息输出对应的风险指数,直至参数调整后的风控模型输出准确率大于预设准确率为止,则将当前的风控模型确定为训练后的风控模型。
8.一种维修人员的风险控制装置,其特征在于,包括:
接收模块,用于接收所述维修人员的资料信息;
第一确定模块,用于根据所述维修人员的资料信息获取所述维修人员的信用记录,根据所述信用记录确定所述维修人员的诚信参数信息;
第二确定模块,用于将所述资料信息和所述诚信参数信息输入至训练后的风控模型,得到所述维修人员的风险指数指数,根据所述风险指数为所述维修人员进行服务推荐。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230185.XA CN109543848A (zh) | 2018-10-22 | 2018-10-22 | 一种维修人员的风险控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811230185.XA CN109543848A (zh) | 2018-10-22 | 2018-10-22 | 一种维修人员的风险控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109543848A true CN109543848A (zh) | 2019-03-29 |
Family
ID=65844755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811230185.XA Pending CN109543848A (zh) | 2018-10-22 | 2018-10-22 | 一种维修人员的风险控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543848A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781938A (zh) * | 2022-06-20 | 2022-07-22 | 中铁十八局集团有限公司 | 一种主动式工程施工设备智能管控装置及系统 |
CN114973539A (zh) * | 2022-05-20 | 2022-08-30 | 中国银行股份有限公司 | Atm维修人员的监控方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070050289A1 (en) * | 2005-09-15 | 2007-03-01 | Zementis, Inc. | System for processing non-prime credit applications |
CN107368936A (zh) * | 2016-05-12 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 风控模型训练方法和装置 |
CN107464183A (zh) * | 2017-07-03 | 2017-12-12 | 广州帝隆科技股份有限公司 | 基于互联网的借贷方法、电子设备、存储介质及系统 |
CN107818513A (zh) * | 2017-11-24 | 2018-03-20 | 泰康保险集团股份有限公司 | 风险评估方法及装置、存储介质、电子设备 |
CN108520460A (zh) * | 2018-03-26 | 2018-09-11 | 平安普惠企业管理有限公司 | 业务数据测算处理方法、装置、计算机设备和存储介质 |
CN108681819A (zh) * | 2018-05-21 | 2018-10-19 | 中国平安人寿保险股份有限公司 | 员工行为等级分级方法、装置、计算机设备及存储介质 |
-
2018
- 2018-10-22 CN CN201811230185.XA patent/CN109543848A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070050289A1 (en) * | 2005-09-15 | 2007-03-01 | Zementis, Inc. | System for processing non-prime credit applications |
CN107368936A (zh) * | 2016-05-12 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 风控模型训练方法和装置 |
CN107464183A (zh) * | 2017-07-03 | 2017-12-12 | 广州帝隆科技股份有限公司 | 基于互联网的借贷方法、电子设备、存储介质及系统 |
CN107818513A (zh) * | 2017-11-24 | 2018-03-20 | 泰康保险集团股份有限公司 | 风险评估方法及装置、存储介质、电子设备 |
CN108520460A (zh) * | 2018-03-26 | 2018-09-11 | 平安普惠企业管理有限公司 | 业务数据测算处理方法、装置、计算机设备和存储介质 |
CN108681819A (zh) * | 2018-05-21 | 2018-10-19 | 中国平安人寿保险股份有限公司 | 员工行为等级分级方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
陈涔: "《互联网金融》", 30 September 2017 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973539A (zh) * | 2022-05-20 | 2022-08-30 | 中国银行股份有限公司 | Atm维修人员的监控方法及装置 |
CN114781938A (zh) * | 2022-06-20 | 2022-07-22 | 中铁十八局集团有限公司 | 一种主动式工程施工设备智能管控装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109582681A (zh) | 业务数据处理方法、装置、计算机设备及存储介质 | |
CN107622432A (zh) | 商户评价方法及系统 | |
CN110363416A (zh) | 金融资源分配方法、装置及电子设备 | |
US20210350427A1 (en) | Method and device for cost early warning of prefabricated building | |
CN106327196A (zh) | 一种支付阈值获取方法和装置 | |
CN107506931A (zh) | 股权激励方法、装置及电子设备 | |
CN111898278B (zh) | 基于工业互联网的数字化制造方法 | |
CN109543848A (zh) | 一种维修人员的风险控制方法及装置 | |
CN109685641A (zh) | 一种信息处理方法及装置 | |
CN113641828A (zh) | 一种基于知识图谱的电网供应商画像成像方法和存储设备 | |
CN110969327A (zh) | 工单的派送方法、装置、系统及数据的处理方法 | |
CN109344980A (zh) | 一种汽修技师的身份认证方法、装置及区块链节点设备 | |
CN106056445A (zh) | 借贷系统、和借贷信息显示及处理方法、及系统 | |
CN108347048B (zh) | 一种适应跨区跨国调度模式的计划编制方法 | |
CN115391758A (zh) | 一种自服务业务平台系统 | |
CN111652493A (zh) | 一种基于acm平台的多项目协同管理系统 | |
EP3370198A1 (en) | Auctioning method and system for electricity market commodities | |
CN113158124A (zh) | 基于人工智能的数据处理方法、装置及存储介质 | |
KR102176108B1 (ko) | 전문 중개인을 통한 차등 수수료 지급 시스템 및 그 방법 | |
CN116823026A (zh) | 一种基于区块链的工程数据处理系统及方法 | |
CN114700957B (zh) | 模型低算力需求的机器人控制方法及装置 | |
CN110489394A (zh) | 中间数据处理方法及设备 | |
CN116611633A (zh) | 车辆的排产方法、装置及电子设备 | |
CN115577983A (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
CN111080394B (zh) | 匹配方法、设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant after: SHENZHEN GOLO CHELIAN DATA TECHNOLOGY Co.,Ltd. Address before: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant before: GOLO IOV DATA TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |