CN110147926A - 一种业务类型的风险等级计算方法、存储介质及终端设备 - Google Patents
一种业务类型的风险等级计算方法、存储介质及终端设备 Download PDFInfo
- Publication number
- CN110147926A CN110147926A CN201910293591.9A CN201910293591A CN110147926A CN 110147926 A CN110147926 A CN 110147926A CN 201910293591 A CN201910293591 A CN 201910293591A CN 110147926 A CN110147926 A CN 110147926A
- Authority
- CN
- China
- Prior art keywords
- quality inspection
- video
- pass
- risk
- default
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 361
- 238000013210 evaluation model Methods 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims description 32
- 230000006399 behavior Effects 0.000 claims description 18
- 238000005086 pumping Methods 0.000 claims description 8
- 238000012372 quality testing Methods 0.000 claims description 8
- 238000012512 characterization method Methods 0.000 claims description 7
- 241001269238 Data Species 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 11
- 239000000463 material Substances 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 235000013399 edible fruits Nutrition 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/06—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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本发明涉及数据处理技术领域,尤其涉及一种业务类型的风险等级计算方法、装置、存储介质及终端设备。本发明提供的方法包括:获取业务员进行预设保险类型的保险销售行为的双录视频文件;对双录视频文件进行视频质检,得到视频质检结果,并根据视频质检结果确定业务员的视频质检通过率;对双录视频文件进行语音质检,得到语音质检结果,并根据语音质检结果确定业务员的语音质检通过率;将视频质检通过率和语音质检通过率输入至预设风险评估模型中,得到预设风险评估模型输出的风险值;根据风险值确定业务员在预设保险类型中的风险等级,实现业务员风险等级的自动识别与计算,节省风险业务员确定的人力和物力,提高风险业务员确定的及时性和准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种业务类型的风险等级计算方法、装置、计算机可读存储介质及终端设备。
背景技术
保险企业的风险管控是保险公司通过采取各种措施和方法来消灭或者减少风险事件发生的可能性,以降低保险公司的损失,而在保险销售过程中,业务员也可能会存在违规行为,这些违规行为也同样会给保险公司带来风险或者重大损失,因此,需要对业务员进行风险管控,以识别业务员的风险情况。而现有技术中,一般通过人为关注或者监控业务员的日常行为,以根据日常行为来确定业务员的风险情况,存在浪费人力和物力,以及风险情况确定不及时和不准确等问题。
发明内容
本发明实施例提供了一种业务类型的风险等级计算方法、装置、计算机可读存储介质及终端设备,能够根据业务员销售过程中的双录视频文件自动识别风险业务员和风险等级,节省业务员风险等级确定与计算的人力和物力,提高风险业务员确定的及时性和准确性。
本发明实施例的第一方面,提供了一种业务类型的风险等级计算方法,包括:
获取业务员进行预设保险类型的保险销售行为的双录视频文件;
对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
本发明实施例的第二方面,提供了一种业务类型的风险等级计算装置,包括:
双录视频获取模块,用于获取业务员进行预设保险类型的保险销售行为的双录视频文件;
视频质检模块,用于对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
语音质检模块,用于对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
风险值获取模块,用于将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
风险等级确定模块,用于根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
本发明实施例的第三方面,提供了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可读指令,所述计算机可读指令被处理器执行时实现如前述第一方面所述业务类型的风险等级计算方法的步骤。
本发明实施例的第四方面,提供了一种终端设备,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可读指令,所述处理器执行所述计算机可读指令时实现如下步骤:
获取业务员进行预设保险类型的保险销售行为的双录视频文件;
对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,可实时获取业务员在进行预设保险类型的保险销售行为的双录视频文件,并可对所获取的双录视频文件进行视频质检和语音质检,以根据视频质检结果和语音质检结果确定所述业务员在所述预设保险类型中的视频质检通过率和语音质检通过率,并通过将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值,从而可以根据所述风险值确定所述业务员在所述预设保险类型中的风险等级,实现风险业务员的自动识别以及风险等级的自动计算,节省风险业务员确定与计算的人力和物力,提高风险业务员确定的及时性和准确性,进而方便对风险业务员的后续保险销售行为进行监控,以降低保险销售风险,降低公司损失。
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他的附图。
图1为本发明实施例中一种业务类型的风险等级计算方法的一个实施例流程图;
图2为本发明实施例中一种业务类型的风险等级计算方法在一个应用场景下得到视频质检结果的流程示意图;
图3为本发明实施例中一种业务类型的风险等级计算方法在一个应用场景下得到语音质检结果的流程示意图;
图4为本发明实施例中一种业务类型的风险等级计算方法在一个应用场景下训练预设风险评估模型的流程示意图;
图5为本发明实施例中一种业务类型的风险等级计算装置的一个实施例结构图;
图6为本发明一实施例提供的一种终端设备的示意图。
具体实施方式
本发明实施例提供了一种业务类型的风险等级计算方法、装置、计算机可读存储介质及终端设备,用于根据业务员销售过程中的双录视频文件自动识别风险业务员和风险等级,节省业务员风险等级确定与计算的人力和物力,提高风险业务员确定的及时性和准确性。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供了一种业务类型的风险等级计算方法,所述风险等级计算,包括:
步骤S101、获取业务员进行预设保险类型的保险销售行为的双录视频文件;
本发明实施例中,在各业务员销售人寿险或者健康险等预设保险类型的保险产品时,可对各业务员的保险销售过程进行双录,即可对各业务员的保险销售行为进行全程的录音录像,得到双录视频文件,并将所得到的双录视频文件保存于预设数据库中。而在需要计算某一业务员在某一预设保险类型中的风险等级时,则可从所述预设数据库中获取该业务员进行该预设保险类型的保险销售行为时的所有双录视频文件,如需要计算业务员A在A保险类型中的风险等级时,则可从该预设数据库中获取业务员A进行A保险类型的保险销售行为时的所有双录视频文件A。可以理解是,在所述预设数据库中,各双录视频文件分别与对应的业务员及预设保险类型关联存储。
需要说明的是,所述预设保险类型不限于上述所述的人寿险和健康险,还可以包括其他各种人身保险、财产保险或者责任保险等。
步骤S102、对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
在获取到某一业务员在某一预设保险类型中的所有双录视频文件后,则可分别对各双录视频文件进行视频质检,以得到各视频质检结果。具体地,如图2所示,本发明实施例中,所述对所述双录视频文件进行视频质检,得到视频质检结果,可以包括:
步骤S201、按照第一预设划分方式将所述双录视频文件划分为多个第一视频文件;
具体地,可首先获取所述预设保险类型的各质检环节对应的时间节点,并根据所述时间节点将各双录视频文件划分为多个第一视频文件,其中,每一第一视频文件对应一个质检环节。
步骤S202、从各所述第一视频文件中抽取预设数量的第一视频帧;
具体地,可首先根据所述时间节点确定各第一视频文件的视频时长,然后可根据各第一视频文件的视频时长,确定各第一视频文件对应的抽帧频率,并可根据各第一视频文件对应的抽帧频率,从各第一视频文件中抽取预设数量的第一视频帧,其中,每一第一视频帧为一张图片,例如,可利用多媒体视频处理工具FFmpeg按照所确定的抽帧频率对各第一视频文件进行抽帧,以得到与各质检环节对应的一张张图片。
步骤S203、获取包含所述业务员人脸的第一预设图像和包含目标客户人脸的第二预设图像;
可以理解的是,所述第一预设图像可以为业务员的身份证图像,而所述第二预设图像则可以为目标客户的身份证图像,即在所述业务员向某一目标客户销售预设保险类型的保险产品时,可采集所述业务员的身份证图像和所述目标客户的身份证图像,并将所采集到的身份证图像保存于预设数据库中,而在对所述业务员的该次保险销售的双录视频文件进行视频质检时,则可从所述预设数据库中调取所述业务员的身份证图像和所述目标客户的身份证图像。
步骤S204、分别将各所述第一视频帧与所述第一预设图像及所述第二预设图像输入至预设人脸匹配模型中,得到所述预设人脸匹配模型输出的各所述第一视频帧的人脸匹配结果;
步骤S205、当所述人脸匹配结果为所述第一视频帧中的第一人脸与所述第一预设图像中的业务员人脸匹配,且所述第一视频帧中的第二人脸与所述第二预设图像中的目标客户人脸匹配时,得到表征所述第一视频帧质检通过的第一图像质检结果;
步骤S206、当所述人脸匹配结果为所述第一视频帧中的第一人脸与所述第一预设图像中的业务员人脸不匹配,或者所述第一视频帧中的第二人脸与所述第二预设图像中的目标客户人脸不匹配时,得到表征所述第一视频帧质检不通过的第二图像质检结果;
对于上述步骤S204至步骤S206,可以理解的是,本发明实施例中,可预先训练有预设人脸匹配模型,所述预设人脸匹配模型可用于进行两图像中人脸的相似性判断,因而,在得到所述第一预设图像、所述第二预设图像以及各第一视频帧后,可分别将各第一视频帧和第一预设图像以及第二预设图像作为入参输入至所述预设人脸匹配模型中,以得到所述预设人脸匹配模型输出的人脸匹配结果,以此判断各第一视频帧中出现的人脸是否为业务员人脸和/或者是否为目标客户人脸。
当某一第一视频帧中的第一人脸与第一预设图像中的业务员人脸相匹配,且该第一视频帧中的第二人脸与第二预设图像中的目标客户人脸匹配时,则可认为该第一视频帧中出现的两人脸分别为业务员和目标客户,因而得到表征该第一视频帧质检通过的第一图像质检结果;而当某一第一视频帧中的第一人脸与第一预设图像中的业务员人脸不匹配且也与第二预设图像中的目标客户人脸不匹配,或者该第一视频帧中的第二人脸与第二预设图像中的目标客户人脸不匹配且也与第一预设图像中的业务员人脸不匹配时,则可认为该第一视频帧中出现的两人脸至少有一人脸不是业务员或者不是目标客户,因而得到表征该第一视频帧质检不通过的第二图像质检结果。
