CN111091350A - 业务数据的审核处理方法、装置、设备及存储介质 - Google Patents

Abstract

本说明书实施例提供了一种业务数据的审核处理方法、装置、设备及存储介质，该方法包括：获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。本说明书实施例可以提高业务数据的审核处理效率。

Description

业务数据的审核处理方法、装置、设备及存储介质

技术领域

本说明书涉及数据处理技术领域，尤其是涉及一种业务数据的审核处理方法、装置、设备及存储介质。

背景技术

目前金融机构的一些业务数据的审核处理仍依赖于人工审核方式。例如，商业银行根据人民银行的监管机构对公账户管理要求，需要对用户的账户开立、变更、销户等业务开展账户审核相关工作。一般由银行业务网点负责受理用户的账户业务请求，并收集用户的相关资料，然后通过账户管理部门对用户提供账户资料进行人工审核，以便确认用户账户是否符合相关的业务办理要求。然而，这种人工审核业务数据的方式效率很低。

发明内容

本说明书实施例的目的在于提供一种业务数据的审核处理方法、装置、设备及存储介质，以提高业务数据的审核处理效率。

为达到上述目的，一方面，本说明书实施例提供了一种业务数据的审核处理方法，包括：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

本说明书一实施例中，所述非结构化数据包括图像；相应的，所述将所述非结构化数据进行数据结构化处理，包括：

对所述目标业务数据中的图像进行光学字符识别，以提取所述图像中的文字信息。

本说明书一实施例中，所述调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，包括：

调用第一业务审核模型对所述结构化的目标业务数据中的第一部分进行审核处理，获得第一分处理结果；

并调用第二业务审核模型对所述结构化的目标业务数据中的第二部分进行审核处理，获得第二分处理结果；

将所述第一分处理结果和所述第二分处理结果进行合并处理，获得处理结果。

本说明书一实施例中，所述第一业务审核模型为线性加权模型，所述第二业务审核模型为机器学习模型。

另一方面，本说明书实施例还提供了一种业务数据的审核处理装置，包括：

数据获取模块，用于获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

数据转化模块，用于将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

数据审核模块，用于调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

本说明书一实施例中，所述非结构化数据包括图像；相应的，所述将所述非结构化数据进行数据结构化处理，包括：

对所述目标业务数据中的图像进行光学字符识别，以提取所述图像中的文字信息。

本说明书一实施例中，所述调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，包括：

调用第一业务审核模型对所述结构化的目标业务数据中的第一部分进行审核处理，获得第一分处理结果；

并调用第二业务审核模型对所述结构化的目标业务数据中的第二部分进行审核处理，获得第二分处理结果；

将所述第一分处理结果和所述第二分处理结果进行合并处理，获得处理结果。

本说明书一实施例中，所述第一业务审核模型为线性加权模型，所述第二业务审核模型为机器学习模型。

另一方面，本说明书实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

另一方面，本说明书实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

由以上本说明书实施例提供的技术方案可见，本说明书实施例中，计算机设备在将目标业务数据转化为结构化的目标业务数据后，可以基于预先配置的业务审核模型，对结构化的目标业务数据进行审核处理，以获得处理结果，从而实现了业务数据的自动审核处理。因此，与人工审核业务数据相比，这种方式可以大大提高业务数据审核处理的效率，节约人力成本。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，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说明书中记载的一些实施例，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。在附图中：

图1为本说明书一些实施例中业务数据的审核处理方法的流程图；

图2为本说明书一示例性实施例中业务数据的审核处理流程；

图3为本说明书一些实施例中业务数据的审核处理装置的结构框图；

图4为本说明书一些实施例中计算机设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

本说明书实施例的业务数据的审核处理方法可以由计算机设备执行，参考图1所示，在本说明书一些实施例中，所述业务数据的审核处理方法可以包括以下步骤：

S101、获取目标业务数据；所述目标业务数据可以包括结构化数据和非结构化数据。

S102、将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据。

S103、调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

由此可见，本说明书实施例中，计算机设备在将目标业务数据转化为结构化的目标业务数据后，可以基于预先配置的业务审核模型，对结构化的目标业务数据进行审核处理，以获得处理结果，从而实现了业务数据的自动审核处理。因此，与人工审核业务数据相比，这种方式可以大大提高业务数据审核处理的效率，节约人力成本。并且，相较于人工审核，这种自动审核的出错概率极低，从而还可以提高业务数据审核处理的准确性。

在本说明书一些实施例中，对于实时性无要求或要求较低的业务，可以采用批处理的方式进行自动审核处理。相应的，所述获取目标业务数据可以是从待处理的业务数据集合中，读取一个业务数据并将其作为当前要处理的业务数据(即目标数据)。在本说明书另一些实施例中，对于一些实时性要求较高的业务而言，可以进行实时或准实时的自动审核处理。相应的，所述获取目标业务数据可是接收到业务数据并将其作为目标数据。

