CN111078977A - 客户数据的管理方法及系统 - Google Patents
客户数据的管理方法及系统 Download PDFInfo
- Publication number
- CN111078977A CN111078977A CN201911208304.6A CN201911208304A CN111078977A CN 111078977 A CN111078977 A CN 111078977A CN 201911208304 A CN201911208304 A CN 201911208304A CN 111078977 A CN111078977 A CN 111078977A
- Authority
- CN
- China
- Prior art keywords
- data
- signature
- client
- key information
- pieces
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013523 data management Methods 0.000 title abstract description 5
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 230000000306 recurrent effect Effects 0.000 claims description 22
- 238000012550 audit Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical compound [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开提供一种客户数据的管理方法及相关产品,所述方法包括如下步骤:终端接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;终端提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;终端周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。本申请提供的技术方案具有准确度高的优点。
Description
技术领域
本发明涉及信息技术领域,具体涉及一种客户数据的管理方法及系统。
背景技术
客户数据库及关联商业服务平台上,每月都有数百家企业客户在互动、交叉、频繁的查询使用客户数据库中的每条数据,他们透过库内企业资料从事大批量直邮广告、批量的呼出电话、群发短息,进行各类主动型营销、网络推广、会议邀请工作等,因有了他们在利用精确客户数据库中信息从事数据库营销活动,使行精确客户数据库月均有100万条以上数据获得回馈、验证、核实,即时、高效的为中小型企业提供领先的数据库营销服务。客户数据库录入企业信息内容包含如下字段:机构名称、地址、电话、邮编、传真、法人代表、手机号码、Email、主机产品/服务、行业分类、年营业额、企业性质、员工人数、投资国别、注册资金,以供客户进行目标客户的筛选查询
现有的客户数据的管理为单向的,没有和客户对接,这样客户数据在变化时,其数据库内的信息是不变化的,因此现有的客户数据准确度低。
发明内容
本发明实施例提供了一种客户数据的管理方法及相关产品,可以实现客户数据的实时更新,。
第一方面,本发明实施例提供一种客户数据的管理方法,所述方法包括如下步骤:
终端接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;
终端提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;
终端周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。
可选的,所述方法还包括:
终端未接收到服务器的确定消息,将该抽样数据修改成待定数据。
可选的,所述方法还包括:
对该确定消息中的客户签名进行审核,如该签名审核通过,认证该确定消息,如该签名审核未通过,不认证该确定消息,并向服务器发送告警信息。
可选的,所述对该确定消息中的客户签名进行审核具体包括:
终端提取确定消息中的客户签名,将该客户签名作为循环神经网络的输入数据输入到循环神经网络运算得到运算结果,依据该运算结果确定该客户签名是否为特定人的签名,如确定该客户签名为特定人的签名,确定审核通过,否则确定审核不通过。
可选的,所述方法还包括:
获取训练样本集,对该训练样本集进行分类以后,输入到待训练的循环神经网络训练得到训练后的循环神经网络;岁哦书训练样本集包括i个已标记的签名样本。
第二方面,提供一种客户数据的管理系统,所述系统包括:处理器、通信单元,
通信单元,用于接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;
处理器,用于提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。
可选的,所述处理器,还用于未接收到服务器的确定消息,将该抽样数据修改成待定数据。
可选的,所述处理器,具体用于对该确定消息中的客户签名进行审核,如该签名审核通过,认证该确定消息,如该签名审核未通过,不认证该确定消息,并向服务器发送告警信息。
可选的,所述通信单元,具体用于提取确定消息中的客户签名,将该客户签名作为循环神经网络的输入数据输入到循环神经网络运算得到运算结果,依据该运算结果确定该客户签名是否为特定人的签名,如确定该客户签名为特定人的签名,确定审核通过,否则确定审核不通过。
可选的,所述处理单元,还用于获取训练样本集,对该训练样本集进行分类以后,输入到待训练的循环神经网络训练得到训练后的循环神经网络;岁哦书训练样本集包括i个已标记的签名样本。
第三方面,提供一种计算机可读存储介质,其存储用于电子数据交换的程序,其中,所述程序使得终端执行第一方面提供的方法。
实施本发明实施例,具有如下有益效果:
可以看出,本申请提供的技术方案接收目标对象发起的EOP申请,该EOP申请包括:EOP申请项目以及所需审核的多个部门;终端将该EOP申请组播给所需审核的多个部门的多个终端,接收该多个部门的多个终端的审核消息,在多个部门均审核通过以后,终端将包含有审核通过的EOP申请发送给多个部门的共同主管审核;接收到共同主管审核通过消息后,将EOP申请发送给发布部门发布该EOP申请,该技术方案能够并行的实现多个部门同时审核申请,避免了一个个部门的依次申请,提高了审核效率,降低了成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是一种电子设备的结构示意图。
图2是一种客户数据的管理方法的流程示意图。
图3是本发明实施例提供的客户数据的管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(userequipment,UE),移动台(mobile station,MS),终端设备(terminal device)等等。为方便描述,上面提到的设备统称为电子设备。
下面对本申请实施例进行详细介绍。
请参阅图1,图1是本申请实施例公开的一种电子设备的结构示意图,电子设备100包括存储和处理电路110,以及与所述存储和处理电路110连接的传感器170,其中:
电子设备100可以包括控制电路,该控制电路可以包括存储和处理电路110。该存储和处理电路110可以存储器,例如硬盘驱动存储器,非易失性存储器(例如闪存或用于形成固态驱动器的其它电子可编程只读存储器等),易失性存储器(例如静态或动态随机存取存储器等)等,本申请实施例不作限制。存储和处理电路110中的处理电路可以用于控制电子设备100的运转。该处理电路可以基于一个或多个微处理器,微控制器,数字信号处理器,基带处理器,功率管理单元,音频编解码器芯片,专用集成电路,显示驱动器集成电路等来实现。
存储和处理电路110可用于运行电子设备100中的软件,例如互联网浏览应用程序,互联网协议语音(Voice over Internet Protocol,VOIP)电话呼叫应用程序,电子邮件应用程序,媒体播放应用程序,操作系统功能等。这些软件可以用于执行一些控制操作,例如,基于照相机的图像采集,基于环境光传感器的环境光测量,基于接近传感器的接近传感器测量,基于诸如发光二极管的状态指示灯等状态指示器实现的信息显示功能,基于触摸传感器的触摸事件检测,与在多个(例如分层的)显示屏上显示信息相关联的功能,与执行无线通信功能相关联的操作,与收集和产生音频信号相关联的操作,与收集和处理按钮按压事件数据相关联的控制操作,以及电子设备100中的其它功能等,本申请实施例不作限制。
电子设备100可以包括输入-输出电路150。输入-输出电路150可用于使电子设备100实现数据的输入和输出,即允许电子设备100从外部设备接收数据和也允许电子设备100将数据从电子设备100输出至外部设备。输入-输出电路150可以进一步包括传感器170。传感器170可以包括超声波指纹识别模组,还可以包括环境光传感器,基于光和电容的接近传感器,触摸传感器(例如,基于光触摸传感器和/或电容式触摸传感器,其中,触摸传感器可以是触控显示屏的一部分,也可以作为一个触摸传感器结构独立使用),加速度传感器,和其它传感器等,超声波指纹识别模组可以集成于屏幕下方,或者,超声波指纹识别模组可以设置于电子设备的侧面或者背面,在此不作限定,该超声波指纹识别模组可以用于采集指纹图像。
传感器170可以包括红外(IR)摄像头或RGB摄像头,IR摄像头在拍摄时,瞳孔反射红外光,因此IR摄像头在拍摄瞳孔图像会比RGB相机更加准确;RGB摄像头需要进行更多的后续图像处理,计算精度和准确性比IR摄像头要高,通用性比IR摄像头更好,但是计算量大。
输入-输出电路150还可以包括一个或多个显示屏,例如显示屏130。显示屏130可以包括液晶显示屏,有机发光二极管显示屏,电子墨水显示屏,等离子显示屏,使用其它显示技术的显示屏中一种或者几种的组合。显示屏130可以包括触摸传感器阵列(即,显示屏130可以是触控显示屏)。触摸传感器可以是由透明的触摸传感器电极(例如氧化铟锡(ITO)电极)阵列形成的电容式触摸传感器,或者可以是使用其它触摸技术形成的触摸传感器,例如音波触控,压敏触摸,电阻触摸,光学触摸等,本申请实施例不作限制。
电子设备100还可以包括音频组件140。音频组件140可以用于为电子设备100提供音频输入和输出功能。电子设备100中的音频组件140可以包括扬声器,麦克风,蜂鸣器,音调发生器以及其它用于产生和检测声音的组件。
通信电路120可以用于为电子设备100提供与外部设备通信的能力。通信电路120可以包括模拟和数字输入-输出接口电路,和基于射频信号和/或光信号的无线通信电路。通信电路120中的无线通信电路可以包括射频收发器电路、功率放大器电路、低噪声放大器、开关、滤波器和天线。举例来说,通信电路120中的无线通信电路可以包括用于通过发射和接收近场耦合电磁信号来支持近场通信(Near Field Communication,NFC)的电路。例如,通信电路120可以包括近场通信天线和近场通信收发器。通信电路120还可以包括蜂窝电话收发器和天线,无线局域网收发器电路和天线等。
电子设备100还可以进一步包括电池,电力管理电路和其它输入-输出单元160。输入-输出单元160可以包括按钮,操纵杆,点击轮,滚动轮,触摸板,小键盘,键盘,照相机,发光二极管和其它状态指示器等。
用户可以通过输入-输出电路150输入命令来控制电子设备100的操作,并且可以使用输入-输出电路150的输出数据以实现接收来自电子设备100的状态信息和其它输出。
基于上述图1所描述的电子设备,可以用于实现如下功能:
参阅图2,图2提供了一种客户数据的管理方法,该方法如图2所示,由如图1所示的终端来执行,该方法包括如下步骤:
步骤S201、终端接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;
步骤S202、终端提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;
步骤S203、终端周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。
本申请提供的技术方案终端接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;终端提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;终端周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。该方案能够实现对数据库内的客户数据进行抽样检查,并且对抽样检查的数据的时间进行更新,因此其能够保证客户数据的准确性。
可选的,上述方法还可以包括:
终端未接收到服务器的确定消息,将该抽样数据修改成待定数据。
可选的,上述方法还可以包括:
对该确定消息中的客户签名进行审核,如该签名审核通过,认证该确定消息,如该签名审核未通过,不认证该确定消息,并向服务器发送告警信息。
本发明的实施例相对于现有技术而言,签名笔包括指纹传感器以及激光头;指纹传感器设置于笔杆的表面且连接于第一数据传输器与第一处理器,用于采集握在笔杆上的手指的指纹信息;激光头设置在笔杆内并连接于第一处理器,用于照射笔尖以检测笔尖签名时的移动位置,并生成移动位置信号;即,通过指纹传感器采集的指纹信息自动识别签名人的身份,保证签名人与合法签名人的一致性,通过激光头生成的移动位置信号自动识别签名人的签名笔迹,保证了签名人的签名笔迹与合法签名人的签名笔迹的一致性,从而鉴定出合法签名人,而无需如现有技术中需要人工识别签名人的身份,提高了签名人的身份核实效率与准确度,防止他人伪造签名或他人代签的情况发生,可靠性高,简化了签名鉴定的过程,节省了时间,为签名的鉴定带来了方便。
本发明的实施方式涉及一种签名认证方法,应用于第三实施方式的签名系统,签名认证方法包括:采集握在笔杆上的手指的指纹信息。本实施方式中,签名笔通过指纹传感器采集握在笔杆上的手指的指纹信息。将指纹信息发送至终端。签名笔通过第一数据传输器发送至终端。较佳的,本实施例中,可以将采集的指纹信息通过加密算法加密后发送至终端,以确保指纹信息在传输过程中的安全性。接收终端发送的指纹信息的匹配结果。本实施方式中,指纹信息的匹配结果的生成方式包括:终端将指纹信息与指纹模板数据库中的各指纹模板进行匹配,生成指纹信息的匹配结果。
实际上,本实施例中,当指纹信息的匹配结果为成功或者失败时,终端可以提供对应匹配结果的提示信息,例如提供匹配结果的显示页面,或匹配结果的语音提示,然实际中不限于此,本实施例对此不作任何限制。
判断指纹信息的匹配结果是否为成功:若是,进入下述操作,否则直接结束。
本实施方式中,可以给匹配结果设置不同的电平信号。从而根据电平信号判断匹配结果是否为成功。例如,匹配结果为成功时,可设置高电平,匹配结果为失败时,可设置低电平,从而根据高/低电平判断出匹配结果是否为成功;然这里只是示例性说明,实际中不限于此,还可以采用其他方式判断匹配结果是否为成功。
记录笔尖的移动轨迹。本实施方式中,当指纹信息的匹配结果为成功时,记录笔尖的移动轨迹。本实施例中,处理器可以将从激光头处接收的移动位置信号进行处理,转化为移动轨迹。
将记录的移动轨迹发送至终端。
本实施方式中,可以通过第一数据传输器将移动轨迹发送至终端。
实际上,本实施例中,终端将接收到的移动轨迹生成签名笔迹,并当生成的移动轨迹的匹配结果为成功时,可以将签名笔迹保存,使得签名笔迹电子化。
本实施方式相对于现有技术而言,将采集的指纹信息发送至终端,并接收终端发送的指纹信息的匹配结果:即,通过指纹信息自动判断出签名人是否为合法签名人,方法简单,识别效率高;当判定指纹信息的匹配结果为成功时,将记录的笔尖的移动轨迹发送至终端;即,使得终端通过移动轨迹自动判断签名是否为合法签名人的签名,从而对签名人的身份进行了双重验证,提高了身份识别的准确度。另外,终端保存有电子化的签名笔迹,从而可直接将签名笔迹应用在需要签名电子文件上,使得签名的电子文件可以电子存储,节省了成本,为用户的查找与调用提供了方便。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
可选的,对该客户数据分类确定客户数据的第一类别具体可以包括:
获取待分类信息。在进行数据分类时,先获取待分类信息。该待分类信息根据该数据分类方法的应用场景不同可以是任何信息,例如销售数据信息、出勤数据信息等。在本实施例中,以人口大数据分析应用场景为例进行说明,在此应用场景中,待分类信息可以是人口基本信息、户籍管理业务信息等,也可以是任何在人口管理过程中存在或产生的人口信息。
确定待分类信息中的地址数据对应的地址信息记录,根据地址数据对应的地址信息记录确定待分类信息的户籍分类属性。
不同的待分类信息中包含的内容可能不同。以人口基本信息为例,人口基本信息中可能包括姓名、身份证号、籍贯、户籍地址和户籍分类属性等内容参数。以户籍管理业务信息为例,根据户籍管理业务类型的不同,户籍管理业务信息中包含的内容参数可能不同。例如,出生登记业务信息中可能包括姓名、身份证号、户籍地址、出生日期等内容参数。
对包含地址数据的待分类信息,可以根据其地址数据对其需要分类的属性进行分类。例如,以待分类信息中的地址数据为依据,对待分类信息的户籍分类属性(例如城乡分类属性)进行分类。由于人口的城乡分类属性和户籍地址之间存在关联,所以能够保证这种分类的可靠性。
典型地,数据分类系统驻留在连接至企业计算机网络的服务器上,其中,该企业计算机网络优选地包括多个不同的客户端、服务器和数据存储资源。典型地,诸如计算机文件的数据元素驻留在服务器和数据存储资源上,并且根据由每个数据元素或者每个数据元素文件夹的所有者定义的访问权限对于网络的用户是可访问的。应该理解的是,数据元素可以驻留于任何适当的数据存储系统或平台,诸如,文件系统或数据协同系统可以驻留在任何适当的计算机操作系统或基础设施上。
优选地,系统保持企业中每个用户对于每个数据元素的实际访问和访问权限的数据库。
优选地,系统还至少爬取企业中所有数据元素的子集,并保持与数据元素子集中每一个数据元素有关的元数据的数据库。
例如在特定的一天(例如,2019年3月21日),企业往往记录了大量的客户交易数据,如零售企业就记录了客户的购物时间、购物商品类型、购物数量、购物价格等等信息。电子商务网站也记录了网上客户购物的交易数据,如客户购买的商品、交易的时间、购物的频率等。对于电子商务网站来说,点击数据流记录了客户在不同页面之间的浏览和点击数据,这些数据能够很好的反应客户的浏览行为。
在以后的日期,例如在2019年11月10日,该企业的总经理决定终止对电子商务网站的合作。
上述数据分类的方法具体可以包括:获取训练样本集,对该训练样本集进行分类以后,输入到待训练的循环神经网络训练得到训练后的循环神经网络。为了更好的对数据进行分类,所以还需后训练后的数据分类模型,本实施例中,提供基于随机梯度下降法以及支持向量机,融合生成最后的数据分类模型(即决策函数),然后利用决策函数对数据进行分类。
SVM方法是通过一个非线性映射p,把样本空间映射到一个高维乃至无穷维的特征空间中,使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。SVM应用核函数的展开定理,就不需要知道非线性映射的显式表达式,由于是在高维特征空间汇总建立线性学习机,所以与线性模型相比,不但几乎不增加计算的复杂性,而且在某种程度上避免了“维数灾难”,这一切要归功于核函数的展开和计算理论。
参阅图3,图3提供了一种客户数据的管理系统,所述系统包括:处理器、通信单元,
通信单元,用于接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;
处理器,用于提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。
可选的,所述处理器,还用于未接收到服务器的确定消息,将该抽样数据修改成待定数据。
可选的,所述处理器,具体用于对该确定消息中的客户签名进行审核,如该签名审核通过,认证该确定消息,如该签名审核未通过,不认证该确定消息,并向服务器发送告警信息。
可选的,所述通信单元,具体用于提取确定消息中的客户签名,将该客户签名作为循环神经网络的输入数据输入到循环神经网络运算得到运算结果,依据该运算结果确定该客户签名是否为特定人的签名,如确定该客户签名为特定人的签名,确定审核通过,否则确定审核不通过。
可选的,所述处理单元,还用于获取训练样本集,对该训练样本集进行分类以后,输入到待训练的循环神经网络训练得到训练后的循环神经网络;岁哦书训练样本集包括i个已标记的签名样本。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种客户数据的管理方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种客户数据的管理方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必须的。
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的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、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。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:RandomAccess Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种客户数据的管理方法,其特征在于,所述方法包括如下步骤:
终端接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;
终端提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;
终端周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
终端未接收到服务器的确定消息,将该抽样数据修改成待定数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对该确定消息中的客户签名进行审核,如该签名审核通过,认证该确定消息,如该签名审核未通过,不认证该确定消息,并向服务器发送告警信息。
4.根据权利要求3所述的方法,其特征在于,所述对该确定消息中的客户签名进行审核具体包括:
终端提取确定消息中的客户签名,将该客户签名作为循环神经网络的输入数据输入到循环神经网络运算得到运算结果,依据该运算结果确定该客户签名是否为特定人的签名,如确定该客户签名为特定人的签名,确定审核通过,否则确定审核不通过。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取训练样本集,对该训练样本集进行分类以后,输入到待训练的循环神经网络训练得到训练后的循环神经网络;岁哦书训练样本集包括i个已标记的签名样本。
6.一种客户数据的管理系统,所述系统包括:处理器、通信单元,其特征在于,
通信单元,用于接收客户数据,对该客户数据分类确定客户数据的第一类别,将该客户数据放入对应的第一类别;
处理器,用于提取客户数据的多个关键信息,确定该多个关键信息是否与第一类别的m个关键信息相同,如确定相同,将该多个关键信息关联至该m个关键信息索引中;周期性的抽样数据库的数据得到抽样数据,将该抽样数据发送给该抽样数据对应的服务器,接收到服务器的确定消息后,将抽样数据的时间更新至当前时间。
7.根据权利要求6所述的系统,其特征在于,
所述处理器,还用于未接收到服务器的确定消息,将该抽样数据修改成待定数据。
8.根据权利要求6所述的系统,其特征在于,
所述处理器,具体用于对该确定消息中的客户签名进行审核,如该签名审核通过,认证该确定消息,如该签名审核未通过,不认证该确定消息,并向服务器发送告警信息。
9.根据权利要求6所述的系统,其特征在于,
所述通信单元,具体用于提取确定消息中的客户签名,将该客户签名作为循环神经网络的输入数据输入到循环神经网络运算得到运算结果,依据该运算结果确定该客户签名是否为特定人的签名,如确定该客户签名为特定人的签名,确定审核通过,否则确定审核不通过。
10.根据权利要求9所述的系统,其特征在于,
所述处理单元,还用于获取训练样本集,对该训练样本集进行分类以后,输入到待训练的循环神经网络训练得到训练后的循环神经网络;岁哦书训练样本集包括i个已标记的签名样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911208304.6A CN111078977A (zh) | 2019-11-30 | 2019-11-30 | 客户数据的管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911208304.6A CN111078977A (zh) | 2019-11-30 | 2019-11-30 | 客户数据的管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111078977A true CN111078977A (zh) | 2020-04-28 |
Family
ID=70312256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911208304.6A Pending CN111078977A (zh) | 2019-11-30 | 2019-11-30 | 客户数据的管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111078977A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567418A (zh) * | 2010-12-23 | 2012-07-11 | 北大方正集团有限公司 | 一种数据整合、搜索的方法及装置 |
JP2013045183A (ja) * | 2011-08-22 | 2013-03-04 | Japan Advanced Institute Of Science & Technology Hokuriku | 商品検索システム、商品検索方法及び商品検索プログラム |
CN108053324A (zh) * | 2017-11-28 | 2018-05-18 | 平安养老保险股份有限公司 | 保险核保方法、装置、计算机设备及存储介质 |
CN108121825A (zh) * | 2018-01-15 | 2018-06-05 | 霍亮 | 测绘资料管理系统 |
US20190361772A1 (en) * | 2018-05-24 | 2019-11-28 | International Business Machines Corporation | Metadata hardening and parity accumulation for log-structured arrays |
-
2019