需要说明的是,本发明实施例中“第一”、“第二”仅用于等仅用于区别不同对象,而非用于描述特定顺序,如上述表述中也可以是:当某一第一视频帧中的第二人脸与第一预设图像中的业务员人脸相匹配,且该第一视频帧中的第一人脸与第二预设图像中的目标客户人脸匹配时,则可认为该第一视频帧中出现的两人脸分别为业务员和目标客户,因而得到表征该第一视频帧质检通过的第一图像质检结果。
步骤S207、根据所述第一图像质检结果和所述第二图像质检结果,确定所述双录视频文件的视频质检结果。
可以理解的是,在得到某一双录视频文件的各第一视频帧的图像质检结果之后,即在得到该双录视频文件的各第一图像质检结果和第二图像质检结果之后,则可根据各第一图像质检结果和第二图像质检结果确定该双录视频文件的视频质检结果。
优选地,本发明实施例中,所述根据所述第一图像质检结果和所述第二图像质检结果,确定所述双录视频文件的视频质检结果,可以包括:
步骤a、根据所述第一图像质检结果和所述第二图像质检结果,得到所述双录视频文件的图像质检通过率;
步骤b、判断所述图像质检通过率是否大于第一预设通过率;
步骤c、若所述图像质检通过率大于所述第一预设通过率,则得到表征所述双录视频文件的视频质检通过的第一视频质检结果;
步骤d、若所述图像质检通过率小于或者等于所述第一预设通过率,则得到表征所述双录视频文件的视频质检不通过的第二视频质检结果。
对于上述步骤a至步骤d,可以理解的是,在得到各第一图像质检结果和第二图像质检结果后,可通过计算得到该双录视频文件的图像质检通过率,并通过判断该图像质检通过率是否大于预先设置的第一预设通过率,来确定该双录视频文件的视频质检是否通过,如在某一具体应用场景中,可预先设置有所述第一预设通过率为50%,而计算得到双录视频文件A的图像质检通过率为65%时,则确定双录视频文件A的视频质检通过,即可得到表征双录视频文件A的视频质检通过的第一视频质检结果。另外还计算得到双录视频文件B的图像质检通过率为30%,则确定双录视频文件B的视频质检不通过,即可得到表征双录视频文件B的视频质检不通过的第二视频质检结果。
可以理解的是,在得到某一业务员在某一预设保险类型中的各第一视频质检结果和第二视频质检结果后,则可根据确定该业务员在该预设保险类型中的视频质检通过率。
需要说明的是,本发明实施例中,还可以根据某一双录视频文件的各第一图像质检结果和第二图像质检结果,确定该双录视频文件在各质检环节中的图像质检通过率,并可根据各质检环节的图像质检通过率确定各质检环节的视频质检结果,同时还可将各质检环节的视频质检结果与所对应的质检环节关联保存,以方便快速确定各业务员存在视频质检问题的质检环节。
步骤S103、对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
在获取到所述业务员在某一预设保险类型中的所有双录视频文件后,还可分别对各双录视频文件进行语音质检,得到语音质检结果,并可根据所有语音质检结果确定所述业务员在该预设保险类型中的语音质检通过率。
优选地,如图3所示,本发明实施例中,所述对所述双录视频文件进行语音质检,得到语音质检结果,可以包括:
步骤S301、利用多媒体视频处理工具FFmpeg从所述双录视频文件中分离出第一音频数据;
步骤S302、按照第二预设划分方式将所述第一音频数据划分为多个第二音频数据;
步骤S303、获取与各所述第二音频数据对应的预设关键词;
步骤S304、分别将各所述第二音频数据与对应的预设关键词输入至预设语音匹配模型中,得到所述预设语音匹配模型输出的语音匹配结果;
步骤S305、当所述语音匹配结果为所述第二音频数据包含所对应的预设关键词时,得到表征所述第二音频数据质检通过的第一音频质检结果;
步骤S306、当所述语音匹配结果为所述第二音频数据不包含所对应的预设关键词时,得到表征所述第二音频数据质检不通过的第二音频质检结果;
步骤S307、根据所述第一音频质检结果和所述第二音频质检结果,得到所述第一音频数据质检通过的语音质检通过率;
步骤S308、判断所述语音质检通过率是否大于第二预设通过率;
步骤S309、若所述语音质检通过率大于所述第二预设通过率,则得到表征所述双录视频文件的语音质检通过的第一语音质检结果;
步骤S310、若所述语音质检通过率小于或者等于所述第二预设通过率,则得到表征所述双录视频文件的语音质检不通过的第二语音质检结果。
对于上述步骤S301和步骤S302,可以理解的是,在对某一双录视频文件进行语音质检时,可首先利用多媒体视频处理工具FFmpeg从该双录视频文件中分离出第一音频数据,然后可按照第二预设划分方式将所述第一音频数据划分为多个第二音频数据,如可按照该双录视频文件所对应的质检环节将所述第一音频数据划分为多个第二音频数据,其中,每一第二音频数据对应一个质检环节。
对于上述步骤S303,可以理解的是,各个质检环节中均预先配置有需包含的预设关键词,因而在划分出与各质检环节对应的多个第二音频数据后,可获取与各第二音频数据对应的预设关键词。
对于上述步骤S304至步骤S306,可以理解的是,在得到与各第二音频数据对应的预设关键词后,则可将各第二音频数据以及所对应的预设关键词作为入参输入至预先训练完成的预设语音匹配模型中,得到所述预设语音匹配模型输出的语音匹配结果,以此来判断各第二音频数据是否包含了所需包含的预设关键词。
当某一第二音频数据包含与该第二音频数据对应的预设关键词时,则可认为该第二音频数据符合质检要求,因而得到表征该第二音频数据质检通过的第一音频质检结果;而当某一第二音频数据中不包含与该第二音频数据对应的预设关键词时,则可认为该第二音频数据不符合质检要求,因而得到表征该第二音频数据质检不通过的第二音频质检结果。
