CN110264330B - 信用指标计算方法、装置、计算机可读存储介质 - Google Patents
信用指标计算方法、装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN110264330B CN110264330B CN201810206460.8A CN201810206460A CN110264330B CN 110264330 B CN110264330 B CN 110264330B CN 201810206460 A CN201810206460 A CN 201810206460A CN 110264330 B CN110264330 B CN 110264330B
- Authority
- CN
- China
- Prior art keywords
- information
- interactive object
- credit
- risk
- user 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.)
- Active
Links
Images
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机应用技术领域,揭示了一种信用指标计算方法及装置、计算机可读存储介质。该信用指标计算方法包括:获取交互对象的与信用相关的用户信息;对用户信息进行分析,得到至少一项风险特征信息;根据各项风险特征信息,分别获取对应的询问规则;根据各项风险特征信息以及相应的询问规则,分别生成多个咨询问题询问交互对象;获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息、所述咨询问题及对应的回应信息计算所述交互对象的综合信用指标。本发明可以提高了计算综合信用指标的准确率和效率。
Description
技术领域
本发明涉及计算机应用技术领域,特别涉及一种信用指标计算方法及装置、计算机可读存储介质和电子设备。
背景技术
目前,在保险、借贷以及租赁等业务的审核过程中,通常需要根据交互对象(如用户等)的用户信息对交互对象的信用进行审核,以根据信用审核结果判断交互对象是否通过审核,以及通过审核后的各项事务的执行标准。
在审核过程中,目前通常采用人工问询的方式对交互对象进行询问,以获取交互对象的用户信息。然而,在采用人工问询的方式对交互对象进行询问时,经常难以有效的发现交互对象本身的已知或潜在风险,从而降低了审核的准确性,进而大大的增加了保险、借贷以及租赁等业务的付出成本,同时也存在人力成本高和审核效率低的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为了解决相关技术中采用人工问询的方式对交互对象进行询问时,经常难以有效的发现交互对象本身的已知或潜在风险,从而降低了审核的准确性,进而增加了保险、借贷以及租赁等业务的付出成本以及人力成本高、审核效率低等技术问题,本发明提供了一种信用指标计算方法及装置、计算机可读存储介质和电子设备。
根据本发明的实施例,提供一种信用指标计算方法,包括:获取交互对象的与信用相关的用户信息;对所述用户信息进行分析,得到至少一项风险特征信息;根据各项所述风险特征信息,分别获取对应的询问规则;根据各项所述风险特征信息以及相应的所述询问规则,分别生成多个咨询问题询问所述交互对象;获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息、所述咨询问题以及对应的所述回应信息计算所述交互对象的综合信用指标。
在一个实施例中,所述获取交互对象的与信用相关的用户信息包括:自一预设数据库获取所述交互对象的与信用相关的第一部分用户信息;基于所述第一部分用户信息查找与所述交互对象相关的事件信息,并将查找到的所述事件信息作为所述交互对象的与信用相关的第二部分用户信息。
在一个实施例中,所述获取交互对象的与信用相关的用户信息还包括:获取所述交互对象的请求类型;基于所述交互对象的请求类型和所述用户信息确定风险类别;
所述根据各项所述风险特征信息,分别获取对应的询问规则包括:根据各项所述风险特征信息和所述风险类别,分别获取对应的询问规则。
在一个实施例中,所述对所述用户信息进行分析,得到至少一项风险特征信息包括:从历史用户信息中挖掘多个事务的频繁项集;每一所述频繁项集均包括风险信息以及一个或多个风险特征;从所述交互对象的所述用户信息中,获取与各所述频繁项集中的风险特征匹配的信息形成各所述风险特征信息。
在一个实施例中,所述从历史用户信息中挖掘多个事务的频繁项集包括:从历史用户信息中挖掘包括所述风险信息的事务集,其中,所述事务集中的每一事务均包括一个或多个风险特征;统计各所述事务中所述风险信息与所述风险特征的关联性系数,并根据所述关联性系数和一阈值生成各所述事务的所述频繁项集。
在一个实施例中,所述根据各项所述风险特征信息,分别获取对应的询问规则,包括:按照所述风险特征信息的预设属性确定各项所述风险特征信息对应的询问规则。
在一个实施例中,所述询问规则包括确认性规则、获取性规则以及质疑性规则中的一种或多种。
在一个实施例中,所述方法还包括:获取所述交互对象针对所述咨询问题的回应信息,并根据所述咨询问题对应的所述回应信息更新所述用户信息。
在一个实施例中,所述方法还包括:将所述咨询问题转换为多媒体信息,并将所述多媒体信息发送至一个或多个终端设备。
在一个实施例中,所述方法还包括:通过所述终端设备采集的生物特征信息,对所述交互对象进行身份一致性验证。
在一个实施例中,所述询问所述交互对象包括:获取交互时机选择信息以及交互方式选择信息,并根据所述交互时机选择信息以及交互方式选择信息确定交互方式以及交互时机;在所述交互时机,通过所述交互方式询问所述交互对象。
在一个实施例中,所述获取交互时机选择信息以及交互方式选择信息包括:根据所述交互对象的用户信息,制定交互时机选项以及交互方式选项并展现给所述交互对象;获取被选择的所述交互时机选项以及交互方式选项,作为所述交互时机选择信息以及交互方式选择信息。
在一个实施例中,所述制定交互时机选项包括:基于所述交互对象的用户信息以及执行所述信用指标计算方法的系统在不同时段的负载均衡信息,制定所述交互时机选项。
在一个实施例中,所述计算所述交互对象的综合信用指标包括:根据所述用户信息获取所述交互对象的金融信用指标;根据所述咨询问题以及对应的所述回应信息,计算所述交互对象的回应逻辑性指标;根据对所述交互对象进行身份验证的验证结果,计算所述交互对象的身份一致性指标;根据所述金融信用指标、回应逻辑性指标以及身份一致性指标计算所述交互对象的所述综合信用指标。
在一个实施例中,所述根据所述用户信息获取所述交互对象的金融信用指标包括:通过计算所述交互对象的金融信用指标Finance;其中,ci表示信用评估机构i对所述交互对象的信用评分或信用等级;q为量化函数,wi为ci的权值,Union(Fin(u),Au)表示所述交互对象的回应信息集合Au与个人财务状况信息Fin(u)产生交集的次数;λ为可调参数。
在一个实施例中,所述根据所述咨询问题以及对应的所述回应信息,计算所述交互对象的回应逻辑性指标包括:通过Logical=induce_infer(Qu,Au|Ku)计算所述交互对象的回应逻辑性指标Logical;其中,induce_infer示归纳推断过程,Qu为所述咨询问题集合,Au为所述回应信息集合,Ku为获取的所述询问规则的集合。
在一个实施例中,所述根据所述金融信用指标、回应逻辑性指标以及身份一致性指标计算所述交互对象的所述综合信用指标包括:通过Su=(α·Finance+β·Logical)×γ·Coherence计算所述交互对象的所述综合信用指Su;其中,α、β、γ为可调参数,Finance为所述金融信用指标,Logical为所述回应逻辑性指标,Coherence为所述身份一致性指标。
根据本发明的实施例,提供一种信用指标计算装置,包括:第一获取模块,用于获取交互对象的与信用相关的用户信息;分析模块,用于对所述用户信息进行分析,得到至少一项风险特征信息;第二获取模块,用于根据各项所述风险特征信息,分别获取对应的询问规则;生成模块,用于根据各项所述风险特征信息以及相应的所述询问规则,分别生成多个咨询问题询问所述交互对象;计算模块,用于获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息、所述咨询问题以及对应的所述回应信息计算所述交互对象的综合信用指标。
根据本发明的实施例,提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述中任一项所述的方法。
根据本发明的实施例,提供一种电子设备,其特征在于,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,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上述中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
基于本发明实施例提供的信用指标计算方法,可以从交互对象的与信用相关的用户信息得到至少一项风险特征信息,并根据各项特征信息获取对应的询问规则,以及根据风险特征信息以及相应的询问规则生成多个咨询问题,即可以针对风险特征信息制定与风险相关的咨询问题,从而有助于发掘交互对象的已知或潜在风险,节约了保险、借贷以及租赁等业务的付出成本;另外,通过咨询问题可以获取更加精确的用户信息,以提高后续审核的准确性,同时实现了自动化的问答,提高了问答效率,从而也提高了审核的效率,降低了人工成本;此外,根据用户信息、咨询问题以及对应的回应信息计算所述交互对象的综合信用指标,提高了计算综合信用指标的准确率和效率,进一步的降低了人工成本,同时也避免了由于审核人员的经验不足而导致的审查误差,大大的提高了审核的准确率。
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的,并不能限制本发明。
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,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1示出了可以应用本发明实施例的一种信用指标计算方法及装置的示例性系统架构的示意图;
图2示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图;
图3示意性示出了根据本发明的一个实施例的信用指标计算方法的流程图;
图4示意性示出了根据本发明的一个实施例中提供的实体网络的示意图;
图5示意性示出了根据本发明的一个实施例中提供的得到风险特征信息的流程图;
图6示意性示出了根据本发明的一个实施例中提供的向交互对象进行询问的流程图;
图7示意性示出了根据本发明的一个实施例的提供的计算所述交互对象的综合信用指标的流程图;
图8示意性示出了根据本发明的又一个实施例中提供的述信用指标计算方法的信用指标计算系统的结构示意图;
图9示意性示出了根据本发明的又一个实施例中提供的用户交互子系统的结构示意图;
图10示意性示出了根据本发明的一个实施例的信用指标计算装置的框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本发明实施例的一种信用指标计算方法及装置、一种信用指标计算方法及装置的示例性应用环境的系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
交互对象(如用户等)可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器。例如交互对象利用终端设备103(也可以是终端设备101或102等)向服务器105上传了贷款申请。服务器105可以响应该贷款申请,根据该交互对象的与贷款相关的用户信息生成多个咨询问题,并将咨询问题反馈给终端设备103,进而使交互对象可以基于终端设备103上显示的咨询问题对各咨询问题进行回应。终端设备103将各咨询问题的回应信息上传至服务器105,服务器105根据交互对象的用户信息以及多个咨询问题和各咨询问题的回应信息计算交互对象的综合信用指标。
本发明实施例所提供的信用指标计算方法一般由服务器105执行,相应地,信用指标计算装置一般设置于服务器105中。但本领域技术人员容易理解的是,本发明实施例所提供的信用指标计算方法也可以由终端设备101、102、103执行,相应地,信用指标计算装置也可以设置于终端设备101、102、103中,本示例性实施例中对此不做特殊限定。
图2示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图2示出的电子设备的计算机系统200仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图2所示,计算机系统200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的存储部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入存储部分208。
特别地,根据本发明的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图3所示的各个步骤。
以下对本发明实施例的技术方案进行详细阐述:
在相关技术中,在保险、借贷以及租赁等业务的审核过程中,需要根据交互对象(如用户等)的用户信息计算用户的综合信用指标,以便根据综合信用指标判断该交互对象是否通过审核,以及审核后的各项事宜的执行标准。例如,在贷款申请中,需要根据交互对象的用户信息计算该交互对象的综合信用指标,以便根据综合信用指标判断是否对该交互对象进行贷款,以及贷款的额度、利率、期限等。在根据交互对象的用户信息计算交互对象的综合信用指标之前,审核人员可以通过人工问询的方式对交互对象进行询问,以获取该交互对象的与贷款相关的用户信息,并根据上述获取到的信息计算该交互对象的综合信用指标。上述询问过程中的咨询问题主要涉及贷款的目的、金额、抵押物、交互对象的个人信息(身份证号和姓名)以及与贷款直接相关的信息等。
可见,采用人工问询的方式,仅能对与贷款相关的基本问题进行询问,并不能发掘交互对象已知的或者潜在的风险,使得获取到的交互对象的用户信息不够全面和精确,从而降低了审核的准确性,进而大大的增加了保险、借贷以及租赁等业务的付出成本,同时也存在人力成本高和审核效率低的问题;此外,由于审核人员在业务能力上存在差异,使得计算综合信用评分时,无法排除人为因素的影响,进而降低了计算综合信用评分的准确率。
基于上述问题,在本发明的一个实施例中提出了一种信用指标计算方法,以对上述问题进行优化处理。具体参照图3所示,该一种信用指标计算方法适用于前述实施例中所述的电子设备,并至少包括步骤S310至步骤S350,详细介绍如下:
在步骤S310中,获取交互对象的与信用相关的用户信息。
在本发明的一个实施例中,所述与信用相关的用户信息可以包括但不限于交互对象的基本信息(如,姓名、性别、出生日期、婚姻状况、家庭关系等)、身体信息(如,身高、体重、健康记录等)、联系方式(如,住址、电话、移动电话、传真、电子邮件、社交软件和社交网络账号等)、个人财务信息(如,名下财产、收入、一般支出、债务情况等)、身份识别信息(如,签名、证件照、身份证、指纹、声纹等)、信用记录(如银行提供的个人信用报告、社会信用记录、第三方信用评价指标等。
为了获取更加全面和准确的用户信息,可以将上述与信用相关的用户信息作为第一部分用户信息。并根据第一部分用户信息获取第二部分用户信息。所述第二部分用户信息可以包括但不限于与该交互对象相关或者可能相关的事件信息。
基于此,所述获取交互对象的与信用相关的用户信息可以包括:自一预设数据库获取所述交互对象的与信用相关的第一部分用户信息;基于所述第一部分用户信息查找与所述交互对象相关的事件信息,并将查找到的所述事件信息作为所述交互对象的与信用相关的第二部分用户信息。
在本发明的一个实施例中,所述预设数据库用于存储各交互对对象的第一部分用户信息。该预设数据库的建立过程可以为:在社交网络、新闻媒体、信用机构存储的信用记录、经过交互对象授权的可以访问和收集的信息源以及其他公开的信息源中采集各交互对象的第一部分用户信息,并将各交互对象的第一部分用户信息录入预设数据库中,以便在预设数据库中获取交互对象的第一部分用户信息。
采集各交互对象的第一部分用户信息的方式可以包括:通过人工采集录入的方式;通过自动化的信息采集方式(如网络爬虫、文本分析处理系统等),本示例性实施例对此不作特殊限定。
