CN110569347A - 一种数据处理方法、装置、存储介质和电子设备 - Google Patents
一种数据处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN110569347A CN110569347A CN201910854259.5A CN201910854259A CN110569347A CN 110569347 A CN110569347 A CN 110569347A CN 201910854259 A CN201910854259 A CN 201910854259A CN 110569347 A CN110569347 A CN 110569347A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- answer
- label
- data
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- 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
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例提出了一种数据处理方法、装置、存储介质和电子设备,通过获取多种用户交互数据,采用多种不同的策略对所述用户交互数据进行评分得到交互数据标签,根据所述交互数据标签得出用户风险标签,解决了目前用户风险评估中风险评分规则局限,风险评估角度不全面、正确性判断结果单一和对客户的行为数据无法得到量化记录的问题。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种数据处理方法、装置、存储介质和电子设备。
背景技术
在互联网技术飞速发展的背景下,各种网络诈骗、电话诈骗现象层出不穷,尤其在金融领域,诈骗现象更为严重,为了有效防范欺诈现象的发生,在许多金融业务场景下,需对用户进行风险评估。用户只有风险评估结果达到一定的要求,才能进行业务的咨询和办理。
然而,目前对用户的风险评估还存在许多问题,例如,对用户审核后输出的调查结果规则单一,没有把进行审核时全方位的审核情况考虑进来,判断答题正确性时,通常只有正误两种结果,不会根据不同问题制定相应的正确性判断规则,用户在审核环节中的行为数据无法得到量化记录。
发明内容
有鉴于此,本发明实施例提出一种数据处理方法、装置、电子设备和存储介质,以解决上述对客户进行风险评估存在的问题。
第一方面,本发明实施例提出一种数据处理方法,其特征在于,所述方法包括:
通过自动语音问答系统与用户进行交互以获取用户交互数据,所述用户交互数据包括用户对于所述自动语音问答系统的答案信息、交互信息和交互过程中的人脸图像信息;
根据所述用户交互数据获取交互数据标签,所述交互数据标签用于表征所述交互过程中用户交互数据的属性;
根据所述交互数据标签确定用户风险标签,所述用户风险标签用于表征所述用户的风险程度。
优选地,所述交互信息包括问题的答复完成程度信息、结束语播报情况信息、挂断方式信息和答题反应时长信息。
优选地,所述人脸图像信息包括人脸的情绪信息、微表情信息、朝向变化信息和角度视线变化信息。
优选地,所述根据所述用户交互数据获取交互数据标签包括:
根据题目类型和题型调取相应的评分规则对所述答案信息进行正确性判断,以获取正确性判断结果;
根据正确性判断结果计算答题正确率,其中,所述正确性判断结果包括完全正确、完全错误、部分正确、无效回复和没有回复。
优选地,所述根据所述用户交互数据获取交互数据标签包括:
根据问题的答复完成程度信息、结束语播报情况信息和挂断方式信息确定答题完整度评分;
根据所述反应时长确定反应时间评分。
优选地,所述根据所述用户交互数据获取交互数据标签包括:
根据情绪信息、微表情信息、朝向变化信息和角度视线变化信息确定人脸状态评分。
优选地,所述根据所述交互数据标签确定用户风险标签具体为:
根据优先级和所述交互数据标签的权重计算用户风险标签。
第二方面,本发明实施例提出了一种数据处理装置,其特征在于,所述装置包括:
第一获取单元,被配置为通过自动语音问答系统与用户进行交互以获取用户交互数据,所述用户交互数据包括用户对于所述自动语音问答系统的答案信息、交互信息和交互过程中的人脸图像信息;
第二获取单元,被配置为根据所述用户交互数据获取交互数据标签,所述交互数据标签用于表征所述交互过程中用户交互数据的属性;以及
确定单元,被配置为根据所述交互数据标签确定用户风险标签,所述用户风险标签用于表征所述用户的风险程度。
第三方面,本发明实施例提出了一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
第四方面,本发明实施例提出了一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现如第一方面所述的方法。
本发明实施例通过获取多种用户交互数据,采用多种不同的策略对所述用户交互数据进行处理得到交互数据标签,根据所述交互数据标签得出用户风险标签,解决目前用户风险评估中风险评分规则局限,风险评估角度不全面、正确性判断规则片面、对客户的行为数据无法得到量化记录的问题。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例的数据处理的场景示意图;
