CN111260438A - 产品配置方法、装置、计算机设备和存储介质 - Google Patents
产品配置方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111260438A CN111260438A CN202010037682.9A CN202010037682A CN111260438A CN 111260438 A CN111260438 A CN 111260438A CN 202010037682 A CN202010037682 A CN 202010037682A CN 111260438 A CN111260438 A CN 111260438A
- Authority
- CN
- China
- Prior art keywords
- product
- user
- scheme
- configuration
- value
- 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
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及基架运维,特别涉及一种产品配置方法、装置、计算机设备和存储介质。所述方法包括:接收第一终端发送的订单需求数据,订单需求数据携带用户标识;根据所述订单需求数据生成产品方案,查询与用户标识对应的用户属性信息;所述产品方案中包含配置参数;将所述用户属性信息与产品方案输入产品评估模型,得到产品风险值;并计算用户风险值;根据所述产品风险值和所述用户风险值得到对应的异常等级;根据异常等级参数调整规则调整所述配置参数,得到调整后的产品方案;基于调整后的产品方案计算调整后的产品方案对应的调整等级;当调整等级低于异常等级时,将调整后的产品方案发送给第二终端。采用本方法能够提高产品配置系统信息处理效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种产品配置方法、装置、计算机设备和存储介质。
背景技术
产品配置系统需要根据与用户属性信息对应的用户需求信息生成产品方案。当获取到异常的用户需求信息时,产品配置系统无法识别出用户需求信息中的异常数据,因而根据用户需求信息生成的产品方案与用户属性信息不匹配、产品方案准确率低。一旦产品方案被判定为异常,产品配置系统无法根据用户需求信息准确地生成与用户属性信息匹配的产品方案,导致产品方案需要引入人工审核或额外的系统资源,使得修改周期较长,也降低了产品配置系统的信息处理效率。而且,当产品配置系统多次占用额外的系统资源对异常的产品方案进行调整时,这样不仅降低了产品配置系统的信息处理效率,还增加了审核终端的审核成本。
发明内容
基于此,有必要针对上述技术问题,提供一种能够生成与用户属性信息匹配的产品方案的产品配置方法、装置、计算机设备和存储介质。
一种产品配置方法,所述方法包括:
接收第一终端发送的订单需求数据,所述订单需求数据携带用户标识;
根据所述订单需求数据生成产品方案,并从用户数据库中查询与所述用户标识对应的用户属性信息;所述产品方案中包含产品标识和配置参数;
将所述用户属性信息与所述产品方案输入与所述产品标识对应的产品评估模型,得到与所述用户标识和所述产品标识对应的产品风险值;
获取与所述用户标识对应的用户风险信息,并计算所述用户风险信息对应的用户风险值;
根据所述产品风险值和所述用户风险值得到与所述产品标识对应的异常等级;
根据所述异常等级对应的参数调整规则调整所述配置参数,得到调整后的产品方案;
基于所述用户风险信息和所述调整后的产品方案,计算所述调整后的产品方案对应的调整等级;
当所述调整等级低于所述异常等级时,并将所述调整后的产品方案发送给第二终端。
在其中一个实施例中,所述产品评估模型生成方式,包括:
从历史产品数据库提取历史样本,所述历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值;
获取与所述历史产品方案对应的配置获取逻辑,根据所述配置获取逻辑对所述历史产品方案中的历史配置参数进行处理,得到历史配置特征;
根据所述历史用户属性信息查询得到对应的历史用户属性系数;
通过所述历史配置特征、所述历史用户属性系数与所述历史产品风险值进行模型训练,得到产品评估模型。
在其中一个实施例中,所述将所述用户属性信息与所述产品方案输入与所述产品标识对应的产品评估模型,得到与所述用户标识和所述产品标识对应的产品风险值,包括:
获取与所述产品方案对应的所述配置获取逻辑,采用所述配置获取逻辑对所述配置参数进行处理,得到配置特征;
根据所述配置特征计算得到与所述产品标识对应的产品参考值;
获取与所述用户属性信息对应的用户属性系数;
采用贪心算法根据所述用户属性系数计算得到对应的特征权重;
根据所述特征权重与所述配置特征计算得到所述产品标识对应的产品评价值;
通过损失函数根据所述产品参考值与所述产品评价值计算得到与所述产品标识对应的产品风险值。
在其中一个实施例中,所述根据所述产品风险值和所述用户风险值得到与所述产品标识对应的异常等级,包括:
根据所述产品风险值与所述用户风险值计算得到与所述产品标识对应的异常值;
根据所述异常值与异常阈值得到与所述产品标识对应的异常等级。
在其中一个实施例中,所述获取与所述用户标识对应的用户风险信息,并计算所述用户风险信息对应的用户风险值,包括:
获取与所述用户标识对应的用户风险信息;
查询与所述用户标识对应的用户评估信息,所述用户评估信息是根据所述用户属性信息评估得到的;
计算所述用户风险信息与所述用户评估信息的偏离度,提取所述偏离度中的最大值,作为用户风险值。
在其中一个实施例中,所述根据所述异常等级对应的参数调整规则调整所述配置参数,得到调整后的产品方案,包括:
获取与所述异常等级对应的调整阈值;
根据所述调整阈值对所述配置参数进行调整,得到对应的调整后的产品方案。
一种产品配置装置,所述装置包括:
需求数据接收模块,用于接收第一终端发送的订单需求数据,所述订单需求数据携带用户标识;
产品方案生成模块,用于根据所述订单需求数据生成产品方案,并从用户数据库中查询与所述用户标识对应的用户属性信息;所述产品方案中包含产品标识和配置参数;
产品风险值计算模块,用于将所述用户属性信息与所述产品方案输入与所述产品标识对应的产品评估模型,得到与所述用户标识和所述产品标识的产品风险值;
用户风险值计算模块,用于获取与所述用户标识对应的用户风险信息,并计算所述用户风险信息对应的用户风险值;
异常等级获取模块,用于根据所述产品风险值和所述用户风险值得到与所述产品标识对应的异常等级;
产品方案调整模块,用于根据所述异常等级对应的参数调整规则调整所述配置参数,得到调整后的产品方案;
产品方案验证模块,用于基于所述用户风险信息和所述调整后的产品方案,计算所述调整后的产品方案对应的调整等级;
产品方案发送模块,用于当所述计算得到的调整等级低于所述异常等级时,将所述调整后的产品方案发送给第二终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,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上述方法的步骤。