所述第二部分用户信息的采集方式可以为:根据第一部分用户信息在一事件数据库中查找与该交互对象相关的事件信息,并将事件信息作为第二部分用户信息。例如从第一部分用户信息可知交互对象居住在A市,则将“A市”作为实体在事件数据库中进行查找,若事件数据库中存在事件信息“A市在3个月前曾经发生过地震”,那么“A市在3个月前曾经发生过地震”这一事件信息就是与交互对象相关的事件信息。上述查找的过程可以根据实体关系进行关联查找,也可以根据事件涉及的实体构建实体网络,并将第一部分用户信息作为边,与相关节点连接进行临近搜索,例如,如图4所示,图中的椭圆表示各种事件涉及的实体,矩形表示事件本身。实体网络的构建可以通过对新闻报道的文本进行自然语言处理、识别而完成的,而交互对象与实体的关联则是第一部分用户信息所反映的。图4示意性示出了根据本发明的一个实施例中提供的实体网络的示意图,例如,在交互对象的第一部分用户信息中显示交互对象在B企业工作,根据该信息可以从实体网络中获取到的事件信息为交互对象工作的B企业破产。需要说明的是,还可以通过网络自动搜索的方式根据一部分用户信息查找第二部分用户信息等,本示例性实施例中对此不做特殊限定。
在步骤S320中,对所述用户信息进行分析,得到至少一项风险特征信息。
在本发明的示例性实施例中,如图5所示,所述步骤S320可以包括步骤S510、以及步骤S520,其中:
在步骤S510中,从历史用户信息中挖掘多个事务的频繁项集;每一所述频繁项集均包括风险信息以及一个或多个风险特征。
在本发明的示例性实施例中,各事务的频繁项集可以为一个,还可以为多个,本示例性实施例对此不作特殊限定。各频繁项集可以包括K个项,其中,K为整数,例如,其可为2、3、4等,本示例性实施例对此不作特殊限定。各频繁项集中包括的风险信息和风险特征均为频繁项集的项。例如,一事务的一频繁项集中的风险信息为“无风险”,多个风险特征分别为男性、博士、35岁、有房、有车等。再例如,一事务的一频繁项集中的风险信息为“有风险”,多个风险特征分别为女性、初中、45岁、无房、无车等。所述历史用户信息可以包括大量的优质用户的信息以及大量的违约用户的信息。所述历史用户信息可以包括但不限于交互对象的基本信息(如,姓名、性别、出生日期、婚姻状况、家庭关系等)、身体信息(如,身高、体重、健康记录等)、联系方式(如,住址、电话、移动电话、传真、电子邮件、社交软件和社交网络账号等)、个人财务信息(如,名下财产、收入、一般支出、债务情况等)、身份识别信息(如,签名、证件照、身份证、指纹、声纹等)、信用记录(如银行提供的个人信用报告、社会信用记录、第三方信用评价指标等)以及与用户相关或者可能相关的事件与人物等。
所述挖掘多个事务的频繁项集的过程可以包括:从历史用户信息中挖掘包括所述风险信息的事务集,其中,所述事务集中的每一事务均包括一个或多个风险特征;统计各所述事务中所述风险信息与所述风险特征的关联性系数,并根据所述关联性系数和一阈值生成各所述事务的所述频繁项集。
在本发明的一个示例性实施例中,在一事务中,关联性系数满足一阈值的风险特征和风险信息的集合为该事务的频繁项集。阈值可以根据挖掘的频繁项集所包括的风险特征的数量以及计算机的计算性能等进行设定。当频繁项集所包括的风险特征的数量较多时,可以将阈值设定为较大的值,例如,可以将频繁项集包括三个风险特征时的阈值设定为比频繁项集包括一个风险特征时的阈值大的值。通过设定适当的阈值可以排除关联性很小的频繁项集,进而减少目标风险特征的数量,从而减少总的计算量。所述事务的数量可以与风险信息的数量相同,即在风险信息包括“有风险”和“无风险”时,事务集包括两个事务,其中一个为与“有风险”对应的事务,另一个为与“无风险”对应的事务。
接下来,以风险信息包括“有风险”和“无风险”,且频繁项集包括4项(即一个风险特征和三个风险特征)为例对上述挖掘多个事务的频繁项集的过程进行说明。
首先,从历史用户信息中挖掘与“有风险”对应的事务,且该事务中的风险特征为10个,同时挖掘与“无风险”对应的事务,且该事务中的风险特征也为10个;然后,分别计算“有风险”与“有风险”对应的事务中的任意三个风险特征的关联性系数,分别计算“无风险”与“无风险”对应的事务中的任意三个风险特征的关联性系数;再然后,将关联性系数大于阈值的风险信息和任意三个风险特征的集合确定为对应事务(即“有风险”和“无风险”)的频繁项集。
所述关联性系数可以为支持度和/或置信度,但是本发明的示例性实施例中的关联性系数不限于此,例如关联性系数还可以为简单的频次,也可以为基于支持度和/或置信度构造的函数等。例如,在关联性系数是支持度时,所述支持度表示风险信息和一个风险特征或多个风险特征同时出现在同一用户信息中的概率,例如,在历史用户信息中包括10个用户信息,且风险特征为2个时,若风险信息和2个风险特征同时在8个用户信息中出现,则关联性系数为8/10=0.8;在关联性系数是置信度的情况下,置信度表示一个用户信息中出现风险信息同时出现一个或多个风险特征的概率。进一步地,在本发明的示例性实施例中,关联性系数还可以为自定义的函数,例如,基于支持度和/或置信度构造的函数,按照比例设定的一系列函数等,这同样属于本发明的保护范围。
在步骤S520中,从所述交互对象的所述用户信息中,获取与各所述频繁项集中的风险特征匹配的信息形成各所述风险特征信息。
在本发明的示例性实施例中,可以将用户信息拆分为多个特征词,例如,对于交互对象为本科且无房无车的用户信息,将其拆分为本科、无房、无车。将拆分后的用户信息中的特征词与各频繁项集中的风险特征进行匹配,并将与各频繁项集中的风险特征匹配成功的用户信息中的特征词确定为风险特征信息。
在步骤S330中,根据各项所述风险特征信息,分别获取对应的询问规则。
在本发明的示例性实施例中,可以按照所述风险特征信息的预设属性确定各项所述风险特征信息对应的询问规则。所述预设属性例如可以为重要性、不确定性、疑问性等中的一个或多个,本示例性实施对此不作特殊限定。所述询问规则可以包括确认性规则、获取性规则以及质疑性规则中的一种或多种。例如,在预设属性为重要性时,询问规则为确认规则,即对重要的风险特征信息进行逐一确认;在预设属性为不确定性时,询问规则为获取性规则,即对于不确定性的风险特征信息进行进一步的挖掘;在预设属性为质疑性时,询问规则为质疑性规则,即对存在质疑的风险特征信息进行确认。需要说明的是,一个风险特征信息的预设属性可以为一个还可以为多个,本示例性实施例对此不作特殊限定。所述询问规则还可以包括推理性规则,该推理性规则用于根据对话内容进行常识性推理,不直接参与对话内容的规则,即该规则主要根据交互对象基于咨询问题的回应信息并结合交互对象的用户信息推论交互对象相同属性的信息不一致的原因。在通过推理性规则发现某些信息不一致时,可以调用质疑性规则并结合不一致的信息生成咨询问题,以使用户通过回应该咨询问题对不一致的信息进行确认。
为了能够获取更加精准的询问规则,所述获取交互对象的与信用相关的用户信息还包括:获取所述交互对象的请求类型;基于所述交互对象的请求类型和用户信息确定风险类别。举例而言:
在本发明的示例性实施例中,可以根据请求内容的不同将交互对象的请求划分为不同的请求类型。以借贷为例,由于请求内容为借贷的数额,因此,可以根据借贷的数额的不同将请求划分为不同的请求类型,例如,1万以下为小数额请求,1万至100万为普通数额请求,100万至1000万为大数额请求,1000万至1亿为超大数额请求。此外,可以根据不同的因素,例如风险的不确定性或风险产生的原因等将风险进行分类,以得到多个风险类别,本示例性实施例对此不作特殊限定。例如,可以根据风险的大小将风险划分为三个类别,分别为:低风险、中风险以及高风险。
在本发明的示例性实施例中,可以首先根据请求类型和用户信息的不同将请求类型和用户信息进行组合以得到多个组合信息,然后建立各组合信息与风险类别的对应关系。例如,若用户信息包括本科学历、月薪5000,建立正常数额请求和该用户信息的组合信息与低风险的对应关系,再例如,若用户信息包括本科学历,月薪500,建立大数额请求与该用户信息的组合信息与高风险的对应关系。由上可知,可以根据用户的请求内容确定请求类型,然后根据请求类型以及该用户的用户信息的组合信息,查找对应的风险类别。需要说明的是,上述获取请求类型和确定风险类别的方式均为示例性的,并不用于限定本发明。
基于此,所述根据各项所述风险特征信息,分别获取对应的询问规则包括:根据各项所述风险特征信息和风险类别,分别获取对应的询问规则。