对于上述步骤S307至步骤S310,可以理解的是,本发明实施例中,在得到各第二音频数据的第一音频质检结果或者第二音频质检结果后,可通过计算得到该双录视频文件所对应的第一音频数据的语音质检通过率,并通过判断所述语音质检通过率是否大于预先设置的第二预设通过率,来确定该双录视频文件的语音质检是否通过,例如,在某一具体应用场景中,预先设置有第二预设通过率为70%时,而计算得到双录视频文件A的语音质检通过率为60%,则可确定双录视频文件A的语音质检不通过,即可得到表征双录视频文件A的语音质检不通过的第二语音质检结果,另外还计算得到双录视频文件B的语音质检通过率为73%,则可确定双录视频文件B的语音质检通过,即可表征双录视频文件B的语音质检通过的第一语音质检结果。
进一步地,在得到某一业务员在某一预设保险类型中的各第一语音质检结果和第二语音质检结果后,则可根据确定所述业务员在所述预设保险类型中的语音质检通过率。
需要说明的是,本发明实施例中,还可以根据某一双录视频文件的各第一音频质检结果和第二音频质检结果,确定该双录视频文件在各质检环节中的语音质检通过率,并可根据各质检环节的语音质检通过率确定各质检环节的语音质检结果,同时还可将各质检环节的语音质检结果与所对应的质检环节关联保存,以方便快速确定各业务员存在语音质检问题的质检环节。
步骤S104、将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
在得到所述业务员在所述预设保险类型中的视频质检通过率和语音质检通过率后,则可将所述视频质检通过率作为第一输入参数,并将所述语音质检通过率作为第二输入参数输入至预设风险评估模型中,以根据所述视频质检通过率和所述语音质检通过率计算所述业务员在所述预设保险类型中的风险值。
可选地,如图4所示,本发明实施例中,所述预设风险评估模型通过下述步骤训练得到:
步骤S401、预先获取样本视频质检通过率和样本语音质检通过率以及所对应的风险情况;
步骤S402、根据所述风险情况标记各样本视频质检通过率与对应的样本语音质检通过率所对应的标准风险值;
步骤S403、将各样本视频质检通过率与对应的样本语音质检通过率输入至初始的预设风险评估模型,得到所述初始的预设风险评估模型输出的训练风险值;
步骤S404、根据所述训练风险值与所述标准风险值计算本轮训练的全局误差;
步骤S405、判断所述全局误差是否满足预设条件;
步骤S406、若所述全局误差满足所述预设条件,则确定所述预设风险评估模型训练完成;
步骤S407、若所述全局误差不满足预设条件,则调整所述预设风险评估模型的模型参数,并将模型参数调整后的预设风险评估模型作为初始的预设风险评估模型,返回执行将各样本视频质检通过率与对应的样本语音质检通过率输入至初始的预设风险评估模型,得到所述初始的预设风险评估模型输出的训练风险值的步骤以及后续步骤。
对于上述步骤S401和步骤S402,可以理解的是,在进行训练之前,可首先收集训练样本,即可预先获取其他业务员在所述预设保险类型中的样本视频质检通过率和样本语音质检通过率,以及各样本视频质检通过率与对应的样本语音质检通过率所对应的风险情况,随后可根据所述风险情况标记各样本视频质检通过率与对应的样本语音质检通过率所对应的标准风险值。
对于上述步骤S403,可以理解的是,在得到各样本视频质检通过率和对应的样本语音质检通过率后,可将各样本视频质检通过率作为第一输入参数,并将对应的样本语音质检通过率作为第二输入参数输入至初始的预设风险评估模型中,得到所述初始的预设风险评估模型输出的训练风险值,其中所述预设风险评估模型为基于深度学习网络的风险评估模型。由于初始时所述预设风险评估模型尚未训练完成,因此此时其输出的训练风险值与设置的标准风险值之间会存在一定的偏差、误差。
对于上述步骤S404和步骤S405,在得到训练风险值后,可以根据所述训练风险值与所述标准风险值计算本轮训练的全局误差,并判断所述全局误差是否满足预设条件,如判断全局误差是否小于5%。在此,所述预设条件可以在训练具体的预设风险评估模型时确定,例如可设定预设条件为误差小于特定阈值,该特定阈值可以是一个百分比数值,其中,特定阈值越小,则最后训练完成得到的预设风险评估模型越稳定,识别精确度越高。
对于上述步骤S406,当本轮训练的全局误差满足所述预设条件时,如所述全局误差小于5%时,则可确定所述预设风险评估模型训练完成。
对于上述步骤S407,当所述全局误差不满足所述预设条件时,如所述全局误差为10%时,则调整所述预设风险评估模型的模型参数,并将模型参数调整后的预设风险评估模型作为初始的预设风险评估模型,然后重新进行训练样本的训练,以通过反复调整预设风险评估模型的模型参数,并进行训练样本的多次训练,来使得后续训练的全局误差最小化,直到最终训练的全局误差满足所述预设条件。
步骤S105、根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
可以理解的是,在得到所述预设风险评估模型输出的风险值后,则可根据所述风险值确定所述业务员在所述预设保险类型中的风险等级,如可根据所述预设保险类型中的风险值与风险等级的预设对应关系,确定所述业务员在所述预设保险类型中的风险等级。
本发明实施例中,还可进一步结合人工质检通过率和所述业务员在所述保险类型中的保单撤件和退保率,来确定所述业务员在所述预设保险类型中的风险等级。
本发明实施例中,可实时获取业务员在进行预设保险类型的保险销售行为的双录视频文件,并可对所获取的双录视频文件进行视频质检和语音质检,以根据视频质检结果和语音质检结果确定所述业务员在所述预设保险类型中的视频质检通过率和语音质检通过率,并通过将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值,从而可根据所述风险值确定所述业务员在所述预设保险类型中的风险等级,实现风险业务员的自动识别和风险等级的自动计算,节省风险业务员确定与计算的人力和物力,提高风险业务员确定的及时性和准确性,进而方便对风险业务员的保险销售行为进行监控,以降低保险销售风险,降低公司损失。
应理解,上述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,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种业务类型的风险等级计算方法,下面将对一种业务类型的风险等级计算装置进行详细描述。
如图5所示,本发明实施例提供了一种业务类型的风险等级计算装置,所述风险等级计算装置,包括:
双录视频获取模块501,用于获取业务员进行预设保险类型的保险销售行为的双录视频文件;
视频质检模块502,用于对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
语音质检模块503,用于对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
风险值获取模块504,用于将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
风险等级确定模块505,用于根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
进一步地,所述视频质检模块502,包括:
视频划分单元,用于按照第一预设划分方式将所述双录视频文件划分为多个第一视频文件;
视频帧抽取单元,用于从各所述第一视频文件中抽取预设数量的第一视频帧;
预设图像获取单元,用于获取包含所述业务员人脸的第一预设图像和包含目标客户人脸的第二预设图像;
人脸匹配单元,用于分别将各所述第一视频帧与所述第一预设图像及所述第二预设图像输入至预设人脸匹配模型中,得到所述预设人脸匹配模型输出的各所述第一视频帧的人脸匹配结果;
第一图像质检结果得到单元,用于当所述人脸匹配结果为所述第一视频帧中的第一人脸与所述第一预设图像中的业务员人脸匹配,且所述第一视频帧中的第二人脸与所述第二预设图像中的目标客户人脸匹配时,得到表征所述第一视频帧质检通过的第一图像质检结果;
第二图像质检结果得到单元,用于当所述人脸匹配结果为所述第一视频帧中的第一人脸与所述第一预设图像中的业务员人脸不匹配,或者所述第一视频帧中的第二人脸与所述第二预设图像中的目标客户人脸不匹配时,得到表征所述第一视频帧质检不通过的第二图像质检结果;
视频质检结果确定单元,用于根据所述第一图像质检结果和所述第二图像质检结果,确定所述双录视频文件的视频质检结果。
优选地,所述视频质检结果确定单元,包括:
图像质检通过率得到子单元,用于根据所述第一图像质检结果和所述第二图像质检结果,得到所述双录视频文件的图像质检通过率;
图像质检通过率判断子单元,用于判断所述图像质检通过率是否大于第一预设通过率;
第一视频质检结果得到子单元,用于若所述图像质检通过率大于所述第一预设通过率,则得到表征所述双录视频文件的视频质检通过的第一视频质检结果;
第二视频质检结果得到子单元,用于若所述图像质检通过率小于或者等于所述第一预设通过率,则得到表征所述双录视频文件的视频质检不通过的第二视频质检结果。
可选地,所述视频划分单元,包括:
时间节点获取子单元,用于获取所述预设保险类型的各质检环节所对应的时间节点;
视频划分子单元,用于根据所述时间节点将所述双录视频文件划分为多个第一视频文件,其中,每一第一视频文件对应一个质检环节。
进一步地,所述视频帧抽取单元,包括:
视频时长确定子单元,用于根据所述时间节点确定各所述第一视频文件的视频时长;
抽帧频率确定子单元,用于根据各所述第一视频文件的视频时长,确定各所述第一视频文件对应的抽帧频率;
视频帧抽取子单元,用于根据各所述第一视频文件对应的抽帧频率,从各所述第一视频文件中抽取预设数量的第一视频帧。
优选地,所述语音质检模块503,包括:
第一音频数据分离单元,用于利用多媒体视频处理工具FFmpeg从所述双录视频文件中分离出第一音频数据;
第一音频数据划分单元,用于按照第二预设划分方式将所述第一音频数据划分为多个第二音频数据;
预设关键词获取单元,用于获取与各所述第二音频数据对应的预设关键词;
预设关键词匹配单元,用于分别将各所述第二音频数据与对应的预设关键词输入至预设语音匹配模型中,得到所述预设语音匹配模型输出的语音匹配结果;
第一音频质检结果得到单元,用于当所述语音匹配结果为所述第二音频数据包含所对应的预设关键词时,得到表征所述第二音频数据质检通过的第一音频质检结果;
第二音频质检结果得到单元,用于当所述语音匹配结果为所述第二音频数据不包含所对应的预设关键词时,得到表征所述第二音频数据质检不通过的第二音频质检结果;
语音质检通过率得到单元,用于根据所述第一音频质检结果和所述第二音频质检结果,得到所述第一音频数据的语音质检通过率;
语音质检通过率判断单元,用于判断所述语音质检通过率是否大于第二预设通过率;
第一语音质检结果得到单元,用于若所述语音质检通过率大于所述第二预设通过率,则得到表征所述双录视频文件的语音质检通过的第一语音质检结果;
第二语音质检结果得到单元,用于若所述语音质检通过率小于或者等于所述第二预设通过率,则得到表征所述双录视频文件的语音质检不通过的第二语音质检结果。
可选地,所述风险等级计算装置,还包括:
样本通过率获取模块,用于预先获取样本视频质检通过率和样本语音质检通过率以及所对应的风险情况;
样本通过率标记模块,用于根据所述风险情况标记各样本视频质检通过率与对应的样本语音质检通过率所对应的标准风险值;
训练风险值得到模块,用于将各样本视频质检通过率与对应的样本语音质检通过率输入至初始的预设风险评估模型,得到所述初始的预设风险评估模型输出的训练风险值;
全局误差计算模块,用于根据所述训练风险值与所述标准风险值计算本轮训练的全局误差;
模型参数调整模块,用于若所述全局误差不满足预设条件,则调整所述预设风险评估模型的模型参数,并将模型参数调整后的预设风险评估模型作为初始的预设风险评估模型,返回执行将各样本视频质检通过率与对应的样本语音质检通过率输入至初始的预设风险评估模型,得到所述初始的预设风险评估模型输出的训练风险值的步骤以及后续步骤;
训练完成确定模块,用于若所述全局误差满足所述预设条件,则确定所述预设风险评估模型训练完成。
图6是本发明一实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机可读指令62,例如业务类型的风险等级计算程序。所述处理器60执行所述计算机可读指令62时实现上述各个业务类型的风险等级计算方法实施例中的步骤,例如图1所示的步骤S101至步骤S105。或者,所述处理器60执行所述计算机可读指令62时实现上述各装置实施例中各模块/单元的功能,例如图5所示的模块501至模块505的功能。