上述产品配置方法、装置、计算机设备和存储介质,通过接收订单需求数据,通过将生成的产品方案及查询的用户属性信息输入对应的产品评估模型计算产品风险值,并通过用户风险信息计算用户风险值,根据产品风险值与用户风险值得到与产品标识对应的异常等级,进而根据与异常等级对应的获取对应的参数调整规则对产品方案中的配置参数进行调整,并计算调整后的产品方案对应的调整等级,当调整等级低于异常等级时,将调整后的产品方案发送至第二终端。本方案应用在产品方案中的配置参数设置完成之后,通过产品方案的异常等级对应的调整规则对配置参数进行调整,能够尽快发现异常产品方案,同时合理补偿异常产品方案,避免了产品方案在产品配置系统的无效传送,提高了产品配置系统的有效利用率。
附图说明
图1为一个实施例中产品配置方法的应用场景图;
图2为一个实施例中产品配置方法的流程示意图;
图3为一个实施例中产品评估模型生成步骤的流程示意图;
图4为另一个实施例中产品风险值计算步骤的流程示意图;
图5为另一个实施例中用户风险值计算步骤的流程示意图;
图6为一个实施例中产品配置装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的产品配置方法,可以应用于如图1所示的应用环境中。其中,第一终端102与第二终端106通过网络分别与服务器104进行通信。服务器104接收第一终端102发送的订单需求数据后,根据订单需求数据生成产品方案,并查询与用户标识对应的用户属性信息,进而将用户属性信息与产品方案输入与产品评估模型,得到该产品方案的产品风险值。服务器根据获取的用户风险信息,计算用户风险值。进而,服务器根据得到的产品风险值与用户风险值得到该产品方案的异常等级,根据异常等级对应的调整规则调整配置参数,得到调整后的产品方案,并将整后的产品方案发送给第二终端。其中,第一终端102及第二终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种产品配置方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,接收第一终端发送的订单需求数据,订单需求数据携带用户标识。
订单需求数据是第一终端提供给服务器的表征用户需求的数据,例如保单需求数据。订单需求数据包括产品类型、产品功能以及产品价格等。用户标识是用于指示服务器获取产品的目标用户的唯一性标识信息,用户标识可以是服务器中存储的用户身份信息,例如,用户的姓名或者用户的证件号码。其中,目标用户与该产品相关联的用户,例如,投保中的被保人,投保人与被保人可以是相同的,也可以是不同的,当投保人与被保人相同时,则目标用户既是投保人又是被保人。服务器接收第一终端发送的订单需求数据。
例如,服务器接收到业务人员通过业务终端上传的投保人A提供的保单需求信息,如投保人信息、被保人信息、险种类型、保额以及保费预算等,服务器根据投保人提供的保单需求信息能够得知该订单所需险种的具体类型,如定额给付类型、医疗费用类型、医疗津贴类型或其他类型。
步骤204,根据订单需求数据生成产品方案,并从用户数据库中查询与用户标识对应的用户属性信息;产品方案中包含产品标识和配置参数。
产品方案是描述产品性能特点的相关信息。产品方案中包含产品标识和配置参数。其中,配置参数可以是指标参数,例如险种类型、被保人层级、责任、场景及保额等,且配置参数携带有类别标识,例如险种类型携带的类别标识为“险种”、被保人层级携带的类别标识为“层级”或责任携带的类别标识为“责任”。产品标识是服务器识别产品的标识信息。用户属性信息是与用户标识对应的用户个人信息,例如用户姓名、证件号码、身体情况、家庭情况等。服务器接收第一终端发送的订单需求数据后,根据订单需求数据设置产品相关参数,根据产品相关参数得到对应的产品名称与产品编码,并根据产品名称与产品编码生成产品标识,进而得到订单需求数据对应的产品方案。
例如,服务器根据投保人A提供的保单需求数据生成保险方案,保险方案中包含保险产品标识及保险配置参数,其中,保险配置参数是险种类型、险种属性、被保人层级、责任、场景及保额等数据,且保险配置参数携带有对应的类别标识。服务器从用户数据库中查询与用户标识A对应的用户属性信息a为“年龄40岁、身体情况良好、婚姻状况已婚、房产1套等、年收入50万、工作种类非高危”。
步骤206,将用户属性信息与产品方案输入与产品标识对应的产品评估模型,得到与用户标识和产品标识对应的产品风险值。
产品评估模型是通过评估该产品对于该用户的产品偏差值评估产品风险值的模型。例如,用户标识A对应的用户属性信息为a,产品方案为金融产品Ⅰ,则服务器通过产品评估模型对用户属性信息a及产品方案Ⅰ进行评估,得到的是金融产品Ⅰ对于用户A来说的产品风险值。产品风险值是该产品方案对于用户属性信息的偏离程度。产品风险值越大,则产品方案与用户属性信息的偏离程度越大,也即该用户在使用该产品时,出现异常的情况的概率值越高;反之,产品风险值越小,则产品方案与用户属性信息的偏离程度越小,也即该用户在使用该产品时,出现异常的情况的概率值越低。
服务器将用户属性信息与产品方案输入与产品标识对应的产品评估模型后,根据产品方案计算得到产品标识对应的理论数值,并根据用户属性信息与产品方案计算得到产品标识对应的实际数值,通过理论数值与实际数值得到与用户标识和产品标识对应的产品风险值。
例如,服务器获取用户标识A的用户属性信息a为“年龄40岁、身体情况良好、婚姻状况已婚、房产1套等、年收入50万、工作种类非高危”,及获取的产品方案I中配置参数为“险种类型为定额给付类型、险种属性为长险、被保人层级为员工层级、责任为住院医疗责任、场景为国内住院责任及保额为1万元”。服务器根据“险种类型为定额给付类型、险种属性为长险、被保人层级为员工层级、责任为住院医疗责任、场景为国内住院责任及保额为1万元”计算得到产品方案对应的理论数值。服务器根据“年龄40岁、身体情况良好、婚姻状况已婚、房产1套等、年收入50万、工作种类非高危”及“险种类型为定额给付类型、险种属性为长险、被保人层级为员工层级、责任为住院医疗责任、场景为国内住院责任及保额为1万元”计算得到该产品方案对应的实际数值。进而服务器通过理论数值与实际数值进行计算,得到与用户标识和产品标识对应的产品风险值。
步骤208,获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值。
用户风险信息是用户自身携带的可能会导致风险的用户的行为数据,例如用户的退换货频率、理赔记录、信用等级以及黑名单记录等。用户风险值是基于用户风险信息得到的风险值,用户风险值表征用户自身条件导致的产品出现异常的风险值,例如被保人的理赔记录导致的风险值。服务器从数据库中获取与用户标识对应的用户风险信息,并根据用户属性信息评估与用户标识对应的理论风险信息,通过预设计算逻辑计算得到用户风险信息与理论风险信息的最大偏离程度,作为与用户表标识对应的用户风险值。
例如,服务器从数据库获取与用户标识A对应的用户风险信息为“累计保额为20万,累计份数为6份,黑名单记录2次,理赔记录3次”,服务器根据用户属性信息得到的用户标识A对应的理论风险信息为“累计保额为19万,累计份数为5份,黑名单记录1次,理赔记录3次”。服务器根据用户风险信息与理论风险信息通过预设偏差度计算逻辑得到用户的风险值为1。
步骤210,根据产品风险值和用户风险值得到与产品标识对应的异常等级。
异常等级是该产品方案整体异常的程度,异常等级可以是根据产品风险值与用户风险值计算得到的异常值,并根据异常值得到的异常等级。服务器根据产品风险值和用户风险值得到与产品标识对应的异常等级。例如,产品风险值为0.4,用户风险值为0.2,产品风险值对应的权值为0.5,用户风险值对应的权值为0.5,计算后得到总的异常值为0.3(=0.5*0.4+0.5*0.2),并得到0.3对应的异常等级为中等级,则该产品方案的产品标识对应的异常等级为中等级。