在本发明的示例性实施例中,可以根据风险特征信息的预设属性、风险类别确定各项风险特征信息对应的询问规则。所述预设属性例如可以为重要性、不确定性、疑问性等中的一个或多个,本示例性实施对此不作特殊限定。所述询问规则可以包括确认性规则、获取性规则以及质疑性规则中的一种或多种。例如,在风险类别包括低风险、中风险、高风险的基础上,若风险类别为低风险,在预设属性为重要性时,询问规则为确认规则,即对重要的风险特征信息进行逐一确认;在预设属性为不确定性时,询问规则为获取性规则,即对于不确定性的风险特征信息进行进一步的挖掘;在预设属性为质疑性时,询问规则为质疑性规则,即对存在质疑的风险特征信息进行确认。若风险类别为中风险,在预设属性为重要性时,询问规则为确认规则,即对重要的风险特征信息进行逐一确认;在预设属性为不确定性时,询问规则为获取性规则和确认规则,即对于不确定性的风险特征信息进行进一步的挖掘以及对挖掘的信息进行进一步的确认;在预设属性为质疑性时,询问规则为质疑性规则,即对存在质疑的风险特征信息进行确认。若风险类别为高风险,在预设属性为重要性时,询问规则为确认规则,即对重要的风险特征信息进行逐一确认;在预设属性为不确定性时,询问规则为获取性规则和确认规则,即对于不确定性的风险特征信息进行进一步的挖掘以及对挖掘的信息进行进一步的确认;在预设属性为质疑性时,询问规则为质疑性规则和获取性规则,即对存在质疑的风险特征信息进行确认并对质疑的风险特征信息进行进一步的挖掘。需要说明的是,一个风险特征信息的预设属性可以为一个还可以为多个,本示例性实施例对此不作特殊限定。上述根据各项所述风险特征信息和风险类别分别获取对应的询问规则的方式仅为示例性的,并不用于限定本发明。
在步骤S340中,根据各项所述风险特征信息以及相应的所述询问规则,分别生成多个咨询问题询问所述交互对象。
在本发明的示例性实施例中,可以按照风险特征信息的预设属性对各风险特征信息进行排序,并按照各风险信息在排序中的先后顺序并结合相应询问规则生成多个咨询问题,并将该咨询问题发送至终端设备以使交互对象进行作答。通过按照各风险信息在排序中的先后顺序并结合相应的询问规则生成多个咨询问题,以确保首选对重要或者非常不确定等的风险特征信息进行询问。
例如,在风险特征信息具有的预设属性包括重要性和不确定性时,按照重要性由大到小的顺序对预设属性为重要性的风险特征信息进行排序,并按照各风险特征信息基于重要性的先后顺序结合确认规则生成基于重要性的多个咨询问题,并发送至终端以使交互对象进行作答。同时按照不确定性由大到小的顺序对预设属性为不确定性的各风险特征信息进行排序,并按照各风险特征信息基于不确定信的先后顺序结合获取性规则生成基于不确定性的多个咨询问题,并发送至终端以使用户进行作答。
所述根据各项所述风险特征信息以及相应的所述询问规则生成咨询问题的方式可以包括:分别为各询问规则定制对应的造句模板,并向该造句模板中填充风险特征信息,例如,询问规则为确认性规则时,其对应的造句模板为“请问您的A为B吗?”,如在风险特征信息为年龄为25岁时,生成的咨询问题为“请问您的年龄为25岁吗?”,再例如,询问规则为不确定性时,其对应的造句模板为“请问您的A是多少/什么/谁/哪里?”如在风险特征信息为居住地的街道时,生成的咨询问题为“请问您的门牌号是多少?”。所述询问规则的类别、规则说明等如下表1所示:
表1
所述根据各项所述风险特征信息以及相应的所述询问规则生成咨询问题的方式还可以包括:采用常用的记忆力-注意力序列神经网络(Seq2Seq neural network withattention and memory mechanism)、神经图灵机、可微分计算机等方法(即基于神经网络的模型,可以从开源项目中获得授权和代码)构建相应的对话文本生成子模块以生成咨询问题;或者采用云服务的方式从第三方服务商采购对话文本生成子模块。需要注意的是,构建基于神经网络的对话文本生成子模块需要大量的现有业务对话语料作为训练样本,这些语料可以从现有的银行贷款审批业务过程的录音和对话记录中获得,也可以从相应的语料提供商处购买得到。训练的过程需要将神经网络在高性能计算机或计算机集群上连续运行训练任务,从而计算得到神经网络的最优参数集合,这一参数集合随后将作为对话文本生成子模块的一部分用于生成咨询问题。
为了向用户提供更加人性化的服务以提高用户体验,所述询问所述交互对象可以包括:获取交互时机选择信息以及交互方式选择信息,并根据所述交互时机选择信息以及交互方式选择信息确定交互方式以及交互时机;在所述交互时机,通过所述交互方式询问所述交互对象。
在本发明的示例性实施例中,响应交互对象的贷款申请请求,向交互对象发送并展示预先设置的交互时机选项和交互方式选项,以使交互对象根据自己的需求在交互时机选项和交互方式选项中选择交互时机选择信息和交互方式选择信息,并将交互选择信息和交互方式选择信息传输至服务器,以使服务器根据交互时机选择信息和交互方式选择信息确定交互方式以及交互时机,并在交互时机通过交互方式询问交互对象。在交互时机通过交互方式询问时,如此时交互对象不方便(例如,在开会、吃饭等)可以结束当前询问,并从重新确定交互方式和交互时机。
所述交互时机选项可以包括多个交互时机选择信息,各所述交互时机选择信息可以包括年、月、日、时、分,例如,2018年1月2号10点20分。所述交互时机选项可以包括全年的任何一个时间点,还可以包括全年中的固定时间点,本示例性实施例对此不作特殊限定。所述交互方式选项可以包括多个交互方式选择信息,所述交互方式选择信息包括视频交互方式、音频交互方式以及文字交互方式等。
需要说明的是,上述询问过程的总时长可以通过分析交互对象的现有的用户信息得到的交互对象的信用和问答的结果进行确定,例如,不超过30分钟等。
进一步的,为了根据交互对象的个人用户信息为交互对象提供个性化的服务体验,所述方法还可以包括:根据所述交互对象的用户信息,制定交互时机选项以及交互方式选项并展现给所述交互对象;获取被选择的所述交互时机选项以及交互方式选项,作为所述交互时机选择信息以及交互方式选择信息。
在本发明的示例性实施例中,可以根据交互对象的用户信息(例如可以包括交互对象是否存在感官缺陷、用户的工作时间、工作类型等)为交互对象制定交互时机选项和交互方式选型。例如,在显示交互对象为聋哑人时,交互方式选项仅包括文字交互方式,在显示交互对象失明时,交互方式选项仅包括语音交互,在显示交互对象的工作时间为夜间时,交互时机选项仅包括白天时段。在根据交互对象的用户信息制定交互时机选项和交互时机选项后,向交互对象展现交互时机选项和交互方式选项,并将交互对象选择的交互时机选项和交互方式选项确定为交互时机选择信息和交互方式选择信息。通过根据交互对象的用户信息执行交互时机选项和交互方式选项,减少了选择的选项,进而减少了选择的时间,提升了用户体验。
为了实现均衡负载,减轻系统压力,避免系统崩溃,以保证问询的流畅性和高效性,所述制定交互时机选项可以包括:基于所述交互对象的用户信息以及执行所述信用指标计算方法的系统在不同时段的负载均衡信息,制定所述交互时机选项。
在本发明的示例性实施例中,在制定交互时机选项时,先获取各时间段的负载情况,若某个时间段的负载已经达到最大,或者根据某个时间段已预约的询问任务的数量预估到该时间段的负载可能达到最大,则在制定交互时机选项时,去除该时间段对应的选项。例如,在用户的工作时间为夜间时,交互时机选项仅包括白天时段,在此基础上,若预估早上10点到12点的时间段中的负载达到最大负载,此时在仅包括白天时间段的交互时机选项中去除早上10点到12点的时间段对应的选项。
图6中示出了向交互对象进行询问的流程图,该向交互对象进行询问的流程图可以包括步骤S601至步骤S611,其中:
在步骤S601中,交互对象申请贷款,即发起贷款请求;
在步骤S602中,响应贷款请求向交互对象询问是否接受智能问答系统的评估,若交互对象接受智能问答系统的评估,执行步骤S603,若交互对象不接受智能问答系统的评估,执行步骤S611;
在步骤S603中,制定默认选项,即制定默认交互时机选项和交互方式选项,或者根据交互对象的用户信息611执行个性化的交互时机时机选项和交互方式选项;
在步骤S604中,交互对象基于交互时机选项和交互方式选项选择交互时机和交互方式;
在步骤S605中,在交互时机通过交互方式发送问询请求;
在步骤S606中,响应问询请求,向交互对象询问是否立刻进行问询,若交互对象立刻进行问询,则执行步骤S607,若交互对象不接受问询,则执行步骤S604,使交互对象重选选择交互时机和交互方式;
在步骤S607中,在交互对象立刻接受问询时,启动问询;
在步骤S608中,根据咨询问题对交互对象进行问询,
在步骤S609中,判断问询是否结束,若问询结束,执行步骤S610,若问询未结束,执行步骤S608;
在步骤S610中,结束问询。
为了便于与交互对象之间的交互,所述方法还可以包括:将所述咨询问题转换为多媒体信息,并将所述多媒体信息发送至一个或多个终端设备。