示例性的,所述计算机可读指令62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令62在所述终端设备6中的执行过程。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、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。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6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,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机可读指令以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
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。
所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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种业务类型的风险等级计算方法,其特征在于,包括:
获取业务员进行预设保险类型的保险销售行为的双录视频文件;
对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
2.根据权利要求1所述的风险等级计算方法,其特征在于,所述对所述双录视频文件进行视频质检,得到视频质检结果,包括:
按照第一预设划分方式将所述双录视频文件划分为多个第一视频文件;
从各所述第一视频文件中抽取预设数量的第一视频帧;
获取包含所述业务员人脸的第一预设图像和包含目标客户人脸的第二预设图像;
分别将各所述第一视频帧与所述第一预设图像及所述第二预设图像输入至预设人脸匹配模型中,得到所述预设人脸匹配模型输出的各所述第一视频帧的人脸匹配结果;
当所述人脸匹配结果为所述第一视频帧中的第一人脸与所述第一预设图像中的业务员人脸匹配,且所述第一视频帧中的第二人脸与所述第二预设图像中的目标客户人脸匹配时,得到表征所述第一视频帧质检通过的第一图像质检结果;
当所述人脸匹配结果为所述第一视频帧中的第一人脸与所述第一预设图像中的业务员人脸不匹配,或者所述第一视频帧中的第二人脸与所述第二预设图像中的目标客户人脸不匹配时,得到表征所述第一视频帧质检不通过的第二图像质检结果;
根据所述第一图像质检结果和所述第二图像质检结果,确定所述双录视频文件的视频质检结果。
3.根据权利要求2所述的风险等级计算方法,其特征在于,所述根据所述第一图像质检结果和所述第二图像质检结果,确定所述双录视频文件的视频质检结果,包括:
根据所述第一图像质检结果和所述第二图像质检结果,得到所述双录视频文件的图像质检通过率;
判断所述图像质检通过率是否大于第一预设通过率;
若所述图像质检通过率大于所述第一预设通过率,则得到表征所述双录视频文件的视频质检通过的第一视频质检结果;
若所述图像质检通过率小于或者等于所述第一预设通过率,则得到表征所述双录视频文件的视频质检不通过的第二视频质检结果。
4.根据权利要求2所述的风险等级计算方法,其特征在于,所述按照第一预设划分方式将所述双录视频文件划分为多个第一视频文件,包括:
获取所述预设保险类型的各质检环节所对应的时间节点;
根据所述时间节点将所述双录视频文件划分为多个第一视频文件,其中,每一第一视频文件对应一个质检环节。
5.根据权利要求4所述的风险等级计算方法,其特征在于,所述从各所述第一视频文件中抽取预设数量的第一视频帧,包括:
根据所述时间节点确定各所述第一视频文件的视频时长;
根据各所述第一视频文件的视频时长,确定各所述第一视频文件对应的抽帧频率;
根据各所述第一视频文件对应的抽帧频率,从各所述第一视频文件中抽取预设数量的第一视频帧。
6.根据权利要求1所述的风险等级计算方法,其特征在于,所述对所述双录视频文件进行语音质检,得到语音质检结果,包括:
利用多媒体视频处理工具FFmpeg从所述双录视频文件中分离出第一音频数据;
按照第二预设划分方式将所述第一音频数据划分为多个第二音频数据;
获取与各所述第二音频数据对应的预设关键词;
分别将各所述第二音频数据与对应的预设关键词输入至预设语音匹配模型中,得到所述预设语音匹配模型输出的语音匹配结果;
当所述语音匹配结果为所述第二音频数据包含所对应的预设关键词时,得到表征所述第二音频数据质检通过的第一音频质检结果;
当所述语音匹配结果为所述第二音频数据不包含所对应的预设关键词时,得到表征所述第二音频数据质检不通过的第二音频质检结果;
根据所述第一音频质检结果和所述第二音频质检结果,统计得到所述第一音频数据的语音质检通过率;
判断所述语音质检通过率是否大于第二预设通过率;
若所述语音质检通过率大于所述第二预设通过率,则得到表征所述双录视频文件的语音质检通过的第一语音质检结果;
若所述语音质检通过率小于或者等于所述第二预设通过率,则得到表征所述双录视频文件的语音质检不通过的第二语音质检结果。
7.根据权利要求1至6中任一项所述的风险等级计算方法,其特征在于,所述预设风险评估模型通过下述步骤训练得到:
预先获取样本视频质检通过率和样本语音质检通过率以及所对应的风险情况;
根据所述风险情况标记各样本视频质检通过率与对应的样本语音质检通过率所对应的标准风险值;
将各样本视频质检通过率与对应的样本语音质检通过率输入至初始的预设风险评估模型,得到所述初始的预设风险评估模型输出的训练风险值;
根据所述训练风险值与所述标准风险值计算本轮训练的全局误差;
若所述全局误差不满足预设条件,则调整所述预设风险评估模型的模型参数,并将模型参数调整后的预设风险评估模型作为初始的预设风险评估模型,返回执行将各样本视频质检通过率与对应的样本语音质检通过率输入至初始的预设风险评估模型,得到所述初始的预设风险评估模型输出的训练风险值的步骤以及后续步骤;
若所述全局误差满足所述预设条件,则确定所述预设风险评估模型训练完成。
8.一种业务类型的风险等级计算装置,其特征在于,包括:
双录视频获取模块,用于获取业务员进行预设保险类型的保险销售行为的双录视频文件;