在本说明书一些实施例中，业务数据可以是任何需要进行审核的业务相关的数据。例如，在一示例性实施例中，业务数据可以是对公账户的开立申请、变更申请、销户申请等业务数据。再如，在另一示例性实施例中，业务数据也可以是自然人或法人的贷款申请等数据。

在本说明书一些实施例中，所述结构化数据可以是指可用数据库二维表结构来逻辑表达和实现的数据，例如下表1所示。

表1

姓名	身份证号	家庭住址	联系电话
				张三	11xxxxxxxxxxxxxxxx	北京市xx区xx路xxxx	158xxxxxxxx
李四	32xxxxxxxxxxxxxxxx	苏州市xx区xx路xxxx	176xxxxxxxx
				王二	46xxxxxxxxxxxxxxxx	海口市xx区xx路xxxx	130xxxxxxxx
…	…	…	…

在本说明书一些实施例中，所述非结构化数据可以是指因数据结构不规则、不完整或没有预定义的数据模型，从而不方便用数据库二维逻辑表来表现的数据。例如，在一示例性实施例中，所述非结构化数据例如可以是自然人的身份证扫描图像、法人的营业执照扫描图像和/或用户填写的业务申请表扫描图像等。

因此，为了便于实现自动审核处理，需要将目标业务数据转化为结构化的目标业务数据，即将目标业务数据中的非结构化数据转化为结构化数据。以图像为例，可以对所述目标业务数据中的图像进行光学字符识别(Optical Character Recognition，简称OCR)，以提取所述图像中的文字信息。例如，在一示例性实施例中，可以对身份证扫描图像进行OCR识别，从而可以从中提取到用户的姓名、出生日期、住址和身份证号码等信息，并可写入指定的数据表中，例如图2所示。再如，在另一示例性实施例中，可以对营业执照扫描图像进行OCR识别，从而可以从中提取到统一社会信用代码、名称、住所、法定代表人、注册资本、成立时间、营业期限、营业范围等信息，并可写入指定的数据表中，例如图2所示。

经过数据结构化处理后，所形成的结构化的目标业务数据可以为一张或多张数据表，类似于上表1所示。在此基础上，就可以调用预设的业务审核模型(业务审核模型中配置有相应的业务数据审核处理逻辑)，并以结构化的目标业务数据作为输入参数，对所述结构化的目标业务数据进行审核处理。

在本说明书一些实施例中，所述调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，可以包括：调用第一业务审核模型对所述结构化的目标业务数据中的第一部分进行审核处理，获得第一分处理结果；并调用第二业务审核模型对所述结构化的目标业务数据中的第二部分进行审核处理，获得第二分处理结果；然后将所述第一分处理结果和所述第二分处理结果进行合并处理，获得处理结果。其中，第一业务审核模型主要是针对可以明确定义业务规则的审核维度。而第二业务审核模型主要是针对难以明确定义业务规则的审核维度(例如用户的关联用户、隐藏逻辑较多的数据等)。如此，可以形成较为全面的用户画像，从而可以有利于提高业务数据审核结果的准确性和可靠性。

本说明书的实施例中调用第一业务审核模型进行审核和调用第二业务审核模型进行审核可以顺序执行(例如先调用第一业务审核模型进行审核，在此基础上再调用第二业务审核模型进行审核)，也可以并行执行(例如图2所示)。但本说明书对此不作限定，具体可以根据需要选择。

在本说明书一些实施例中，第一业务审核模型可以为线性加权模型。当计算出的加权和达到设定阈值，可以认为输入至第一业务审核模型的数据通过审核。否则，可以认为输入至第一业务审核模型的数据未通过审核。例如，在一示例性实施例中，假设可以明确定义业务规则的审核维度包括：数据完备性(即各项数据完整无遗漏，且正确)和风险等级。则可以配置数据完备性审核规则和风险类审核规则，并为各项审核规则设置合适的权重，从而形成线性加权模型。

其中，每一项审核规则，在结构化的目标业务数据中均有对应的输入数据。例如，在结构化的目标业务数据中，用户的姓名、出生日期、住址和身份证号码等信息可以作为数据完备性审核规则的输入数据。再如，在结构化的目标业务数据中，用户的资产、信用评级和职业等信息可以为风险类审核规则的输入数。当然，这里仅是举例说明，审核规则以及各审核规则需要读取哪些属性/字段的数据，可以根据实际需要预先进行配置。