图2是本发明实施例的数据处理方法的流程图;
图3是本发明实施例的数据处理方法的数据流程图;
图4是本发明实施例的数据处理装置的示意图;
图5是本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
图1是本发明实施例的数据处理的场景示意图。如图1所示,服务器11与计算机设备14组成的自动语音问答系统通过电话网或互联网12与目标用户的终端设备13建立联系。终端设备13包括计算机、手机和电话,自动语音问答系统通过电话网或互联网12获取多维度的用户交互数据,并对所述用户交互数据进行评分得到交互数据标签,再根据所述交互数据标签确定用户风险标签,从而实现对用户的风险评估。
图2是本发明实施例的数据处理方法的流程图。如图1所示,本发明实施例的数据处理方法包括如下步骤:
步骤S110,通过自动语音问答系统与用户进行交互以获取用户交互数据。
在本发明实施例中,从多维度获取所述自动语音问答系统与所述用户交互过程中的用户交互数据。
具体地,所述用户交互数据包括:
用户对于所述自动语音问答系统的答案信息,也即,用户对系统所提问的问题的回复。所述答案信息用于判断用户答题的正确性。
交互信息,也即,交互情况信息,包括问题的答复完成程度信息、结束语播报情况信息、挂断方式信息和答题反应时长信息。所述问题的答复完成程度信息、所述结束语播报情况信息和所述挂断方式信息用于判断用户答题的情况。所述答题反应时长信息用于判断用户对自身情况的熟悉程度。
人脸图像信息,也即,能够反应用户心理活动的脸部行为信息,包括人脸的情绪信息、微表情信息、朝向变化信息和角度视线变化信息。所述人脸图像信息可通过多种方法获取,比如光流法、特征点追踪法、模型法、几何法和深度学习法。所述人脸图像信息用于判断用户的身份和用户的心理活动情况。
当然,所述用户交互数据除了上述的用户对于所述自动语音问答系统的答案信息、交互信息和人脸图像信息,也可包括其他方面的信息,例如肢体行为信息。
步骤S120,根据所述用户交互数据获取交互数据标签。
具体地,步骤S120包括:
步骤S121,根据用户对于所述自动语音问答系统的答案信息确定答题正确率。
其中,步骤S121包括以下两个步骤:
步骤S1211,根据题目类型和题型调取相应的评分规则对所述答案信息进行正确性判断,以获取正确性判断结果。
其中,所述题目类型指的是题目的类别,如年龄、身份证号、住址,所述题型包括开放题、是非题、选择题。不同的题目类型和题型对应不同的评分规则,所述评分规则基于实际情况,结合多方面来制定。
根据评分规则对用户的答案信息进行正确性判断,为提升正确性判断的准确率,设置多种正确性判断结果,所述正确性判断结果包括完全正确、完全错误、部分正确、无效回复和没有回复。多种正确性判断结果的设置使得使正确性判断结果不在只有正确和错误两种结果,提升了机器判断准确性。
例如对于“询问周岁”的题目来说,属于年龄类型、开放题,系统预设的评分策略为只要被调查对象的回复答案是在其实际周岁正负两岁之间即为完全正确,如果被调查对象回复的答案不在此范围之间,即判为完全错误,若回复内容是与该题目不相关的,则会判定为无效回复。所述预设的评分策略基于不同调查对象对于年龄的认识会有虚岁和周岁之分,避免了因评分规则片面而对答案信息的错误判断。
步骤S1212,根据正确性判断结果计算答题正确率。
对应用户每道题目的答案信息,系统都会给出正确性判断结果,根据所述正确性判断结果,计算答题正确率。
其中,所述答题正确率的计算公式为:(完全正确+部分正确)题目数/(实际生成的题目数量-信息收集题目个数)。所述信息收集题目个数指的是题目类型为信息收集类的题目数量。
系统的题目类型包括信息核验类和信息收集类,信息收集类题目没有答案,不用进行正确性判断,也就没有正确性判断结果,因而不进行答题正确率的计算。
步骤S122,根据答复完成程度信息、结束语播报情况信息、挂断方式信息确定答题完整度评分。
其中,步骤S122包括以下两个步骤:
步骤S1221,根据答复完成程度信息、结束语播报情况信息、挂断方式信息进行答题完整度判断,以获取答题完整度判断结果。
步骤S1221,根据所述答题完整度判断结果进行答题完整度评分。
在步骤S1221,所述答复完成程度信息指的是用户对系统所提问的问题做出答复的情况。所述结束语播报情况信息指的是结束语的播报情况。所述挂断方式信息指的是结束交互过程的方式,包括系统自动挂断和用户自己挂断。
具体地,根据预设的完整度判断规则进行答题完整度的判断。根据预设的答题完整度评分方法对所述答题完整度判断结果进行答题完整度评分。
所述预设的答题完整度评分方法可以为:回答完整的情况数目/(回答完整的情况数目+没有回答完整的情况数目)。
例如,答题完整度判断规则为:将做了全部答复且播报了全部结束语且是系统主动挂断的情况归为回答完整,将中途用户自己挂断,没有听完结束语播报等其他情况归为没有完整回答。那么根据规则对答题完整度进行判断,答题完整度判断结果只有一种,回答完整或没有回答完整,按照上述预设的答题完整度评分方法,对应的答题完整度评分为1或0。
步骤S123,根据答题反应时长信息确定反应时间评分。
其中,步骤S123包括以下两个步骤:
步骤S1231,根据反应时长进行反应时间判断,以获取反应时间判断结果。
步骤S1231,根据所述反应时间判断结果进行反应时间评分。