视频质检模块,用于对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
语音质检模块,用于对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
风险值获取模块,用于将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
风险等级确定模块,用于根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
9.一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可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述业务类型的风险等级计算方法的步骤。
10.一种终端设备,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可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
获取业务员进行预设保险类型的保险销售行为的双录视频文件;
对所述双录视频文件进行视频质检,得到视频质检结果,并根据所述视频质检结果确定所述业务员的视频质检通过率;
对所述双录视频文件进行语音质检,得到语音质检结果,并根据所述语音质检结果确定所述业务员的语音质检通过率;
将所述视频质检通过率和所述语音质检通过率输入至预设风险评估模型中,得到所述预设风险评估模型输出的风险值;
根据所述风险值确定所述业务员在所述预设保险类型中的风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910293591.9A CN110147926A (zh) | 2019-04-12 | 2019-04-12 | 一种业务类型的风险等级计算方法、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910293591.9A CN110147926A (zh) | 2019-04-12 | 2019-04-12 | 一种业务类型的风险等级计算方法、存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110147926A true CN110147926A (zh) | 2019-08-20 |
Family
ID=67589682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910293591.9A Pending CN110147926A (zh) | 2019-04-12 | 2019-04-12 | 一种业务类型的风险等级计算方法、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147926A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765958A (zh) * | 2019-10-29 | 2020-02-07 | 成都旺小宝科技有限公司 | 基于人脸识别的渠道风险控制方法方法、装置及系统 |
CN112101311A (zh) * | 2020-11-16 | 2020-12-18 | 深圳壹账通智能科技有限公司 | 基于人工智能的双录质检方法、装置、计算机设备及介质 |
CN112668617A (zh) * | 2020-12-21 | 2021-04-16 | 广东电网有限责任公司电力科学研究院 | 一种电网员工工作满意度评估方法及装置 |
CN115221340A (zh) * | 2021-12-23 | 2022-10-21 | 飞虎互动科技(北京)有限公司 | 音视频会话质检方法和装置 |
CN115330359A (zh) * | 2022-10-11 | 2022-11-11 | 湖北微模式科技发展有限公司 | 一种实现本地化双录质检稽核服务的方法 |
CN115964582A (zh) * | 2022-11-03 | 2023-04-14 | 太平洋电信股份有限公司 | 一种网络安全风险评估方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114379A1 (en) * | 2003-11-25 | 2005-05-26 | Lee Howard M. | Audio/video service quality analysis of customer/agent interaction |
US9269374B1 (en) * | 2014-10-27 | 2016-02-23 | Mattersight Corporation | Predictive video analytics system and methods |
CN106941601A (zh) * | 2017-02-13 | 2017-07-11 | 杭州百航信息技术有限公司 | 金融系统风控双录装置及其文件生物识别方法 |
CN108776932A (zh) * | 2018-05-22 | 2018-11-09 | 深圳壹账通智能科技有限公司 | 用户投资类型的确定方法、存储介质和服务器 |
CN109389279A (zh) * | 2018-08-17 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 保险销售环节合规判定方法、装置、设备及存储介质 |
CN109472487A (zh) * | 2018-11-02 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 视频质检方法、装置、计算机设备及存储介质 |
-
2019