步骤212,根据异常等级对应的参数调整规则调整配置参数,得到调整后的产品方案。
参数调整规则是控制配置参数调整的规则信息。服务器根据异常等级对应的参数调整规则调整配置参数,进而得到调整后的产品方案。其中,参数调整规则可以是将配置参数对应的数值按照预设百分比进行降低。
例如,服务器计算得到的异常等级为中等级,根据中等级获取对应的参数调整规则,其中,参数调整规则为将配置参数中的保额降低30%,则服务器根据参数调整规则调整将该保单中保额降低30%,得到调整后的产品方案。
步骤214,基于用户风险信息和调整后的产品方案,计算调整后的产品方案对应的调整等级。
调整等级是调整后的产品方案整体异常的程度。服务器基于用户风险信息和调整后的产品方案根据产品评估模型计算调整后的产品方案的调整后的产品风险值。服务器将用户属性信息与调整后的产品方案输入与产品标识对应的产品评估模型后,根据调整后的产品方案计算得到调整后的理论数值,并根据用户属性信息与调整后的产品方案计算得到调整后的实际数值。而后,服务器通过调整后的理论数值与调整后的实际数值得到与调整后的产品方案对应的产品风险值。进而,服务器根据调整后的产品方案的产品风险值和用户风险值,得到与调整后的产品方案对应的调整等级。
步骤216,当调整等级低于异常等级时,将调整后的产品方案发送给第二终端。
服务器获取调整后的产品方案对应的调整等级后,将调整等级与异常等级进行比对,当调整等级低于异常等级时,也即调整后的产品方案降低了产品方案的异常风险时,服务器将调整的产品方案发送给第二终端。
例如,在保单下单过程中,保单方案对应的异常等级为低等级,在根据调整规则对保单方案中的保额进行调整后,服务器再次对调整后的保单方案进行等级的评估,得到调整后的保单方案对应的调整等级为低等级,则调整后的保单方案降低了保单的异常风险,则服务器将调整后的保单发送至审核终端。
进一步地,当调整后的产品方案对应的调整等级未低于异常等级时,服务器获取与调整后的产品方案对应的调整等级对应的参数调整规则,根据获取的参数调整规则对调整后的产品方案中的配置参数再次进行调整,直至调整后的产品方案对应的调整等级低于异常等级,而后服务器将调整后的产品方案发送至第二终端。
可以理解的是,调整后的产品方案对应的调整等级还可以是低于预设等级。预设等级时根据历史样本得到的产品方案所要达到的风险等级。服务器获取调整后的产品方案对应的调整等级后,将调整等级与预设等级进行比对,当调整等级低于异常等级时,也即调整后的产品方案满足基本要求时,服务器将调整的产品方案发送给第二终端。
例如,在保单下单过程中,保单方案对应的异常等级为低等级,在根据调整规则对保单方案中的保额进行调整后,服务器再次对调整后的保单方案进行异常等级的评估,得到调整后的保单方案对应的调整等级为低等级,则调整后的保单方案满足了保单的基本要求,则服务器将调整后的保单发送至审核终端。
进一步地,当调整后的产品方案对应的调整等级未低于预设等级时,服务器获取与调整后的产品方案对应的调整等级对应的参数调整规则,根据获取的参数调整规则对调整后的产品方案中的配置参数再次进行调整,直至调整后的产品方案对应的调整等级低于预设等级,而后服务器将调整后的产品方案发送至第二终端。
上述产品配置方法中,通过产品评估模型计算产品风险值,并结合用户风险值,得到该产品方案对于该用户的异常等级,并根据与异常等级对应的参数调整规则对产品方案中的配置参数,进而得到调整后的产品方案。进而,服务器计算调整后的产品方案对应的调整等级,当调整等级低于异常等级时,将调整后的产品方案发送至第二终端。本方案应用在产品方案中的配置参数设置完成之后,通过产品方案的异常等级对应的调整规则对配置参数进行调整,能够尽快发现异常产品方案,同时补偿异常产品方案,避免了产品方案在产品配置系统中服务器的无效传送,提高了产品配置系统中服务器的有效利用率。
在一个实施例中,如图3所示,提供一种产品评估模型生成步骤的流程示意图,包括:
步骤302,从历史产品数据库提取历史样本,历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值。
历史产品数据库是存储历史产品数据的数据库。历史样本是历史产品数据库中存储的用于训练产品评估模型的样本数据,历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值,其中,历史产品风险值是依据历史经验,根据历史产品方案与历史用户属性信息评估得到的产品可能存在的风险值。服务器从历史产品数据库提取历史样本,其中,历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值。
例如,服务器从历史数据库中获取与提取历史样本,其中,历史样本包括:历史产品方案为“险种类型为定额给付类型、险种属性为长险、被保人层级为员工层级、责任为住院医疗责任、场景为国内住院责任及保额为1万元”;历史用户属性信息为“年龄60岁、身体情况较差、婚姻状况已婚、房产0套、年收入10万、工作种类高危”;以及历史产品风险值为0.9。
步骤304,获取与历史产品方案对应的配置获取逻辑,根据配置获取逻辑对历史产品方案中的历史配置参数进行处理,得到历史配置特征。
配置获取逻辑是一种预先存储至服务器中的配置参数处理规则,配置获取逻辑可以是利用信息存储表得到配置参数对应的特征。服务器支持配置多个配置获取逻辑,实现多种配置参数的处理方式。历史配置特征是根据配置获取逻辑处理配置参数后得到的,产品评估模型可解析的,且能够表征历史产品方案中配置参数种类与数值的信息。服务器获取与历史产品方案对应的配置获取逻辑,进而根据获取的配置获取逻辑查询配置信息存储表,利用配置信息存储表查找配置参数对应的数值,进而根据查找到的数值与参数种类生成配置特征。
例如,服务器从历史数据库中获取的历史样本中历史配置参数为“险种类型为定额给付类型、险种属性为长险、被保人层级为员工层级、责任为住院医疗责任、场景为国内住院责任及保额为1万元”。服务器获取配置信息存储表,通过配置信息存储表得到历史配置参数对应的历史配置特征值为“0.4、0.5、0.8、0.2、0.7、0.4”,进而根据历史配置特征值,得到历史配置特征为“险种类型0.4、险种属性0.5、被保人层级0.8、责任0.2、场景0.7及保额0.4”。
步骤306,根据历史用户属性信息查询得到对应的历史用户属性系数。
用户属性系数是根据用户属性信息得到的用于量化表征用户属性信息的数值。服务器获取属性信息存储表,提取用户属性信息中的关键词,根据关键词并从属性存储表中查询对应的属性系数,作为该历史用户属性信息对应的历史用户属性系数。
例如,服务器从历史数据库中获取的历史样本中历史用户属性信息为“年龄60岁、身体情况较差、婚姻状况已婚、房产0套、年收入10万、工作种类高危”。服务器获取属性信息存储表,通过属性信息存储表得到历史用户属性系数为“年龄0.2、身体情况0.1、婚姻状况0.5、房产0.2、年收入0.2、工作种类0.1”。
步骤308,通过历史配置特征、历史用户属性系数与历史产品风险值进行模型训练,得到产品评估模型。
服务器获取历史配置特征、历史用户属性系数与历史产品风险值后,根据历史配置特征、历史用户属性系数与历史产品风险值训练模型,将训练得到的模型作为产品评估模型。