- 2019-11-30 CN CN201911208304.6A patent/CN111078977A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567418A (zh) * | 2010-12-23 | 2012-07-11 | 北大方正集团有限公司 | 一种数据整合、搜索的方法及装置 |
JP2013045183A (ja) * | 2011-08-22 | 2013-03-04 | Japan Advanced Institute Of Science & Technology Hokuriku | 商品検索システム、商品検索方法及び商品検索プログラム |
CN108053324A (zh) * | 2017-11-28 | 2018-05-18 | 平安养老保险股份有限公司 | 保险核保方法、装置、计算机设备及存储介质 |
CN108121825A (zh) * | 2018-01-15 | 2018-06-05 | 霍亮 | 测绘资料管理系统 |
US20190361772A1 (en) * | 2018-05-24 | 2019-11-28 | International Business Machines Corporation | Metadata hardening and parity accumulation for log-structured arrays |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569377B (zh) | 一种媒体文件的处理方法和装置 | |
US10374996B2 (en) | Intelligent processing and contextual retrieval of short message data | |
US20160132866A1 (en) | Device, system, and method for creating virtual credit card | |
US20160275486A1 (en) | Device, system, and method for creating virtual credit card | |
CN108596679A (zh) | 用户画像的构建方法、装置、终端及计算机可读存储介质 | |
US20160275488A1 (en) | Device, system, and method for creating virtual credit card | |
US11113684B2 (en) | Device, system, and method for creating virtual credit card | |
CN110503409B (zh) | 信息处理的方法以及相关装置 | |
US20210056299A1 (en) | Methods and systems for updating a database based on object recognition | |
WO2012138586A2 (en) | Mobile expense capture and reporting | |
CN112106049A (zh) | 生成隐私数据隔离和报告的系统和方法 | |
CN110502512B (zh) | 信息载体生成方法、关联方法、装置、设备及存储介质 | |
CN107240023A (zh) | 客户身份确认方法、装置和系统 | |
US20220101245A1 (en) | Automated computerized identification of assets | |
US10360600B1 (en) | Big tree method and system for verifying user reviews | |
CN111984884A (zh) | 大数据库的无接触数据采集方法及装置 | |
CN111709843A (zh) | 一种客户画像的生成方法、装置及电子设备 | |
CN111078977A (zh) | 客户数据的管理方法及系统 | |
CN115330522A (zh) | 基于聚类的信用卡审批方法、装置、电子设备和介质 | |
CN106528624B (zh) | 信息显示方法及装置 | |
US20160275487A1 (en) | Device, system, and method for creating virtual credit card | |
WO2018133231A1 (zh) | 智能处理应用事件的方法与装置 | |
CN108667830A (zh) | 用户通过指纹登录不同的网络平台的方法及其系统 | |
US11949790B2 (en) | Intelligent tactile resource instrument activation using electroencephalogram signals | |
CN111061936A (zh) | 客户数据的搜索方法及系统 |
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 |
Application publication date: 20200428 |
|
RJ01 | Rejection of invention patent application after publication |