反应时长用于衡量用户在回答问题时的思考时长,因信息核验类题目,大部分都是围绕被调查对象的基本信息做核实,理应是被调查对象十分熟悉的,反应时长过长会侧面反映出被调查对象对基本信息的陌生感,以及有临时查阅答案的可能性,故而是用户风险评估的重要标签。
具体地,根据预设的反应时长判断规则进行反应时长判断。根据预设的反应时间评分方法对所述反应时间判断结果进行反应时间评分。
例如,所述预设的反应时长判断规则可以为:若在预设的反应时长范围内为正常,若超出所述预设的反应时长则为异常。所述预设的反应时间评分方法可以为:反应时间正常的题目数/(反应时间正常的题目数+反应时间异常的题目数)。
所述预设的反应时长可根据实际情况设定,例如,对不同年龄段的用户,预设不同的反应时长。
步骤S124,根据情绪信息、微表情信息、朝向变化信息和角度视线变化信息确定人脸状态评分。
对人脸状态行为进行多方面多维度进行风险点分析,可有效判断用户说谎,心理波动以及伪冒行为。欺诈者拥有与非欺诈者不同的情绪状态,从而会不由自主展露出不同的面部神态。因而,人脸状态评分是用户风险评估的重要标签。
其中,所述情绪信息指的是人脸的整体状态,是焦虑、烦躁,轻松、平常,还是高兴、激动。所述微表情信息指的是用户下意识的瞬间反应状态,比起人们有意识做出的表情,"微表情"更能体现真实的感受和动机,所述朝向变化信息指的是人脸的方向变化情况,所述角度视线变化信息指的是眼睛的视线变化。
系统通过记录所述情绪信息、微表情信息、朝向变化信息和角度视线变化信息,并采用相应的判断规则进行风险预警点的记录,再根据相应的评分方法进行人脸状态的评分。
例如眨眼频率的变化范围,若答题者在回答问题的过程中眨眼频率超出变化范围,则将此作为风险点进行记录。
在本发明实施例中,所述人脸状态的评分可以根据实际需要设定风险预警点,对所述风险预警点进行记录并进行评分。
步骤S130,根据所述交互数据标签确定用户风险标签。
其中,所述用户风险标签用于表征所述用户的风险程度。所述交互数据标签包括答题正确率、答题完整度评分、反应时间评分和人脸状态评分。
根据预置的用户风险标签计算规则,计算出该被调查对象的风险标签。在本发明实施例中,所述用户风险标签计算规则为优先级和所述交互数据标签的权重。权重指的是在用户风险评估中交互数据标签的相对重要程度。根据优先级和所述交互数据标签的权重确定用户风险标签,也即,对所述交互数据标签根据优先级和权重进行加权求和得到用户风险标签。
当然,所述用户风险标签39的计算也可通过其他方法。例如模型计算法。
本发明实施例通过对交互过程中的答案信息按照相应评分规则和多种正确性判断结果从而得到更加准确的答题正确率,对交互过程中的交互信息和人脸图像信息,如答复完成程度信息、结束语播报情况信息、挂断方式信息、反应时长信息、情绪信息、微表情信息、朝向变化信息和角度视线变化信息,进行记录并根据预设的规则进行答题完整度、反应时间和人脸图像信息的判断,再根据预设的评分方法进行答题完整度评分、反应时间评分和人脸状态评分,实现了从多种风险角度、多种风险评分规则和对客户行为数据的量化记录来进行对用户的风险评估。
图3是本发明实施例的数据处理方法的数据流程图。如图3所示,结合图2,本实施例的数据流向如下:
步骤S310,通过自动语音问答系统与用户进行交互以获取用户交互数据30,所述用户交互数据30包括用户对于所述自动语音问答系统的答案信息31、交互信息32和交互过程中的人脸图像信息33。
其中,所述交互信息32包括问题的答复完成程度信息、结束语播报情况信息、挂断方式信息和答题反应时长信息。所述人脸图像信息33包括人脸的情绪信息、微表情信息、朝向变化信息和角度视线变化信息。
步骤S320,根据所述用户交互数据获取交互数据标签34,所述交互数据标签34包括答题正确率35、答题完整度36、反应时间评分37和人脸状态评分38。
具体地,步骤S320包括:
步骤S321,根据用户对于所述自动语音问答系统的答案信息确定答题正确率35。
其中,所述答案信息指的是用户对系统所提问的问题的答案。
步骤S321包括以下两个步骤:
步骤S3211,根据题目类型和题型调取相应的评分规则对所述答案信息进行正确性判断,以获取正确性判断结果。
步骤S3212,根据正确性判断结果计算答题正确率35。
其中,所述题目类型指的是题目的类别,如年龄、身份证号、住址,所述题型包括开放题、是非题、选择题。不同的题目类型和题型对应不同的评分规则,所述评分规则按照实际情况,结合多方面考虑来制定。按照评分规则对用户的答案信息进行正确性判断,为使正确性判断全面,准确,所述正确性判断结果包括完全正确、完全错误、部分正确、无效回复和没有回复。
对应用户每道题目的答案信息,系统都会给出正确性判断结果,根据所述正确性判断结果,计算答题正确率。
其中,所述答题正确率的计算公式为:(完全正确+部分正确)题目数/(实际生成的题目数量-信息收集题目个数)。所述信息收集题目个数指的是收集的用户信息数量。
步骤S322,根据答复完成程度信息、结束语播报情况信息、挂断方式信息确定答题完整度评分36。
所述答题完整度用于衡量用户是否完整回答完问卷题目,是用户风险评估的重要标签。
其中,所述答复完成程度信息指的是用户对系统所提问的问题做出答复的情况。所述结束语播报情况信息指的是结束语的播报情况。所述挂断方式信息指的是结束交互过程的方式,包括两种,一种是系统自动挂断,另一种是用户自己挂断。具体地,根据完整度判断规则进行答题完整度的评分。