例如,服务器获取历史配置特征为“险种类型0.4、险种属性0.5、被保人层级0.8、责任0.2、场景0.7、保额0.4”、历史用户属性系数为“年龄0.2、身体情况0.1、婚姻状况0.5、房产0.2、年收入0.2、工作种类0.1”与历史产品风险值0.9后,根据三者对模型进行训练,并将训练得到的模型作为产品评估模型。
上述产品配置方法中,服务器通过历史产品方案、历史用户属性信息及历史产品风险值,训练得到产品评估模型。该产品评估模型不仅实现了对产品方案中全部配置参数的覆盖,同时还覆盖了历史用户属性信息,该产品评估模型考虑了历史用户属性信息对产品方案的影响。本方案保证了产品评估模型与产品方案及用户属性信息的适配性,提高了产品风险值的准确性。
在一个实施例中,如图4所示,提供一种产品风险值计算步骤的流程示意图,产品风险值计算步骤,也即通过产品评估模型评估与用户标识和产品标识对应的产品方案的产品风险值,包括:
步骤402,获取与产品方案对应的配置获取逻辑,采用配置获取逻辑对配置参数进行处理,得到配置特征。
服务器获取与产品方案对应的配置获取逻辑,采用配置获取逻辑对配置参数进行处理,得到配置特征值,进而根据配置特征值与参数类别生成产品配置特征。
例如,服务器根据订单需求数据生成的产品方案中,配置参数为“险种类型为医疗费用类型、险种属性为短险、被保人层级为领导层级、责任为无医保住院医疗责任、场景为国外住院责任及保额为5万元”。服务器根据配置获取逻辑获取配置信息存储表,其中,配置信息存储表中对应存储有配置参数与配置特征值,进而,服务器通过查找配置信息存储表得到配置参数的配置特征值为“0.2、0.3、0.4、0.1、0.7、0.6”,进而得到配置特征为“险种类型0.2、险种属性0.3、被保人层级0.4、责任0.1、场景0.7、保额0.6”。
步骤404,根据配置特征计算得到与产品标识对应的产品参考值。
产品参考值是单独考虑配置参数时对该产品的理论值,理论值表征的是产品方案中配置参数设置的合理性。服务器获取配置特征对应的配置特征值,根据配置特征值求和计算,得到与产品标识对应的产品参考值。
例如,服务器计算得到的配置特征为“险种类型0.2、险种属性0.3、被保人层级0.4、责任0.1、场景0.7、保额0.6”,服务器对应的配置特征值为“0.2、0.3、0.4、0.1、0.7、0.6”,根据配置特征值计算,得到与产品标识对应的产品参考值为2.3(=0.2+0.3+0.4+0.1+0.7+0.6)。
步骤406,获取与用户属性信息对应的用户属性系数。
服务器获取属性信息存储表,提取用户属性信息中的关键词,根据关键词从属性存储表中查询对应的属性系数,作为用户属性信息对应的用户属性系数。
例如,服务器从用户数据库中获取的用户属性信息为“年龄40、身体情况良好、婚姻状况已婚、房产2套、年收入50万、工作种类非高危”。服务器获取属性信息存储表,通过查找属性信息存储表,得到与用户属性信息对应的用户属性系数为“年龄0.7、身体情况0.8、婚姻状况0.5、房产0.8、年收入0.8、工作种类0.7”。
步骤408,采用贪心算法根据用户属性系数计算得到与配置特征对应的特征权重。
特征权重是表征配置特征对产品评价值的贡献比例。服务器采用贪心算法得到用户属性系数对配置特征影响的权重。其中,贪心算法是当前状态下的获取最优解的方法,特征权重是当前状态下的根据用户属性系数得到的配置特征对应的最优权重。服务器采用贪心算法计算得到用户属性系数对配置特征的系数权重,根据系数权重计算得到配置特征对应的特征权重。
例如,服务器获取的用户属性系数为“年龄0.7、身体情况0.8、婚姻状况0.5、房产0.8、年收入0.8、工作种类0.7”,采用贪心算法计算得到用户属性系数的系数权重如下表所示:
服务器根据表中的系数权重与用户属性系数计算得到配置特征的特征权重为:险种类型的特征权重0.66(=0.2*0.7+0.2*0.8+0.1*0.5+0.2*0.8+0.1*0.8+0.1*0.7);险种属性的特征权重0.51(=0.1*0.7+0.1*0.8+0.1*0.5+0.2*0.8+0.1*0.8+0.1*0.7);被保人等级的特征权重0.98(=0.2*0.7+0.1*0.8+0.3*0.5+0.1*0.8+0.4*0.8+0.3*0.7);责任的特征权重0.65(=0.3*0.7+0.2*0.8+0.1*0.5+0.1*0.8+0.1*0.8+0.1*0.7);场景的特征权重0.78(=0.1*0.7+0.1*0.8+0.2*0.5+0.2*0.8+0.2*0.8+0.3*0.7);保额的特征权重0.8(=0.1*0.7+0.3*0.8+0.2*0.5+0.3*0.8+0.1*0.8+0.1*0.7)。服务器获取与配置特征对应的特征权重为“0.66、0.51、0.98、0.65、0.78、0.8”。
步骤410,根据特征权重与配置特征计算得到产品标识对应的产品评价值。
产品评价值是考虑用户属性信息对产品方案中的配置参数的影响后,评估的该产品的实际值,实际值表征的是产品方案中配置参数对该用户来说设置的合理性。服务器根据特征权重与配置特征计算得到产品标识对应的产品评价值。
例如,服务器计算用户标识B得到的配置特征“险种类型0.2、险种属性0.3、被保人层级0.4、责任0.1、场景0.7、保额0.6”,特征权重为“0.66、0.51、0.98、0.65、0.78、0.8”。服务器根据特征权重与配置特征值加权求和得到产品评价值为1.768(=0.66*0.2+0.51*0.3+0.98*0.4+0.65*0.1+0.78*0.7+0.8*0.6)。
步骤412,通过损失函数根据产品参考值与产品评价值计算得到与产品标识对应的产品风险值。
损失函数是计算产品参考值与产品评价值之间损失值的函数,其中,损失值也即产品风险值,表征由于用户属性信息导致产品方案偏离标准产品方案的偏差值。服务器通过损失函数根据产品参考值与产品评价值计算得到与产品标识对应的产品风险值。损失函数可以是平方损失函数、绝对值损失函数、对数损失函数等。服务器采用下列公式计算损失值:
L(x)=(M(x)-N(x))2
其中,M(x)为产品参考值,N(x)为产品参考值,L(x)表示的是M与N的损失值。
服务器获取损失函数,将产品参考值与产品评价值代入损失函数得到与产品标识对应的产品风险值。例如,服务器计算得到的产品参考值为2.3,产品评价值为1.768,则根据损失函数,得到产品风险值为0.283(≈(2.3-1.768)2)。
可以理解的是,进一步地,当产品方案中的同一类别的配置参数为两个或两个以上时,服务器采用贪心算法分别计算配置参数对应的权重,并根据全部的配置参数计算得到与产品标识对应的产品参考值,及根据全部的配置参数及对应的权重计算与产品标识对应的产品评价值。进而,服务器根据得到的产品参考值与产品评价值计算与产品标识对应的异常值,并根据异常值得到对应的异常等级。
可以理解的是,进一步地,当服务器根据订单需求数据生成的产品方案中包含两套子产品方案时,服务器分别获取每套子产品方案对应的产品参考值与产品评价值,进而根据损失函数计算得到对应的产品风险值。服务器采用下列公式计算损失值:
其中,M(x)为产品参考值,N(x)为产品参考值,L(x)表示的是M与N的损失值。i为第i套子产品方案,n为产品中包含的子产品方案的数量。
产品评价值是在考虑用户属性信息时,产品方案的实际评价值,实际评价值表征的是产品方案与用户属性信息搭配的合理性,即为该产品对于该用户属性信息的实际评价值。可以理解的是,相同的产品方案对于不同的用户属性信息时,对应的产品评价值可能不同。服务器通过产品配置特征值及用户属性系数融合后,融合方式可以是系数与产品配置特征值相乘,并对融合后的产品配置特征值通过贪心算法计算得到与产品标识对应的产品评价值。