在本说明书一些实施例中，第二业务审核模型可以为机器学习模型。为了获得更为全面的用户画像，对于难以明确定义业务规则的审核维度，可以以业务数据的人工审核历史数据作为样本数据，训练初始机器学习模型(例如决策树模型、随机森林模型、支持向量机模型、人工神经网络模型等)，从而可以将训练得到的较优或最优的机器学习模型作为业务审核模型。其中，人工审核历史数据中用户的相关信息可以包括但不限于：用户资质、用户行业类型、用户信用评级等；人工审核历史数据中针对账户的相关资料可以包括但不限于账户的关联交易等。另外，在训练之前，人工审核历史数据中的历史复审通过率、非通过率等可以建立相关的业务标签，以便于模型训练。

在本说明书一些实施例中，机器学习模型的训练可以根据业务的特殊性进行有选择性的训练，或标识不在训练范围的样例，例如在人工审核时可预先打标是否作为特例进行机器学习。该步骤主要是为减少机器学习的噪点样例数据，从而可以有利于提高机器学习的准确率。

在本说明书一些实施例中，处理结果中除包含审核通过与否的信息外，还可以包含其他信息。例如，对应审核未通过的情况，除了包含审核未通过这一信息外，还可以包含审核未通过的具体原因，以便后续反馈用户。

与上述的业务数据的审核处理方法对应，本说明书还提供有业务数据的审核处理装置，该业务数据的审核处理装置可以配置于计算机设备中。参考图3所示，在本说明书一些实施例中，所述业务数据的审核处理装置可以包括：

数据获取模块31，可以用于获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

数据转化模块32，可以用于将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

数据审核模块33，可以用于调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

在本说明书一些实施例的业务数据的审核处理装置中，所述非结构化数据包括图像；相应的，所述将所述非结构化数据进行数据结构化处理，包括：

对所述目标业务数据中的图像进行光学字符识别，以提取所述图像中的文字信息。

在本说明书一些实施例的业务数据的审核处理装置中，所述调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，包括：

调用第一业务审核模型对所述结构化的目标业务数据中的第一部分进行审核处理，获得第一分处理结果；

并调用第二业务审核模型对所述结构化的目标业务数据中的第二部分进行审核处理，获得第二分处理结果；

将所述第一分处理结果和所述第二分处理结果进行合并处理，获得处理结果。

在本说明书一些实施例的业务数据的审核处理装置中，所述第一业务审核模型为线性加权模型，所述第二业务审核模型为机器学习模型。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

与上述的业务数据的审核处理方法对应，本说明书还提供有计算机设备。参考图4所示，在本说明书一些实施例中，所述计算机设备可以包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。

本发明是参照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/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘式存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种业务数据的审核处理方法，其特征在于，包括：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

2.如权利要求1所述的业务数据的审核处理方法，其特征在于，所述非结构化数据包括图像；相应的，所述将所述非结构化数据进行数据结构化处理，包括：

对所述目标业务数据中的图像进行光学字符识别，以提取所述图像中的文字信息。

3.如权利要求1所述的业务数据的审核处理方法，其特征在于，所述调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，包括：

调用第一业务审核模型对所述结构化的目标业务数据中的第一部分进行审核处理，获得第一分处理结果；

并调用第二业务审核模型对所述结构化的目标业务数据中的第二部分进行审核处理，获得第二分处理结果；

将所述第一分处理结果和所述第二分处理结果进行合并处理，获得处理结果。

4.如权利要求3所述的业务数据的审核处理方法，其特征在于，所述第一业务审核模型为线性加权模型，所述第二业务审核模型为机器学习模型。

5.一种业务数据的审核处理装置，其特征在于，包括：

数据获取模块，用于获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

数据转化模块，用于将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

数据审核模块，用于调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

6.如权利要求5所述的业务数据的审核处理装置，其特征在于，所述非结构化数据包括图像；相应的，所述将所述非结构化数据进行数据结构化处理，包括：

对所述目标业务数据中的图像进行光学字符识别，以提取所述图像中的文字信息。

7.如权利要求5所述的业务数据的审核处理装置，其特征在于，所述调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，包括：

调用第一业务审核模型对所述结构化的目标业务数据中的第一部分进行审核处理，获得第一分处理结果；

并调用第二业务审核模型对所述结构化的目标业务数据中的第二部分进行审核处理，获得第二分处理结果；

将所述第一分处理结果和所述第二分处理结果进行合并处理，获得处理结果。

8.如权利要求7所述的业务数据的审核处理装置，其特征在于，所述第一业务审核模型为线性加权模型，所述第二业务审核模型为机器学习模型。

9.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时执行如下步骤：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：

获取目标业务数据；所述目标业务数据包括结构化数据和非结构化数据；

将所述非结构化数据进行数据结构化处理，以获得结构化的目标业务数据；

调用预设的业务审核模型对所述结构化的目标业务数据进行审核处理，以获得处理结果。

Images