具体地,根据预设的完整度判断规则进行答题完整度的判断。根据预设的答题完整度评分方法对所述答题完整度判断结果进行答题完整度评分。
步骤S323,根据答题反应时长信息确定反应时间评分37。
反应时长用于衡量用户在回答问题时的思考时长。根据预设的反应时长,对用户的反应时间进行评分,所述预设的反应时长可根据实际情况设定,例如,对不同年龄段的用户,预设不同的反应时长。
步骤S324,根据情绪信息、微表情信息、朝向变化信息和角度视线变化信息确定人脸状态评分38。
系统通过记录所述情绪信息、微表情信息、朝向变化信息和角度视线变化信息,并采用相应的判断规则进行风险预警点的记录,再根据相应的评分方法进行人脸状态的评分。
在本发明实施例中,所述人脸状态的评分可以根据实际需要设定风险预警点,对所述风险预警点进行记录并进行评分。例如眨眼频率的变化范围,若答题者在回答问题的过程中眨眼频率超出变化范围,则作为风险点记录。
步骤S330,根据所述交互数据标签确定用户风险标签39。
其中,所述用户风险标签用于表征所述用户的风险程度。所述交互数据标签包括答题正确率、答题完整度、反应时间评分和人脸状态评分。
根据预置的用户风险标签计算规则,计算出该被调查对象的风险标签。在本发明实施例中,所述用户风险标签计算规则为优先级和所述交互数据标签的权重。根据优先级和所述交互数据标签的权重确定用户风险标签,也即,对所述交互数据标签根据优先级和权重进行加权求和得到用户风险标签。
本发明实施例通过获取多种用户交互数据,采用多种不同的策略对所述用户交互数据进行处理得到交互数据标签,根据所述交互数据标签得出用户风险标签,解决目前用户风险评估中风险评分规则局限,风险评估角度不全面、正确性判断规则片面、对客户的行为数据无法得到量化记录的问题。
图4是本发明实施例的数据处理装置的示意图。如图4所示,所述装置包括第一获取单元41、第二获取单元42和确定单元43。
其中,第一获取单元41被配置为通过自动语音问答系统与用户进行交互以获取用户交互数据,所述用户交互数据包括用户对于所述自动语音问答系统的答案信息、交互信息和交互过程中的人脸图像信息。第二获取单元42被配置为根据所述用户交互数据获取交互数据标签,所述交互数据标签用于表征所述交互过程中用户交互数据的属性。以及确定单元43被配置为根据所述交互数据标签确定用户风险标签,所述用户风险标签用于表征所述用户的风险程度。
图5是本发明实施例的电子设备的示意图。图5所示的电子设备为通用数据处理装置,其包括通用的计算机硬件结构,其至少包括处理器51和存储器52。处理器51和存储器52通过总线53连接。存储器52适于存储处理器51可执行的指令或程序。处理器51可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器51通过执行存储器52所存储的命令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线53将上述多个组件连接在一起,同时将上述组件连接到显示控制器54和显示器55以及输入/输出(I/O)装置56。输入/输出(I/O)装置56可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出(I/O)装置56通过输入/输出(I/O)控制器57与系统相连。
其中,存储器52可以存储软件组件,例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解,流程图和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器,以产生机器,使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。
同时,如本领域技术人员将意识到的,本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此,本发明实施例的各个方面可以采取如下形式:完全硬件实施方式、完全软件实施方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实施方式。此外,本发明的方面可以采取如下形式:在一个或多个计算机可读介质中实现的计算机程序产品,计算机可读介质具有在其上实现的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置,或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项:具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中,计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。
计算机可读信号介质可以包括传播的数据信号,所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式,包括但不限于:电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质:不是计算机可读存储介质,并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。
用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写,所述编程语言包括:面向对象的编程语言如Java、Smalltalk、C++、PHP、Python等;以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行;部分地在用户计算机上且部分地在远程计算机上执行;或者完全地在远程计算机或服务器上执行。在后一种情况下,可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机,或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
通过自动语音问答系统与用户进行交互以获取用户交互数据,所述用户交互数据包括用户对于所述自动语音问答系统的答案信息、交互信息和交互过程中的人脸图像信息;
根据所述用户交互数据获取交互数据标签,所述交互数据标签用于表征所述交互过程中用户交互数据的属性;
根据所述交互数据标签确定用户风险标签,所述用户风险标签用于表征所述用户的风险程度。
2.根据权利要求1所述的方法,其特征在于,所述交互信息包括问题的答复完成程度信息、结束语播报情况信息、挂断方式信息和答题反应时长信息。
3.根据权利要求1所述的方法,其特征在于,所述人脸图像信息包括人脸的情绪信息、微表情信息、朝向变化信息和角度视线变化信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户交互数据获取交互数据标签包括:
根据题目类型和题型调取相应的评分规则对所述答案信息进行正确性判断,以获取正确性判断结果;
根据正确性判断结果计算答题正确率,其中,所述正确性判断结果包括完全正确、完全错误、部分正确、无效回复和没有回复。
5.根据权利要求2所述的方法,其特征在于,所述根据所述用户交互数据获取交互数据标签包括:
根据问题的答复完成程度信息、结束语播报情况信息和挂断方式信息确定答题完整度评分;
根据所述反应时长确定反应时间评分。
6.根据权利要求3所述的方法,其特征在于,所述根据所述用户交互数据获取交互数据标签包括:
根据情绪信息、微表情信息、朝向变化信息和角度视线变化信息确定人脸状态评分。
7.根据权利要求1所述的方法,其特征在于,所述根据所述交互数据标签确定用户风险标签具体为:
根据优先级和所述交互数据标签的权重计算用户风险标签。
8.一种数据处理装置,其特征在于,所述装置包括:
第一获取单元,被配置为通过自动语音问答系统与用户进行交互以获取用户交互数据,所述用户交互数据包括用户对于所述自动语音问答系统的答案信息、交互信息和交互过程中的人脸图像信息;
第二获取单元,被配置为根据所述用户交互数据获取交互数据标签,所述交互数据标签用于表征所述交互过程中用户交互数据的属性;以及
确定单元,被配置为根据所述交互数据标签确定用户风险标签,所述用户风险标签用于表征所述用户的风险程度。
9.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910854259.5A CN110569347A (zh) | 2019-09-10 | 2019-09-10 | 一种数据处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910854259.5A CN110569347A (zh) | 2019-09-10 | 2019-09-10 | 一种数据处理方法、装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110569347A true CN110569347A (zh) | 2019-12-13 |
Family
ID=68779013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910854259.5A Pending CN110569347A (zh) | 2019-09-10 | 2019-09-10 | 一种数据处理方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569347A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047436A (zh) * | 2019-12-25 | 2020-04-21 | 出门问问信息科技有限公司 | 一种信息判定方法及装置 |
CN111339859A (zh) * | 2020-02-17 | 2020-06-26 | 出门问问信息科技有限公司 | 一种多模态风险控制方法、装置以及计算机可读存储介质 |
CN111488519A (zh) * | 2020-03-02 | 2020-08-04 | 深圳壹账通智能科技有限公司 | 用户性别识别的方法、装置、电子设备及存储介质 |
CN111933296A (zh) * | 2020-07-20 | 2020-11-13 | 湖北美和易思教育科技有限公司 | 一种校园疫情在线监测系统 |
CN112819609A (zh) * | 2021-02-24 | 2021-05-18 | 深圳前海微众银行股份有限公司 | 风险评估方法、设备、计算机可读存储介质及程序产品 |
CN114399827A (zh) * | 2022-03-14 | 2022-04-26 | 潍坊护理职业学院 | 基于面部微表情的高校毕业生职业性格测试方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170244746A1 (en) * | 2011-04-08 | 2017-08-24 | Wombat Security Technologies, Inc. | Assessing Security Risks of Users in a Computing Network |
CN109409527A (zh) * | 2017-08-15 | 2019-03-01 | 北京国双科技有限公司 | 数据处理方法、装置、系统以及存储介质 |
CN109450639A (zh) * | 2018-10-23 | 2019-03-08 | 出门问问信息科技有限公司 | 身份验证的方法、装置、电子设备及计算机可读存储介质 |
CN109543011A (zh) * | 2018-10-16 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 问答数据处理方法、装置、计算机设备和存储介质 |
CN109767321A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 问答过程优化方法、装置、计算机设备和存储介质 |
CN110035246A (zh) * | 2019-02-19 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种音视频数据生成方法及装置 |
-
2019
- 2019-09-10 CN CN201910854259.5A patent/CN110569347A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170244746A1 (en) * | 2011-04-08 | 2017-08-24 | Wombat Security Technologies, Inc. | Assessing Security Risks of Users in a Computing Network |
CN109409527A (zh) * | 2017-08-15 | 2019-03-01 | 北京国双科技有限公司 | 数据处理方法、装置、系统以及存储介质 |
CN109543011A (zh) * | 2018-10-16 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 问答数据处理方法、装置、计算机设备和存储介质 |
CN109450639A (zh) * | 2018-10-23 | 2019-03-08 | 出门问问信息科技有限公司 | 身份验证的方法、装置、电子设备及计算机可读存储介质 |
CN109767321A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 问答过程优化方法、装置、计算机设备和存储介质 |
CN110035246A (zh) * | 2019-02-19 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种音视频数据生成方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047436A (zh) * | 2019-12-25 | 2020-04-21 | 出门问问信息科技有限公司 | 一种信息判定方法及装置 |
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 |
CN111339859A (zh) * | 2020-02-17 | 2020-06-26 | 出门问问信息科技有限公司 | 一种多模态风险控制方法、装置以及计算机可读存储介质 |
CN111488519A (zh) * | 2020-03-02 | 2020-08-04 | 深圳壹账通智能科技有限公司 | 用户性别识别的方法、装置、电子设备及存储介质 |
CN111933296A (zh) * | 2020-07-20 | 2020-11-13 | 湖北美和易思教育科技有限公司 | 一种校园疫情在线监测系统 |
CN111933296B (zh) * | 2020-07-20 | 2022-08-02 | 武汉美和易思数字科技有限公司 | 一种校园疫情在线监测系统 |
CN112819609A (zh) * | 2021-02-24 | 2021-05-18 | 深圳前海微众银行股份有限公司 | 风险评估方法、设备、计算机可读存储介质及程序产品 |
CN114399827A (zh) * | 2022-03-14 | 2022-04-26 | 潍坊护理职业学院 | 基于面部微表情的高校毕业生职业性格测试方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569347A (zh) | 一种数据处理方法、装置、存储介质和电子设备 | |
US20160293036A1 (en) | System and method for adaptive assessment and training | |
US20170221372A1 (en) | Systems and methods for computerized interactive skill training | |
US20170116870A1 (en) | Automatic test personalization | |
US20010042004A1 (en) | Methods, systems and apparatuses for matching individuals with behavioral requirements and for managing providers of services to evaluate or increase individuals' behavioral capabilities | |
CN109659009B (zh) | 情绪管理方法、装置及电子设备 | |
TW201712623A (zh) | 透過線上測驗真實反映出受測者能力的系統、方法以及其儲存媒體 | |
US20190150819A1 (en) | Automated correlation of neuropsychiatric test data | |
Michaelides et al. | The relationship between response-time effort and accuracy in PISA science multiple choice items | |
Boerebach et al. | Embracing the complexity of valid assessments of clinicians’ performance: a call for in-depth examination of methodological and statistical contexts that affect the measurement of change | |
KR20160105286A (ko) | 인터넷 과몰입 진단 장치 및 방법 | |
JP2018205354A (ja) | 学習支援装置、学習支援システム及びプログラム | |
US9870713B1 (en) | Detection of unauthorized information exchange between users | |
Sütterlin et al. | The role of IT background for metacognitive accuracy, confidence and overestimation of deep fake recognition skills | |
Bosch et al. | Students’ verbalized metacognition during computerized learning | |
CN109410984A (zh) | 一种朗读评分的方法及电子设备 | |
US20220020040A1 (en) | Systems and methods for detecting and analyzing response bias | |
US20180322801A1 (en) | Computationally derived assessment in childhood education systems | |
Fu et al. | Influence of Cues on the Safety Hazard Recognition of Construction Workers during Safety Training: Evidence from an Eye-Tracking Experiment | |
Man et al. | Detecting preknowledge cheating via innovative measures: A mixture hierarchical model for jointly modeling item responses, response times, and visual fixation counts | |
Weichbroth | A mixed-methods measurement and evaluation methodology for mobile application usability studies | |
US20150364051A1 (en) | Generating a comprehension indicator that indicates how well an individual understood the subject matter covered by a test | |
TW201913546A (zh) | 心理與行為狀態評量暨診斷方法及系統 | |
US20170132571A1 (en) | Web-based employment application system and method using biodata | |
CN110710983A (zh) | 一套自助测评儿童心理行为发育的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191213 |