本示例实施方式中,所述多媒体信息例如可以为语音信息、视频信息、文字信息中的一种。在多媒体信息为语音信息时,可以将咨询问题生成语音信息,并将该语音信息发送至终端设备并进行播放,用户基于该语音信息录入回应信息(此处的回应信息为语音),并发送至服务器,服务器将与回应信息(此处的回应信息为语音)转化为文字信息,并根据该文字信息更新该交互对象的用户信息。在多媒体信息为视频信息时,可以生成虚拟的客服形象并控制虚拟的客服形象基于咨询问题与交互对象进行交谈,在与交互对象交谈的过程中获取交互对象的肢体语言数据(如手语、身体姿态等)、交互对象的人脸数据、以及交互对象的谈话内容等,并将上述获取到的数据发送至服务器,以使服务器将上述数据转化为文字信息,以根据该文字信息更新交互对象的用户信息。通过生成虚拟的客服形象可以提供更为拟人化的服务,提升用户体验。
在本发明的示例性实施例中,可以通过模板匹配、卷积神经网络、贝叶斯网络、条件随机场等方法或其组合,结合标注数据学习参数的方式完成基于视频信息的交互过程;也可以采用第三方离线视频识别/生成引擎或在线视频识别/生成服务等方式完成基于视频信息的交互过程,本示例性实施例对此不作特殊限定。
基于此,还可以通过所述终端设备采集的生物特征信息,对所述交互对象进行身份一致性验证。所述生物特征信息可以包括声音、人脸、指纹等,本示例性实施例对此不做特殊限定。例如,可以通过对声音进行声纹识别判断交互对象是否为本人,还可以通过识别人脸、指纹识别判断交互对象是否为本人,也可以通过当前交互对象的人脸分析当前交互对象的年龄与系统中的交互对象的年龄的差异确定交互对象是否为本人,此外还可以通过分析视频中的影像是否为照片或预先录制好的视频确定交互对象是否为本人。
此外,所述方法还可以包括:获取所述交互对象针对所述咨询问题的回应信息,并根据所述咨询问题对应的所述回应信息更新所述用户信息。
在本发明的示例性实施例中,在生成咨询问题后,将咨询问题逐一发送至用户终端设备,并进行展示,以使交互对象对各咨询问题分别进行回应,并将各咨询问题对应的回应信息发送至服务器,以对该交互对象的用户信息进行更新。基于更新后的用户信息,则可以获取新的风险特征信息,以生成新的咨询问题,进而通过新的咨询问题获取更加全面和精确的用户信息。此外,还可以通过分析更新后的用户信息并结合当前的询问进度,判断结束询问的时机等。本示例性实施例对此不作特殊限定。
在步骤S350中,获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息、所述咨询问题以及对应的所述回应信息计算所述交互对象的综合信用指标。
在本发明的示例性实施例中,在交互对象在终端设备中对咨询问题进行回应后,获取针对咨询问题的回应信息。并根据回应信息对交互对象的用户信息进行更新。通过更新后的用户信息可以生成信息的新的咨询问题,以便通过新的咨询问题获取更加精确和全面的用户信息,还可以通过更新后的用户信息和当前的询问进度确定结束询问的时机,也可以通过更新后的用户信息为日后的审计和复核提供依据等,本示例性实施例对此不作特殊限定。
所述回应信息可以为文字信息、语音信息或者视频信息,在回应信息为语音信息和视频信息时,需将语音信息和视频信息的回应信息转化为文字信息的回应信息。需要说明的是,确定结束询问的时机的方式可以包括:通过回应信息并结合当前的询问进度确定结束询问的时机;或者由交互对象自行结束询问;或者在完成对所有咨询问题的回答后,结束询问,本示例性实施例对此不作特殊限定。
如图7所示,所述计算所述交互对象的综合信用指标可以包括:步骤S710至步骤S740,其中:
在步骤S710中,根据所述用户信息获取所述交互对象的金融信用指标。
在本发明的示例性实施例中,可以通过各信用评估机构对所述交互对象的信用评分或信用等级、交互对象的回应信息集合与个人财务状况信息产生交集的次数计算金融信用指标,具体的计算公式如下:
其中Finance为交互对象的金融信用指标;ci表示信用评估机构i对所述交互对象的信用评分或信用等级;q为量化函数,用于将ci量化为同一量纲下的分数;wi为ci的权值,用于表示ci的贡献度大小;Union(Fin(u),Au)表示所述交互对象的回应信息集合Au与个人财务状况信息Fin(u)产生交集的次数,具体而言,其中,I表示指示函数,当t∈a时,I(t∈a)=1,否则为0;本示例实施方式中可以采用关键词的匹配来判断t∈a,即采用回应信息中的关键词和个人财务状况信息的关键词的匹配来判断t∈a;λ为可调参数。
本领域技术人员容易理解的是,在本发明的其他示例性实施例中,也可以通过其他方式或者使用其他信息计算所述交互对象的金融信用指标,本示例性实施例中对此不做特殊限定。
在步骤S720中,根据所述咨询问题以及对应的所述回应信息,计算所述交互对象的回应逻辑性指标。
在本发明的示例性实施例中,可以通过咨询问题集合、回应信息集合以及询问规则的集合计算回应逻辑性指标,具体的计算公式如下:
Logical=induce_infer(Qu,Au|Ku)
其中,Logical为回应逻辑性指标;induce_infer表示归纳推断过程,用于将Qu和Au作为前提,以Ku为条件推断交互对象的对话内容中存在的矛盾之处;Qu为所述咨询问题集合, 表示第i个咨询问题,Au为所述回应信息集合/> 为针对/>的回应信息,Ku为获取的所述询问规则的集合,/> 表示/>对应的询问规则。
需要注意的是,本示例实施方式中可以仅在Qu和Au中包括有Ku询问规则中存在的名词、动词以及修饰他们的状语和定语时,才将Qu和Au作为推断的前提。因此可以首先对Qu和Au进行一定的句法分析。推断的过程可以包括:步骤一、根据Ku询问规则中的关键词,将和/>中的每一句话转化为一个事实子句或前提子句;步骤2、循环遍历所有子句,应用包含该关键词的规则/>推断得到新的子句/>或/>每个子句对于每个规则仅应用一次;步骤3、迭代步骤2,直到产生矛盾或无新的子句能够产生,即完全推断过程。
本领域技术人员容易理解的是,在本发明的其他示例性实施例中,也可以通过其他方式计算所述交互对象的回应逻辑性指标,本示例性实施例中对此不做特殊限定。
在步骤S730中,根据对所述交互对象进行身份验证的验证结果,计算所述交互对象的身份一致性指标。
在本示例性实施例中,可以通过人脸识别结果、声纹识别结果以及指纹识别结果计算身份一致性指标,具体的计算公式如下:
Coherence=-log((1-P(face,u))(1-P(voice,u))(1-P(print,u)))
其中Coherence为身份一致性指标;P(face,u)为对于交互对象的人脸识别结果得出的一致性概率,P(voice,u)为对于交互对象的声纹识别结果得出的一致性概率,P(print,u)为对交互对象的指纹识别结果得出的一致性概率。
本领域技术人员容易理解的是,在本发明的其他示例性实施例中,也可以通过其他方式或者使用其他信息计算所述交互对象的身份一致性指标,本示例性实施例中对此不做特殊限定。
在步骤S740中,根据所述金融信用指标、回应逻辑性指标以及身份一致性指标计算所述交互对象的所述综合信用指标。
在本示例性实施例中,可以通过金融信用指标、回应逻辑性指标身份一致性指标计算综合信用指标,具体的计算公式如下:
Su=(α·Finance+β·Logical)×γ·Coherence
其中,Su为综合信用指标,Finance为所述金融信用指标,Logical为所述回应逻辑性指标,Coherence为所述身份一致性指标。α、β、γ为可调参数,可以根据人工经验设定的映射函数α,β,γ=f(Info(u))获得,即根据交互对象的基本信息自动设置α、β、γ,常见的映射函数设置可以采用表格函数。例如,可以按照经验将交互对象的信息如年龄、性别、学历等数据构成表格的抬头,将这些交互对象的信息离散化(即按照年龄段、学历段进行分组),构建函数表格,如下表2所示。
年龄 | 性别 | 学历 | α | β | γ |
0~25岁 | 不限 | 本科以上 | 0.3 | 0.3 | 1.0 |
0~25岁 | 男 | 大专及以下 | 0.4 | 0.2 | 0.8 |
0~25岁 | 女 | 大专及以下 | 0.4 | 0.2 | 0.5 |
25~35岁 | 男 | 不限 | 0.5 | 0.3 | 1.1 |
25~35岁 | 女 | 本科以上 | 0.4 | 0.4 | 0.7 |
… | … | … | … | … | … |
表2
在上述示例性实施例中,是根据所述用户信息、所述咨询问题以及对应的所述回应信息计算所述交互对象的综合信用指标。在本发明的其他示例性实施例中,还可以结合其他更多信息计算或者通过其他方式计算所述交互对象的综合信用指标Su,这同样属于本发明的保护范围。此外,为了方便后续应用,还可以将所述综合信用指标的具体数值通过信用等级或者信用评分等方式进行直观表示,本示例性实施例中对此不做特殊限定。