上述产品配置方法中,服务器通过产品评估模型根据产品方案与用户属性信息计算产品参考值与产品评价值的损失值,通过产品维度与用户维度对产品方案进行全面评估,提高了产品风险值的准确性。
在一个实施例中,根据产品风险值和用户风险值得到与产品标识对应的异常等级,包括:
根据产品风险值与用户风险值计算得到与产品标识对应的异常值;根据异常值与异常阈值得到与产品标识对应的异常等级。
异常值是对于用户来说,该产品方案存在的异常程度。异常阈值是判断异常值对应的异常等级的临界值,对于异常等级是根据异常阈值将异常值划分的不同级别。
服务器获取产品风险值与用户风险值,并获取与产品风险值与用户风险值对应的权重,根据产品风险值与用户风险值及权重加权求和得到与产品标识对应的异常值。服务器从异常数据库中获取异常阈值,将异常值与异常阈值比对,根据比对结果得到与产品方案对应的异常等级。当比对结果为异常值低于阈值最低值或异常值高于阈值最高值,则说明异常值不在此阈值区间内,也即该异常值不在此异常等级内,当比对结果为异常值高于阈值最低值且低于阈值最高值时,则异常值在此阈值区间内,服务器获取此阈值区间对应的异常等级,作为该产品标识对应的异常等级。
例如,服务器获取产品风险为0.283,用户风险值为0.2,且服务器获取的产品风险值对应的权重为0.6,用户风险值对应的权重为0.4,则服务器通过加权求和得到异常值为0.25(=0.6*0.283+0.4*0.2)。且服务器从异常数据库中获取的异常阈值为0,0.2,0.8及1。已知,低等级对应的范围为[0,0.2),中等级对应的范围为[0.2,0.8),高等级对应的范围为[0.8,1]。由于位于区间内,因此服务器获取的产品标识对应的异常等级为中等级。
上述产品配置方法中,服务器根据由产品风险值与用户风险值计算得到的异常值,进而根据异常值得到与产品标识对应的异常等级,进而能够根据异常等级对产品方案中的配置参数进行调整,使得配置参数的调整更为准确,提高了产品方案的调整效率。
在一个实施例中,如图6所示,提供一种用户风险值计算步骤的流程示意图,用户风险值计算步骤,也即获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值,包括:
步骤502,获取与用户标识对应的用户风险信息。
用户风险信息是用户历史行为数据中可能会导致产品方案与用户之间存在异常的行为数据,用户风险信息可以是与用户相关的累计购买的商品、追责记录及黑名单记录等。服务器根据从第三方监管平台中获取与用户标识对应的用户风险信息。可以理解的是,用户风险信息可以是针对与该产品相关的所有用户,包括购买方与使用方。
例如,针对用户标识购买的保险产品,服务器根据从第三方监管平台中获取与用户标识B对应的用户风险信息为“累计保额为20万,累计份数为6份,黑名单记录2次,理赔记录2次”。
步骤504,查询与用户标识对应的用户评估信息,用户评估信息是根据用户属性信息评估得到的。
用户评估信息是评估机构根据用户当前状态合理评估后,得到的用户当前应当满足的风险信息。由于用户个体的差异性,可能会导致服务器查询到的用户风险信息与用户评估信息之间存在差异,进而导致不同用户的用户风险值也存在差异。服务器查询与用户标识对应的用户评估信息,其中用户评估信息是根据用户属性信息评估得到的。其中,评估的方式可以是获取用户属性数据对应的用户属性系数,进而根据用户属性系数从评估数据表中查找对应的用户评估信息。
例如,服务器从数据库获取与用户标识B对应的用户风险信息为“累计保额为20万,累计份数为6份,黑名单记录2次,理赔记录2次”后,服务器根据用户属性信息“年龄40、身体情况良好、婚姻状况已婚、房产2套、年收入50万、工作种类非高危”,则对应的用户属性系数为“年龄0.7、身体情况0.8、婚姻状况0.5、房产0.8、年收入0.8、工作种类0.7”,进而根据用户属性系数得到的用户标识B对应的评估风险信息为“累计保额为19万,累计份数为5份,黑名单记录1次,理赔记录2次”。
步骤506,计算用户风险信息与用户评估信息的偏离度,提取偏离度中的最大值,作为用户风险值。
偏离度是实际数据与目标数据相差的绝对值所占目标数据的比重,其中,实际数据为用户风险信息对应的数值,目标数据为用户评估信息对应的数值。服务器获取用户风险信息与用户评估信息后,提取用户风险信息的用户风险数值,并提取用户评估信息中的用户评估数值,根据用户风险数值与用户评估数值计算用户风险信息与用户评估信息的偏离度。在用户风险信息与用户评估信息偏离度计算完成后,服务器提取偏离度中的最大值,作为用户风险值。用户风险值可通过以下公式进行计算:
H(x)=max(Di)
其中,ai为用户风险信息对应的用户风险数值,bi为用户评估信息对应的用户评估数值,Di为每项用户风险信息对应的偏离度,H(x)为用户风险值。
例如,服务器获取与用户标识B对应用户风险信息为“累计保额为20万,累计份数为6份,黑名单记录2次,理赔记录2次”,及对应的用户评估信息为“累计保额为19万,累计份数为5份,黑名单记录1次,理赔记录2次”。服务器提取用户风险信息中的用户风险数值为“累计保额20,累计份数6,黑名单记录2,理赔记录2”,提取用户评估信息中的用户评估数值为“累计保额为19,累计份数为5,黑名单记录1,理赔记录2”。根据偏离度公式计算得到用户标识B对应的偏离度为“累计保额为0.05,累计份数为0.2,黑名单记录0,理赔记录0”。进而,服务器根据风险值公式计算得到与用户标识对应的用户风险值为0.2。
上述产品配置方法中,服务器通过用户风险信息计算得到用户风险值,进而实现从用户角度评估异常值,提高了根据产品风险值与用户风险值计算得到异常值的准确率,提高了产品方案中配置参数的调整效率,进而提高了产品配置系统信息处理效率。
在一个实施例中,根据异常等级对应的参数调整规则调整配置参数,得到调整后的产品方案,包括:
获取与异常等级对应的调整阈值;根据调整阈值对配置参数进行调整,得到对应的调整后的产品方案。
调整阈值是调整产品方案中配置参数的调整依据,根据调整阈值对配置参数的调整规则可以是低等级对应的保持配置参数不变,还可以是中等级对应的将配置参数按照预设的比例进行调整,还可以是高等级对应的作废配置参数并重新生成。服务器获取与异常等级对应的调整参数。服务器根据调整阈值对配置参数进行调整,得到对应的调整后的产品方案。例如,服务器计算得到的与用户标识对应的异常等级为中等级,且中等级对应的调整参数为将配置参数中的保额降低30%,服务器将产品方案的配置参数中保额降低30%后,生成调整后的产品方案。
上述产品配置方法中,服务器获取与异常等级对应的调整阈值,根据调整阈值调整产品方案中的配置参数,提高了配置参数调整的准确率,保证了调整后的产品方案与用户属性信息的匹配率,缩短了调整周期,提高了产品配置系统的有效利用率。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种产品配置装置,包括:需求数据接收模块602、产品方案生成模块604、产品风险值计算模块606、用户风险值计算模块608、异常等级获取模块610、产品方案调整模块612、产品方案验证模块614和产品方案发送模块616,其中:
需求数据接收模块602,用于接收第一终端发送的订单需求数据,订单需求数据携带用户标识。
产品方案生成模块604,用于根据订单需求数据生成产品方案,并从用户数据库中查询与用户标识对应的用户属性信息。产品方案中包含产品标识和配置参数。
产品风险值计算模块606,用于将用户属性信息与产品方案输入与产品标识对应的产品评估模型,得到与用户标识和产品标识对应的产品风险值。
用户风险值计算模块608,用于获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值。
异常等级获取模块610,用于根据产品风险值和用户风险值得到与产品标识对应的异常等级。
产品方案调整模块612,用于根据异常等级对应的参数调整规则调整配置参数,得到调整后的产品方案;
产品方案验证模块614,用于基于用户风险信息和调整后的产品方案,计算调整后的产品方案对应的调整等级;
产品方案发送模块616,用于当调整等级低于异常等级时,将调整后的产品方案发送给第二终端。
在一个实施例中,提供了一种产品配置装置,产品风险值计算模块,包括:
历史样本提取单元,用于从历史产品数据库提取历史样本,历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值。
历史配置特征获取单元,用于获取与历史产品方案对应的配置获取逻辑,根据配置获取逻辑对历史产品方案中的历史配置参数进行处理,得到历史配置特征。
历史用户属性系数获取单元,用于根据历史用户属性信息查询得到对应的历史用户属性系数。
模型训练单元,用于通过历史配置特征、历史用户属性系数与历史产品风险值进行模型训练,得到产品评估模型。
在一个实施例中,提供了一种产品配置装置,产品风险值计算模块,包括:
配置参数处理单元,用于获取与产品方案对应的配置获取逻辑,采用配置获取逻辑对配置参数进行处理,得到配置特征。
产品参考值计算单元,用于根据配置特征计算得到与产品标识对应的产品参考值。
属性信息处理单元,用于获取与用户属性信息对应的用户属性系数。
特征权重生成单元,用于采用贪心算法根据用户属性系数计算得到对应的特征权重。
产品评价值计算单元,用于根据特征权重与配置特征计算得到产品标识对应的产品评价值。
产品风险值计算单元,用于通过损失函数根据产品参考值与产品评价值计算得到与产品标识对应的产品风险值。
在一个实施例中,提供了一种产品配置装置,异常等级获取模块,包括:
异常值计算单元,用于根据产品风险值与用户风险值计算得到与产品标识对应的异常值。
异常等级获取单元,用于根据异常值与异常阈值得到与产品标识对应的异常等级。
在一个实施例中,提供了一种产品配置装置,用户风险值计算模块,包括:
用户风险信息获取单元,用于获取与用户标识对应的用户风险信息。
用户评估信息查询单元,用于查询与用户标识对应的用户评估信息,用户评估信息是根据用户属性信息评估得到的。
用户风险值计算单元,用于计算用户风险信息与用户评估信息的偏离度,提取偏离度中的最大值,作为用户风险值。
在一个实施例中,提供了一种产品配置装置,产品方案调整模块,包括:
调整阈值获取单元,用于获取与异常等级对应的调整阈值。
配置参数调整单元,用于根据调整阈值对配置参数进行调整,得到对应的调整后的产品方案。
关于产品配置装置的具体限定可以参见上文中对于产品配置方法的限定,在此不再赘述。上述产品配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品配置数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品配置方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收第一终端发送的订单需求数据,订单需求数据携带用户标识;根据订单需求数据生成产品方案,并从用户数据库中查询与用户标识对应的用户属性信息;产品方案中包含产品标识和配置参数;将用户属性信息与产品方案输入与产品标识对应的产品评估模型,得到与用户标识和产品标识对应的产品风险值;获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值;根据产品风险值和用户风险值得到与产品标识对应的异常等级;根据异常等级对应的参数调整规则调整配置参数,得到调整后的产品方案;基于用户风险信息和调整后的产品方案,计算调整后的产品方案对应的调整等级;当调整等级低于异常等级时,将调整后的产品方案发送给第二终端。
在一个实施例中,处理器执行计算机程序时实现产品评估模型生成方式,包括:从历史产品数据库提取历史样本,历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值;获取与历史产品方案对应的配置获取逻辑,根据配置获取逻辑对历史产品方案中的历史配置参数进行处理,得到历史配置特征;根据历史用户属性信息查询得到对应的历史用户属性系数;通过历史配置特征、历史用户属性系数与历史产品风险值进行模型训练,得到产品评估模型。
在一个实施例中,处理器执行计算机程序时实现通过产品评估模型得到与用户标识和产品标识对应的产品方案的产品风险值,包括:获取与产品方案对应的配置获取逻辑,采用配置获取逻辑对配置参数进行处理,得到配置特征;根据配置特征计算得到与产品标识对应的产品参考值;获取与用户属性信息对应的用户属性系数;采用贪心算法根据用户属性系数计算得到对应的特征权重;根据特征权重与配置特征计算得到产品标识对应的产品评价值;通过损失函数根据产品参考值与产品评价值计算得到与产品标识对应的产品风险值。
在一个实施例中,处理器执行计算机程序时实现根据产品风险值和用户风险值得到与产品标识对应的异常等级,包括:根据产品风险值与用户风险值计算得到与产品标识对应的异常值;根据异常值与异常阈值得到与产品标识对应的异常等级。
在一个实施例中,处理器执行计算机程序时实现获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值,包括:获取与用户标识对应的用户风险信息;查询与用户标识对应的用户评估信息,用户评估信息是根据用户属性信息评估得到的;计算用户风险信息与用户评估信息的偏离度,提取偏离度中的最大值,作为用户风险值。
在一个实施例中,处理器执行计算机程序时实现根据异常等级对应的参数调整规则调整配置参数,包括:获取与异常等级对应的调整阈值;根据调整阈值对配置参数进行调整,得到对应的调整后的产品方案。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收第一终端发送的订单需求数据,订单需求数据携带用户标识;根据订单需求数据生成产品方案,并从用户数据库中查询与用户标识对应的用户属性信息;产品方案中包含产品标识和配置参数;将用户属性信息与产品方案输入与产品标识对应的产品评估模型,得到与用户标识和产品标识对应的产品风险值;获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值;根据产品风险值和用户风险值得到与产品标识对应的异常等级;根据异常等级对应的参数调整规则调整配置参数,得到调整后的产品方案;基于用户风险信息和调整后的产品方案,计算调整后的产品方案对应的调整等级;当调整等级低于异常等级时,将调整后的产品方案发送给第二终端。
在一个实施例中,计算机程序被处理器执行时实现产品评估模型生成方式,包括:从历史产品数据库提取历史样本,历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值;获取与历史产品方案对应的配置获取逻辑,根据配置获取逻辑对历史产品方案中的历史配置参数进行处理,得到历史配置特征;根据历史用户属性信息查询得到对应的历史用户属性系数;通过历史配置特征、历史用户属性系数与历史产品风险值进行模型训练,得到产品评估模型。
在一个实施例中,计算机程序被处理器执行时实现通过产品评估模型得到与用户标识和产品标识对应的产品方案的产品风险值,包括:获取与产品方案对应的配置获取逻辑,采用配置获取逻辑对配置参数进行处理,得到配置特征;根据配置特征计算得到与产品标识对应的产品参考值;获取与用户属性信息对应的用户属性系数;采用贪心算法根据用户属性系数计算得到对应的特征权重;根据特征权重与配置特征计算得到产品标识对应的产品评价值;通过损失函数根据产品参考值与产品评价值计算得到与产品标识对应的产品风险值。
在一个实施例中,计算机程序被处理器执行时实现根据产品风险值和用户风险值得到与产品标识对应的异常等级,包括:根据产品风险值与用户风险值计算得到与产品标识对应的异常值;根据异常值与异常阈值得到与产品标识对应的异常等级。
在一个实施例中,计算机程序被处理器执行时实现获取与用户标识对应的用户风险信息,并计算用户风险信息对应的用户风险值,包括:获取与用户标识对应的用户风险信息;查询与用户标识对应的用户评估信息,用户评估信息是根据用户属性信息评估得到的;计算用户风险信息与用户评估信息的偏离度,提取偏离度中的最大值,作为用户风险值。
在一个实施例中,计算机程序被处理器执行时实现根据异常等级对应的参数调整规则调整配置参数,包括:获取与异常等级对应的调整阈值;根据调整阈值对配置参数进行调整,得到对应的调整后的产品方案。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品配置方法,所述方法包括:
接收第一终端发送的订单需求数据,所述订单需求数据携带用户标识;
根据所述订单需求数据生成产品方案,并从用户数据库中查询与所述用户标识对应的用户属性信息,所述产品方案中包含产品标识和配置参数;
将所述用户属性信息与所述产品方案输入与所述产品标识对应的产品评估模型,得到与所述用户标识和所述产品标识对应的产品风险值;
获取与所述用户标识对应的用户风险信息,并计算所述用户风险信息对应的用户风险值;
根据所述产品风险值和所述用户风险值得到与所述产品标识对应的异常等级;
根据所述异常等级对应的参数调整规则调整所述配置参数,得到调整后的产品方案;
基于所述用户风险信息和所述调整后的产品方案,计算所述调整后的产品方案对应的调整等级;
当所述调整等级低于所述异常等级时,将所述调整后的产品方案发送给第二终端。
2.根据权利要求1所述的方法,其特征在于,所述产品评估模型生成方式,包括:
从历史产品数据库提取历史样本,所述历史样本中包含历史产品方案、历史用户属性信息和历史产品风险值;
获取与所述历史产品方案对应的配置获取逻辑,根据所述配置获取逻辑对所述历史产品方案中的历史配置参数进行处理,得到历史配置特征;
根据所述历史用户属性信息查询得到对应的历史用户属性系数;
通过所述历史配置特征、所述历史用户属性系数与所述历史产品风险值进行模型训练,得到产品评估模型。
3.根据权利要求1所述的方法,其特征在于,所述将所述用户属性信息与所述产品方案输入与所述产品标识对应的产品评估模型,得到与所述用户标识和所述产品标识对应的产品风险值,包括:
获取与所述产品方案对应的配置获取逻辑,采用所述配置获取逻辑对所述配置参数进行处理,得到配置特征;
根据所述配置特征计算得到与所述产品标识对应的产品参考值;
获取与所述用户属性信息对应的用户属性系数;
采用贪心算法根据所述用户属性系数计算得到对应的特征权重;
根据所述特征权重与所述配置特征计算得到所述产品标识对应的产品评价值;
通过损失函数根据所述产品参考值与所述产品评价值计算得到与所述产品标识对应的产品风险值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述产品风险值和所述用户风险值得到与所述产品标识对应的异常等级,包括:
根据所述产品风险值与所述用户风险值计算得到与所述产品标识对应的异常值;
根据所述异常值与异常阈值得到与所述产品标识对应的异常等级。
5.根据权利要求1所述的方法,其特征在于,所述获取与所述用户标识对应的用户风险信息,并计算所述用户风险信息对应的用户风险值,包括:
获取与所述用户标识对应的用户风险信息;
查询与所述用户标识对应的用户评估信息,所述用户评估信息是根据所述用户属性信息评估得到的;
计算所述用户风险信息与所述用户评估信息的偏离度,提取所述偏离度中的最大值,作为用户风险值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述异常等级对应的参数调整规则调整所述配置参数,得到调整后的产品方案,包括:
获取与所述异常等级对应的调整阈值;
根据所述调整阈值对所述配置参数进行调整,得到对应的调整后的产品方案。
7.一种产品配置装置,其特征在于,所述装置包括:
需求数据接收模块,用于接收第一终端发送的订单需求数据,所述订单需求数据携带用户标识;
产品方案生成模块,用于根据所述订单需求数据生成产品方案,并从用户数据库中查询与所述用户标识对应的用户属性信息;所述产品方案中包含产品标识和配置参数;
产品风险值计算模块,用于将所述用户属性信息与所述产品方案输入与所述产品标识对应的产品评估模型,得到与所述用户标识和所述产品标识对应的产品风险值;
用户风险值计算模块,用于获取与所述用户标识对应的用户风险信息,并计算所述用户风险信息对应的用户风险值;
异常等级获取模块,用于根据所述产品风险值和所述用户风险值得到与所述产品标识对应的异常等级;
产品方案调整模块,用于根据所述异常等级对应的参数调整规则调整所述配置参数,得到调整后的产品方案;
产品方案验证模块,用于基于所述用户风险信息和所述调整后的产品方案,计算所述调整后的产品方案对应的调整等级;
产品方案发送模块,用于当所述调整等级低于所述异常等级时,将所述调整后的产品方案发送给第二终端。
8.根据权利要求7所述的装置,其特征在于,所述产品风险值计算模块,包括:
配置参数处理单元,用于获取与所述产品方案对应的所述配置获取逻辑,采用所述配置获取逻辑对所述配置参数进行处理,得到配置特征;
产品参考值计算单元,用于根据所述配置特征计算得到与所述产品标识对应的产品参考值;
属性信息处理单元,用于获取与所述用户属性信息对应的用户属性系数;
特征权重生成单元,用于采用贪心算法根据所述用户属性系数计算得到对应的特征权重;
产品评价值计算单元,用于根据所述特征权重与所述配置特征计算得到所述产品标识对应的产品评价值;
产品风险值计算单元,用于通过损失函数根据所述产品参考值与所述产品评价值计算得到与所述产品标识对应的产品风险值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,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权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037682.9A CN111260438A (zh) | 2020-01-14 | 2020-01-14 | 产品配置方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037682.9A CN111260438A (zh) | 2020-01-14 | 2020-01-14 | 产品配置方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111260438A true CN111260438A (zh) | 2020-06-09 |
Family
ID=70952829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010037682.9A Pending CN111260438A (zh) | 2020-01-14 | 2020-01-14 | 产品配置方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260438A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214652A (zh) * | 2020-10-19 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 一种报文生成方法、装置及设备 |
CN112418827A (zh) * | 2020-12-16 | 2021-02-26 | 平安健康保险股份有限公司 | 产品方案配置方法、装置、计算机设备和存储介质 |
CN112581294A (zh) * | 2020-12-07 | 2021-03-30 | 泰康保险集团股份有限公司 | 一种理赔和服务权益数据处理方法及装置 |
CN113139001A (zh) * | 2021-05-14 | 2021-07-20 | 复坦希(上海)电子科技有限公司深圳分公司 | 一种uvled光固化系统及方法 |
TWI774154B (zh) * | 2020-12-10 | 2022-08-11 | 中華電信股份有限公司 | 具有動態自動調適之產品包裝系統、方法及電腦可讀媒介 |
CN117788181A (zh) * | 2024-01-22 | 2024-03-29 | 广州云保科技有限公司 | 用于航空客运保险的风险投保行为识别拦截方法及系统 |
-
2020
- 2020-01-14 CN CN202010037682.9A patent/CN111260438A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214652A (zh) * | 2020-10-19 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 一种报文生成方法、装置及设备 |
CN112214652B (zh) * | 2020-10-19 | 2023-09-29 | 支付宝(杭州)信息技术有限公司 | 一种报文生成方法、装置及设备 |
CN112581294A (zh) * | 2020-12-07 | 2021-03-30 | 泰康保险集团股份有限公司 | 一种理赔和服务权益数据处理方法及装置 |
TWI774154B (zh) * | 2020-12-10 | 2022-08-11 | 中華電信股份有限公司 | 具有動態自動調適之產品包裝系統、方法及電腦可讀媒介 |
CN112418827A (zh) * | 2020-12-16 | 2021-02-26 | 平安健康保险股份有限公司 | 产品方案配置方法、装置、计算机设备和存储介质 |
CN112418827B (zh) * | 2020-12-16 | 2024-05-28 | 平安健康保险股份有限公司 | 产品方案配置方法、装置、计算机设备和存储介质 |
CN113139001A (zh) * | 2021-05-14 | 2021-07-20 | 复坦希(上海)电子科技有限公司深圳分公司 | 一种uvled光固化系统及方法 |
CN117788181A (zh) * | 2024-01-22 | 2024-03-29 | 广州云保科技有限公司 | 用于航空客运保险的风险投保行为识别拦截方法及系统 |
CN117788181B (zh) * | 2024-01-22 | 2024-05-14 | 广州云保科技有限公司 | 用于航空客运保险的风险投保行为识别拦截方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260438A (zh) | 产品配置方法、装置、计算机设备和存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109345374A (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
US10862913B2 (en) | Systems and methods for securing access to resources | |
CN112766550B (zh) | 基于随机森林的停电敏感用户预测方法、系统、存储介质及计算机设备 | |
CN110929879A (zh) | 基于决策引擎和模型平台的业务决策逻辑更新方法 | |
US20160012542A1 (en) | Systems, Methods, and Apparatus for Hazard Grade Determination for an Insurance Product | |
CN108256810B (zh) | 保险业务审批流程处理方法和装置 | |
CN110084606B (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
CN110069364B (zh) | 备件数据纠错方法、装置、计算机设备和存储介质 | |
US20160012540A1 (en) | Systems and methods for insurance process routing and versioning | |
CN110609954A (zh) | 数据获取方法、装置、计算机设备和存储介质 | |
CN110135943B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN111741112A (zh) | 基于人工智能的文件下载方法、装置、设备和存储介质 | |
CN111144738A (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
CN116483670A (zh) | 一种基于用户访问行为的风控方法及装置 | |
CN112015723A (zh) | 数据等级划分方法、装置、计算机设备和存储介质 | |
CN116011809A (zh) | 风险事件的评估方法、装置、设备及存储介质 | |
CN113837467B (zh) | 点对点能源项目评估方法、装置、计算机设备和存储介质 | |
CN113343577B (zh) | 一种基于机器学习的参数优化方法、装置、设备及介质 | |
CN111353899A (zh) | 保单信息数据处理方法、装置、计算机设备和存储介质 | |
CN112581295B (zh) | 基于字段拆分的产品数据处理方法、装置、设备和介质 | |
CN115239491A (zh) | 期货交易方法和计算机设备 | |
CN112101852A (zh) | 核电站物料的发料批次推荐方法、装置、设备及介质 | |
CN113434505B (zh) | 交易信息属性检索方法、装置、计算机设备及存储介质 |
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 |