- 2019-04-12 CN CN201910293591.9A patent/CN110147926A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114379A1 (en) * | 2003-11-25 | 2005-05-26 | Lee Howard M. | Audio/video service quality analysis of customer/agent interaction |
US9269374B1 (en) * | 2014-10-27 | 2016-02-23 | Mattersight Corporation | Predictive video analytics system and methods |
CN106941601A (zh) * | 2017-02-13 | 2017-07-11 | 杭州百航信息技术有限公司 | 金融系统风控双录装置及其文件生物识别方法 |
CN108776932A (zh) * | 2018-05-22 | 2018-11-09 | 深圳壹账通智能科技有限公司 | 用户投资类型的确定方法、存储介质和服务器 |
CN109389279A (zh) * | 2018-08-17 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 保险销售环节合规判定方法、装置、设备及存储介质 |
CN109472487A (zh) * | 2018-11-02 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 视频质检方法、装置、计算机设备及存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765958A (zh) * | 2019-10-29 | 2020-02-07 | 成都旺小宝科技有限公司 | 基于人脸识别的渠道风险控制方法方法、装置及系统 |
CN112101311A (zh) * | 2020-11-16 | 2020-12-18 | 深圳壹账通智能科技有限公司 | 基于人工智能的双录质检方法、装置、计算机设备及介质 |
WO2022100349A1 (zh) * | 2020-11-16 | 2022-05-19 | 深圳壹账通智能科技有限公司 | 基于人工智能的双录质检方法、装置、计算机设备及介质 |
CN112668617A (zh) * | 2020-12-21 | 2021-04-16 | 广东电网有限责任公司电力科学研究院 | 一种电网员工工作满意度评估方法及装置 |
CN115221340A (zh) * | 2021-12-23 | 2022-10-21 | 飞虎互动科技(北京)有限公司 | 音视频会话质检方法和装置 |
CN115221340B (zh) * | 2021-12-23 | 2024-01-05 | 飞虎互动科技(北京)有限公司 | 音视频会话质检方法和装置 |
CN115330359A (zh) * | 2022-10-11 | 2022-11-11 | 湖北微模式科技发展有限公司 | 一种实现本地化双录质检稽核服务的方法 |
CN115964582A (zh) * | 2022-11-03 | 2023-04-14 | 太平洋电信股份有限公司 | 一种网络安全风险评估方法及系统 |
CN115964582B (zh) * | 2022-11-03 | 2023-09-19 | 太平洋电信股份有限公司 | 一种网络安全风险评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147926A (zh) | 一种业务类型的风险等级计算方法、存储介质及终端设备 | |
CN109598095B (zh) | 评分卡模型的建立方法、装置、计算机设备和存储介质 | |
CN106919661B (zh) | 一种情感类型识别方法及相关装置 | |
CN108898476A (zh) | 一种贷款客户信用评分方法和装置 | |
CN109831665B (zh) | 一种视频质检方法、系统及终端设备 | |
CN108777141A (zh) | 测试装置、测试的方法及存储介质 | |
CN112017040B (zh) | 信用评分模型训练方法、评分方法及系统、设备及介质 | |
CN110263326A (zh) | 一种用户行为预测方法、预测装置、存储介质及终端设备 | |
CN112801498A (zh) | 风险识别模型的训练方法、风险识别方法、装置及设备 | |
CN110362689A (zh) | 一种风险评估方法、装置、存储介质和服务器 | |
CN110264038A (zh) | 一种产品测评模型的生成方法及设备 | |
CN107895172A (zh) | 利用图像信息检测异常视频文件的方法、装置及计算设备 | |
CN111160783A (zh) | 数字资产价值的评价方法、系统及电子设备 | |
CN112685324A (zh) | 一种生成测试方案的方法及系统 | |
CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
CN114328277A (zh) | 一种软件缺陷预测和质量分析方法、装置、设备及介质 | |
CN110009012A (zh) | 一种风险样本识别方法、装置及电子设备 | |
CN112966547A (zh) | 一种基于神经网络的燃气现场异常行为识别预警方法、系统、终端及存储介质 | |
CN113298121A (zh) | 基于多数据源建模的消息发送方法、装置和电子设备 | |
CN113220875A (zh) | 基于行业标签的互联网信息分类方法、系统及电子设备 | |
CN107832925A (zh) | 互联网内容风险评价方法、装置及服务器 | |
CN112163098A (zh) | 一种知识图谱的创建方法、装置、存储介质和服务器 | |
CN116629988A (zh) | 一种基于区块链的投标数据处理方法及装置 | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 |
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 |