在计算交互对象的综合信用指标Su后,可以结合其他信息进行应用。以贷款申请为例,在贷款申请中,在计算交互对象的综合信用指标Su后,可以对该交互对象是否进行贷款以及贷款的额度、贷款的利率、预计贷款方式等进行评定。例如,在对交互对象是否进行贷款以及贷款的额度、贷款的利率、预计贷款方式进行评定时,可以将综合信用指标Su和Credit(u)、Fin(u)、Au输入至预设评估系统中,以使该预设评定系统输出对交互对象是否进行贷款以及贷款的额度、贷款的利率、预计贷款方式进行评定。具体的预设评估系统的生成方式可以为:根据大量的交互对象的历史数据对深度学习网络进行训练,以得到该深度学习网络的各节点的权重值,并根据各节点的权重值生成预设评估系统。所述交互对象的历史数据均可以包括综合信用指标Su和Credit(u)、Fin(u)、Au以及评定结果等。需要说明的是,预设评估系统的构建方式不限于上述方式。
综上所述,上述方法可以从交互对象的与信用相关的用户信息得到至少一项风险特征信息,并根据各项特征信息获取对应的询问规则,以及根据风险特征信息以及相应的询问规则生成多个咨询问题,即可以针对风险特征信息制定与风险相关的咨询问题,从而发掘交互对象的已知或潜在风险,节约了保险、借贷以及租赁等业务的付出成本;另外,通过咨询问题可以获取更加精确的用户信息,以提高审核的准确性,同时实现了自动化的问答,提高了问答效率,从而也提高了审核的效率,降低了人工成本;此外,根据用户信息、咨询问题以及对应的回应信息计算所述交互对象的综合信用指标,提高了计算综合信用指标的准确率和效率,进一步的降低了人工成本,同时也避免了由于审核人员的经验不足而导致的审查误差,大大的提高了审核的准确率。
图8中示出了上述信用指标计算方法的信用指标计算系统的一种结构示意图,该信用指标计算系统包括用户信息分析子系统801、用户交互子系统802、知识库803、时间管理子系统804、以及信用分析子系统805。其中,户信息分析子系统801从预设数据库(图8中的用户信息数据库806)中获取交互对象的用户信息,所述用户信息为用于生成咨询问题的材料。获取交互对象的与信用相关的用户信息的过程已在步骤S310中进行了详细的说明,因此此处不再赘述。
所述预设数据库已经在上文中进行了详细的说明,因此不再赘述。用户交互子系统802主要处理与交互对象809之间的直接交互,并负责处理和记录对交互对象的询问过程,即主要执行上述步骤S310至S340。知识库803用于向用户交互子系统802提供询问规则,其存储了生成咨询问题的询问规则,可以理解为一个规则数据库。询问规则的类型已在前文中说明,此处不再赘述。知识库中的内容可以由业内专家或行业经验总结,也可以从知识数据提供商处购买获得。可以采用人工的方式对知识库803进行维护,也可以采用智能的方法对知识库803进行维护,例如通过知识图谱对知识库803进行维护,即只需要人工向知识图谱中录入基本的信息和常识即可。具体的,知识图谱自行推理的过程为,例如,对于“地震会造成财产损失”和“财产损失会提高风险”这两个规则,可以自动推断得到“地震会提高风险”这一规则,且这一规则的可信度要低于前两者,通常是前两个规则可信度的乘积。时间管理子系统804负责处理交互对象的询问交互时机,并控制系统在不同时间段的负载均衡的问题。信用分析子系统805通过询问规则对交互对象的用户信息、咨询问题以及根据咨询问题的回应信息进行分析处理,通过询问规则识别出其中能够有效表示交互对象的可信信用的回答结果,并综合交互对象的用户信息给出最终的输出。输出的内容存储于信用数据库807中,同时提供给贷款审核流程808使用。
图9中示出了用户交互子系统802的结构示意图,其中,用户交互子系统802可以包括:文本与逻辑处理模块910、语音处理模块920、视频处理模块930、对话内容存储模块940、交互接口950、交互逻辑控制模块960。其中,文本与逻辑处理模块910主要负责上述将知识库803提供的询问规则与用户信息分析子系统801中的信息进行处理,并结合交互对象的上下文,生成咨询问题。生成的咨询问题将根据交互对象选择的交互方式被发送至语音处理模块920或视频处理模块930,以生成与交互对象选择的交互方式对应的多媒体信息,生成的咨询问题还可以通过交互接口950被发送至终端设备970,以作为字幕或文字信息显示在终端设备970中。需要说明的是,生成的咨询问题与交互对象基于各咨询问题的回应信息被记录到对话内容存储模块940中,用于提供给逻辑控制模块960判断当前对话的进程,以及向信用分析子系统805提供分析交互对象的信用的信息来源,还为日后的审计和复核提供依据。生成咨询问题的过程已在上文中进行了说明,因此此处不再赘述。
文本与逻辑处理模块910可以包括对话文本生成单元911、用户信息融合单元912以及规则处理模块913。其中,对话生成单元911用于根据通过交互对象的用户信息得到的风险特征信息和询问规则生成咨询问题,用户信息融合单元912用于获取并分析交互对象的用户信息,以获取至少一项风险特征信息,并将至少一项风险特征信息提供至对话生成单元911,该用户信息融合单元912还用于将用户的多种信息进行组合,最大可能的暴露交互对象金融风险的问答组合,并提供至对话生成单元911。规则处理模块913用于根据至少一项风险特征信息获取相应的询问规则,并将询问规则提供至对话生成单元911。
语音处理模块920可以将文本与逻辑处理模块910生成的咨询问题通过语音合成单元921转换成语音,并将交互对象根据咨询问题回应的语音对话内容通过语音识别单元922识别成文字。同时,还可以利用声纹识别单元923对交互对象的语音进行声纹识别,以验证进行语音对话的用户的身份是否为交互对象本人。语音处理模块920中包括的各单元均可以通过准备的标注语料对例如如隐马尔科夫模型、条件随机场、深度神经网络等,或者它们的组合进行训练得到参数,进而根据该参数建立语音处理模块920中包括的各单元。也可以使用第三方离线语音处理系统或在线语音处理服务完成。
视频处理模块930可以包括活体检测单元931、虚拟人物生成单元932、肢体语言识别单元933以及人脸识别单元934。其中,活体检测单元931用于根据人脸、指纹等判断当前交互对象是否为本人。虚拟人物生成单元932用于将文本与逻辑处理模块910生成的咨询问题转化为视频资料,并生成虚拟客服形象。肢体语言识别单元933用于识别交互对象的肢体语言(例如手语、身体姿势等),并将肢体语言转化为文字信息。人脸识别单元934用于对交互对象的人脸进行识别。上述视频处理模块930中的各个单元均可以通过标注数据对例如模板匹配、卷积神经网络、贝叶斯网络、条件随机场等或其组合进行训练,以获得参数,进而根据该参数建立视频处理模块930中的各个单元。也可以采用第三方离线视频识别/生成引擎或在线视频识别/生成服务完成。
交互接口950控制终端设备的展示与响应,并接收终端设备的输入反馈信息,交互接口950以应用程序接口(API)的方式提供,可以嵌入到网页服务器、远程或本地桌面程序、移动端应用服务器、云服务器等软件或服务中。终端设备970可以是个人电脑、移动智能电话、嵌入式设备、专用计算机等。终端设备970应当包含与交互接口进行交互所必须的硬件要求,例如麦克风、扬声器、视频采集设备、图形显示设备、指纹扫描设备等。
交互逻辑控制模块960根据咨询问题和接口反馈进行逻辑控制,保证询问的过程流畅且有效。
综上所述,上述方法可以从交互对象的与信用相关的用户信息得到至少一项风险特征信息,并根据各项特征信息获取对应的询问规则,以及根据风险特征信息以及相应的询问规则生成多个咨询问题,即可以针对风险特征信息制定与风险相关的咨询问题,从而发掘交互对象的已知或潜在风险,节约了保险、借贷以及租赁等业务的付出成本;另外,通过咨询问题可以获取更加精确的用户信息,以提高审核的准确性,同时实现了自动化的问答,提高了问答效率,从而也提高了审核的效率,降低了人工成本。
图10示意性示出了根据本发明的一个实施例的信用指标计算装置1000的框图。该信用指标计算装置1000可以包括:第一获取模块1001、分析模块1002、第二获取模块1003、生成模块1004以及计算模块1005。
具体的,第一获取模块1001,用于获取交互对象的与信用相关的用户信息;分析模块1002,用于对所述用户信息进行分析,得到至少一项风险特征信息;第二获取模块1003,用于根据各项所述风险特征信息,分别获取对应的询问规则;生成模块1004,用于根据各项所述风险特征信息以及相应的所述询问规则,分别生成多个咨询问题询问所述交互对象;计算模块1005,用于获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息、所述咨询问题以及对应的所述回应信息计算所述交互对象的综合信用指标。
上述信用指标计算装置中各模块的具体细节已经在对应的信用指标计算方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明未公开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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (18)
1.一种信用指标计算方法,其特征在于,包括:
获取交互对象的与信用相关的用户信息;
对所述用户信息进行分析,得到至少一项风险特征信息;
根据各项所述风险特征信息,分别获取对应的询问规则;
根据各项所述风险特征信息以及相应的所述询问规则,分别生成多个咨询问题询问所述交互对象;
获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息获取所述交互对象的金融信用指标;根据所述咨询问题以及对应的所述回应信息,计算所述交互对象的回应逻辑性指标;根据对所述交互对象进行身份验证的验证结果,计算所述交互对象的身份一致性指标;根据所述金融信用指标、回应逻辑性指标以及身份一致性指标计算所述交互对象的综合信用指标;
所述根据所述用户信息获取所述交互对象的金融信用指标包括:
其中,ci表示信用评估机构i对所述交互对象的信用评分或信用等级;q为量化函数,wi为ci的权值,Union(Fin(u),Au)表示所述交互对象的回应信息集合Au与个人财务状况信息Fin(u)产生交集的次数;λ为可调参数。
2.根据权利要求1所述的信用指标计算方法,其特征在于,所述获取交互对象的与信用相关的用户信息包括:
自一预设数据库获取所述交互对象的与信用相关的第一部分用户信息;
基于所述第一部分用户信息查找与所述交互对象相关的事件信息,并将查找到的所述事件信息作为所述交互对象的与信用相关的第二部分用户信息。
3.根据权利要求1所述的信用指标计算方法,其特征在于,所述获取交互对象的与信用相关的用户信息还包括:
获取所述交互对象的请求类型;
基于所述交互对象的请求类型和所述用户信息确定风险类别;
所述根据各项所述风险特征信息,分别获取对应的询问规则包括:
根据各项所述风险特征信息和所述风险类别,分别获取对应的询问规则。
4.根据权利要求1所述的信用指标计算方法,其特征在于,所述对所述用户信息进行分析,得到至少一项风险特征信息包括:
从历史用户信息中挖掘多个事务的频繁项集;每一所述频繁项集均包括风险信息以及一个或多个风险特征;
从所述交互对象的所述用户信息中,获取与各所述频繁项集中的风险特征匹配的信息形成各所述风险特征信息。
5.根据权利要求4所述的信用指标计算方法,其特征在于,所述从历史用户信息中挖掘多个事务的频繁项集包括:
从历史用户信息中挖掘包括所述风险信息的事务集,其中,所述事务集中的每一事务均包括一个或多个风险特征;
统计各所述事务中所述风险信息与所述风险特征的关联性系数,并根据所述关联性系数和一阈值生成各所述事务的所述频繁项集。
6.根据权利要求1所述的信用指标计算方法,其特征在于,所述根据各项所述风险特征信息,分别获取对应的询问规则,包括:
按照所述风险特征信息的预设属性确定各项所述风险特征信息对应的询问规则。
7.根据权利要求6所述的信用指标计算方法,其特征在于,所述询问规则包括确认性规则、获取性规则以及质疑性规则中的一种或多种。
8.根据权利要求1所述的信用指标计算方法,其特征在于,所述方法还包括:
获取所述交互对象针对所述咨询问题的回应信息,并根据所述咨询问题对应的所述回应信息更新所述用户信息。
9.根据权利要求1所述的信用指标计算方法,其特征在于,所述方法还包括:
将所述咨询问题转换为多媒体信息,并将所述多媒体信息发送至一个或多个终端设备。
10.根据权利要求9所述的信用指标计算方法,其特征在于,所述方法还包括:
通过所述终端设备采集的生物特征信息,对所述交互对象进行身份一致性验证。
11.根据权利要求1所述的信用指标计算方法,其特征在于,所述询问所述交互对象包括:
获取交互时机选择信息以及交互方式选择信息,并根据所述交互时机选择信息以及交互方式选择信息确定交互方式以及交互时机;
在所述交互时机,通过所述交互方式询问所述交互对象。
12.根据权利要求11所述的信用指标计算方法,其特征在于,所述获取交互时机选择信息以及交互方式选择信息包括:
根据所述交互对象的用户信息,制定交互时机选项以及交互方式选项并展现给所述交互对象;
获取被选择的所述交互时机选项以及交互方式选项,作为所述交互时机选择信息以及交互方式选择信息。
13.根据权利要求12所述的信用指标计算方法,其特征在于,所述制定交互时机选项包括:
基于所述交互对象的用户信息以及执行所述信用指标计算方法的系统在不同时段的负载均衡信息,制定所述交互时机选项。
14.根据权利要求1所述的信用指标计算方法,其特征在于,所述根据所述咨询问题以及对应的所述回应信息,计算所述交互对象的回应逻辑性指标包括:
通过Logical=induce_infer(Qu,Au|Ku)计算所述交互对象的回应逻辑性指标Logical;
其中,induce_infer示归纳推断过程,Qu为所述咨询问题集合,Au为所述回应信息集合,Ku为获取的所述询问规则的集合。
15.根据权利要求1所述的信用指标计算方法,其特征在于,所述根据所述金融信用指标、回应逻辑性指标以及身份一致性指标计算所述交互对象的综合信用指标包括:
通过Su=(α·Finance+β·Logical)×γ·Coherence计算所述交互对象的所述综合信用指标Su;
其中,α、β、γ为可调参数,Finance为所述金融信用指标,Logical为所述回应逻辑性指标,Coherence为所述身份一致性指标。
16.一种信用指标计算装置,其特征在于,包括:
第一获取模块,用于获取交互对象的与信用相关的用户信息;
分析模块,用于对所述用户信息进行分析,得到至少一项风险特征信息;
第二获取模块,用于根据各项所述风险特征信息,分别获取对应的询问规则;
生成模块,用于根据各项所述风险特征信息以及相应的所述询问规则,分别生成多个咨询问题询问所述交互对象;
计算模块,用于获取所述交互对象针对所述咨询问题的回应信息,并根据所述用户信息获取所述交互对象的金融信用指标;根据所述咨询问题以及对应的所述回应信息,计算所述交互对象的回应逻辑性指标;根据对所述交互对象进行身份验证的验证结果,计算所述交互对象的身份一致性指标;根据所述金融信用指标、回应逻辑性指标以及身份一致性指标计算所述交互对象的综合信用指标;
所述根据所述用户信息获取所述交互对象的金融信用指标包括:
其中,ci表示信用评估机构i对所述交互对象的信用评分或信用等级;q为量化函数,wi为ci的权值,Union(Fin(u),Au)表示所述交互对象的回应信息集合Au与个人财务状况信息Fin(u)产生交集的次数;λ为可调参数。
17.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至15中任一项所述的方法。
18.一种电子设备,其特征在于,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,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如权利要求1至15中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810206460.8A CN110264330B (zh) | 2018-03-13 | 2018-03-13 | 信用指标计算方法、装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810206460.8A CN110264330B (zh) | 2018-03-13 | 2018-03-13 | 信用指标计算方法、装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110264330A CN110264330A (zh) | 2019-09-20 |
CN110264330B true CN110264330B (zh) | 2023-05-26 |
Family
ID=67911541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810206460.8A Active CN110264330B (zh) | 2018-03-13 | 2018-03-13 | 信用指标计算方法、装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110264330B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110620784A (zh) * | 2019-09-29 | 2019-12-27 | 支付宝(杭州)信息技术有限公司 | 基于信用的交互处理方法以及装置 |
CN111047436B (zh) * | 2019-12-25 | 2023-08-11 | 出门问问信息科技有限公司 | 一种信息判定方法及装置 |
CN113299288B (zh) * | 2020-02-24 | 2024-05-24 | 上海方付通商务服务有限公司 | 信息采集方法、装置、设备和介质 |
CN112348685A (zh) * | 2020-10-09 | 2021-02-09 | 中南大学 | 信用评分方法、装置、设备及存储介质 |
TWI810533B (zh) * | 2021-03-08 | 2023-08-01 | 玉山商業銀行股份有限公司 | 財力證明方法與系統 |
CN116228139A (zh) * | 2023-01-10 | 2023-06-06 | 南京田雨企业咨询管理有限公司 | 一种汽车金融风险审核方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303447A (zh) * | 2015-08-17 | 2016-02-03 | 北京阿甘敦行信息科技有限公司 | 利用网络信息进行信用评级的方法和系统 |
CN105719079A (zh) * | 2016-01-20 | 2016-06-29 | 北京京东尚科信息技术有限公司 | 信息生成方法和装置 |
CN107220899A (zh) * | 2016-03-21 | 2017-09-29 | 阿里巴巴集团控股有限公司 | 社交网络构建、信息推荐方法、装置及服务器 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130091050A1 (en) * | 2011-10-10 | 2013-04-11 | Douglas Merrill | System and method for providing credit to underserved borrowers |
-
2018
- 2018-03-13 CN CN201810206460.8A patent/CN110264330B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303447A (zh) * | 2015-08-17 | 2016-02-03 | 北京阿甘敦行信息科技有限公司 | 利用网络信息进行信用评级的方法和系统 |
CN105719079A (zh) * | 2016-01-20 | 2016-06-29 | 北京京东尚科信息技术有限公司 | 信息生成方法和装置 |
CN107220899A (zh) * | 2016-03-21 | 2017-09-29 | 阿里巴巴集团控股有限公司 | 社交网络构建、信息推荐方法、装置及服务器 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110264330A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264330B (zh) | 信用指标计算方法、装置、计算机可读存储介质 | |
US11748555B2 (en) | Systems and methods for machine content generation | |
Netzer et al. | When words sweat: Identifying signals for loan default in the text of loan applications | |
US11443380B2 (en) | System and method of providing and recording personalized context-specific advice in the form of an artificial intelligence view of a hierarchical portfolio | |
CN107851097B (zh) | 数据分析系统、数据分析方法、数据分析程序及存储介质 | |
US20180260891A1 (en) | Systems and methods for generating and using optimized ensemble models | |
US20230252224A1 (en) | Systems and methods for machine content generation | |
CN110096577A (zh) | 从异常简档数据预测用户的意图 | |
US20230038529A1 (en) | Self-executing protocol generation from natural language text | |
CN112150298B (zh) | 数据处理方法、系统、设备及可读介质 | |
WO2020114269A1 (zh) | 一种智能投顾的实现方法及系统 | |
US11334941B2 (en) | Systems and computer-implemented processes for model-based underwriting | |
Manoharan | A three dimensional assessment of US county e-government | |
US10733619B1 (en) | Semantic processing of customer communications | |
CN113688221B (zh) | 基于模型的话术推荐方法、装置、计算机设备和存储介质 | |
US20210090174A1 (en) | Rolling Feedback System For Financial And Risk Analysis Using Disparate Data Sources | |
US11494845B1 (en) | System and method for employing a predictive model | |
US20220374956A1 (en) | Natural language analysis of user sentiment based on data obtained during user workflow | |
US20220398635A1 (en) | Holistic analysis of customer sentiment regarding a software feature and corresponding shipment determinations | |
CN113919437A (zh) | 生成客户画像的方法、装置、设备及存储介质 | |
KR20220083183A (ko) | 개인화 기반 사업 추천 알고리즘을 이용한 입찰 전략 수립 지원 시스템 및 그 방법 | |
Huang | The past and present of the Chinese civil and criminal justice systems: the Sinitic legal tradition from a global perspective | |
Nass et al. | Speech-based disclosure systems: Effects of modality, gender of prompt, and gender of user | |
CN113240531A (zh) | 一种数据处理方法和装置 | |
Amariles et al. | Legal indicators in transnational law practice: a methodological assessment |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |