CN111598360A - 服务策略确定方法、装置及电子设备 - Google Patents
服务策略确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111598360A CN111598360A CN202010725686.6A CN202010725686A CN111598360A CN 111598360 A CN111598360 A CN 111598360A CN 202010725686 A CN202010725686 A CN 202010725686A CN 111598360 A CN111598360 A CN 111598360A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- time
- determining
- score
- 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 85
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F16/906—Clustering; Classification
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种服务策略确定方法、装置、电子设备及计算机可读介质。该方法包括：基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；基于所述目标用户类别确定所述用户的服务策略。本公开涉及的服务策略确定方法、装置、电子设备及计算机可读介质，能够基于当前用户的基础数据准确快速的对用户的特征类别进行预测，并根据预测结果为用户提供专属服务策略，提高用户体验、增加用户活跃度。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种服务策略确定方法、装置、电子设备及计算机可读介质。
背景技术
随着经济的发展，为了满足其自身发展的需要，个人用户或者企业用户经常由金融服务机构进行借款活动，对于金融服务机构而言，用户的借款活动很可能会给金融服务公司带来风险。在还款期限届满之前，借款人（信贷用户）财务商务状况的重大不利变化很可能影响其履约能力，从而发生呆账、坏账等风险，因此，为了降低此类风险的发生概率，金融服务机构需要对借款人进行风险评估，进而制定其相对应的用户服务策略，用户服务策略用于为该用户确定其资源占用的额度、资源归还的期限，用户服务策略还可用于为用户分配特享资源等等。
在用户服务策略制定上，现有技术是通过专家的经验知识，然后基于用户基本信息结合个人行为数据进行分析，从而制定的用户服务策略。而且，现有技术中的用户服务策略大部分是在用户授信初期制定的，而在用户使用金融产品的过程中会产生实时的用户行为数据或者更新基础数据，这些变动之后的数据更加能够反映用户当前的状态，如果不能够根据用户的实时状态为用户提供符合其特征的用户服务策略，将会严重影响用户体验。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它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
有鉴于此，本公开提供一种服务策略确定方法、装置、电子设备及计算机可读介质，能够基于当前用户的基础数据准确快速的对用户的特征类别进行预测，并根据预测结果为用户提供专属服务策略，提高用户体验、增加用户活跃度。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种服务策略确定方法，该方法包括：基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；基于所述目标用户类别确定所述用户的服务策略。
可选地，还包括：通过多个历史用户的基础数据和聚类方法生成所述多个用户类别；为所述多个用户类别分别分配服务策略。
可选地，通过多个历史用户的基础数据和聚类方法生成所述多个用户类别，包括：确定历史中的预设时间点和预设类别数量；基于预设时间点生成多个历史用户的用户特征数据；将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分；基于所述时间间隔分，时间距离分，频率分，和额度分通过聚类方法将所述多个历史用户按照预设类别数量分为多个用户类别。
可选地，将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分，包括：统计所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据的数据分布特征；基于所述数据分布特征为所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据分别确定评分范围和评分标准；基于所述评分范围和评分标准对所述多个历史用户的用户特征数据进行评分以生成时间间隔分、时间距离分、频率分和额度分。
可选地，为所述多个用户类别分别分配服务策略，包括：确定所述多个用户类别中每一个用户类别中的核心用户；确定所述核心用户的价值分；基于所述核心用户的价值分为其所在的用户类别分配服务策略。
可选地，确定所述核心用户的价值分，包括：获取所述核心用户在预设时间点之后的基础数据；基于在预设时间点之后的基础数据确定所述核心用户的价值分。
可选地，基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据，包括：通过所述用户基础数据提取用户第一次资源占用时间和最后一次资源占用时间；基于第一次资源占用时间和最后一次资源占用时间生成时间间隔数据；基于最后一次资源占用时间生成所述时间距离数据。
可选地，还包括：通过所述用户基础数据提取资源占用的总次数和总额度；基于资源占用的总次数生成频次数据；基于资源占用的总额度生成额度数据。
可选地，基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别，包括：获取所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据所对应的评分范围和评分标准；基于所述评分范围和所述评分标准确定所述用户的时间间隔分、时间距离分、频率分和额度分；基于所述时间间隔分、所述时间距离分、所述频率分和所述额度分通过聚类方法为所述用户确定目标用户类别。
可选地，基于所述目标用户类别确定所述用户的服务策略，包括：基于所述目标用户类别确定所述用户的特享资源发放策略；和/或基于所述目标用户类别确定所述用户的资源调整策略；和/或基于所述目标用户类别确定所述用户的特享动支次数策略。
根据本公开的一方面，提出一种服务策略确定装置，该装置包括：数据模块，用于基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；特征模块，用于基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；目标模块，用于基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；策略模块，用于基于所述目标用户类别确定所述用户的服务策略。
可选地，还包括：类别模块，用于通过多个历史用户的基础数据和聚类方法生成所述多个用户类别；分配模块，用于为所述多个用户类别分别分配服务策略。
可选地，所述类别模块，包括：时间单元，用于确定历史中的预设时间点和预设类别数量；特征单元，用于基于预设时间点生成多个历史用户的用户特征数据；整合单元，用于将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分；聚类单元，用于基于所述时间间隔分，时间距离分，频率分，和额度分通过聚类方法将所述多个历史用户按照预设类别数量分为多个用户类别。
可选地，所述整合单元，还用于统计所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据的数据分布特征；基于所述数据分布特征为所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据分别确定评分范围和评分标准；基于所述评分范围和评分标准对所述多个历史用户的用户特征数据进行评分以生成时间间隔分、时间距离分、频率分和额度分。
可选地，所述分配模块，包括：核心单元，用于确定所述多个用户类别中每一个用户类别中的核心用户；价值单元，用于确定所述核心用户的价值分；分配单元，用于基于所述核心用户的价值分为其所在的用户类别分配服务策略。
可选地，所述价值单元，还用于获取所述核心用户在预设时间点之后的基础数据；基于在预设时间点之后的基础数据确定所述核心用户的价值分。
可选地，所述特征模块，包括：时间单元，用于通过所述用户基础数据提取用户第一次资源占用时间和最后一次资源占用时间；基于第一次资源占用时间和最后一次资源占用时间生成时间间隔数据；基于最后一次资源占用时间生成所述时间距离数据。
可选地，所述特征模块，还包括：占用单元，用于通过所述用户基础数据提取资源占用的总次数和总额度；基于资源占用的总次数生成频次数据；基于资源占用的总额度生成额度数据。
可选地，所述目标模块，包括：范围单元，用于获取所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据所对应的评分范围和评分标准；评分单元，用于基于所述评分范围和所述评分标准确定所述用户的时间间隔分、时间距离分、频率分和额度分；目标单元，用于基于所述时间间隔分、所述时间距离分、所述频率分和所述额度分通过聚类方法为所述用户确定目标用户类别。
可选地，所述策略模块，还用于基于所述目标用户类别确定所述用户的特享资源发放策略；和/或基于所述目标用户类别确定所述用户的资源调整策略；和/或基于所述目标用户类别确定所述用户的特享动支次数策略。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的服务策略确定方法、装置、电子设备及计算机可读介质，基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；基于所述目标用户类别确定所述用户的服务策略的方式，能够基于当前用户的基础数据准确快速的对用户的特征类别进行预测，并根据预测结果为用户提供专属服务策略，提高用户体验、增加用户活跃度。
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，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种服务策略确定方法及装置的系统框图。
图2是根据一示例性实施例示出的一种服务策略确定方法的流程图。
图3是根据一示例性实施例示出的一种服务策略确定方法的流程图。
图4是根据另一示例性实施例示出的一种服务策略确定方法的示意图。
图5是根据另一示例性实施例示出的一种服务策略确定方法的流程图。
图6是根据另一示例性实施例示出的一种服务策略确定方法的示意图。
图7是根据一示例性实施例示出的一种服务策略确定装置的框图。
图8是根据一示例性实施例示出的一种电子设备的框图。
图9是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
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公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开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公开的各方面。
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。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
本发明中，资源是指任何可被利用的物质、信息、时间，信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。本发明的创新之处在于如何使用服务器和客户端之间的信息交互技术来使资源分配的过程更加自动化、高效和减小人力成本。由此，从本质上来说，本发明可以应用于各类资源的分配，包括实体的货物、水、电，以及有意义的资料等。但是，为了方便起见，本发明中以金融数据资源为例进行说明资源分配的实施，但本领域技术人员应当理解，本发明亦可以用于其他资源的分配。
图1是根据一示例性实施例示出的一种服务策略确定方法及装置的系统框图。
如图1所示，系统架构10可以包括终端设备101、102、103，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。
用户可以使用终端设备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上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携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，例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理，并将处理结果（例如服务策略详情）反馈给金融服务网站的管理员。
服务器105可例如基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；服务器105可例如基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；服务器105可例如基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；服务器105可例如基于所述目标用户类别确定所述用户的服务策略。
服务器105还可例如通过多个历史用户的基础数据和聚类方法生成所述多个用户类别；服务器105还可例如为所述多个用户类别分别分配服务策略。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的服务策略确定方法可以由服务器105执行，相应地，服务策略确定装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种服务策略确定方法的流程图。服务策略确定方法20至少包括步骤S202至S208。
如图2所示，在S202中，基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间。其中，预设行为可为用户的资源占用行为，和资源占用行为发生的时间。而且，在用户的资源占用行为为多次时，需要获取每次资源占用行为发生的时间。
在S204中，基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据。
在一个实施例中，可例如通过所述用户基础数据提取用户第一次资源占用时间和最后一次资源占用时间；其中，第一次资源占用时间和最后一次资源占用时间均是依据当前时间点t0而言的；基于第一次资源占用时间和最后一次资源占用时间生成时间间隔数据，时间间隔可记录为L；基于最后一次资源占用时间生成所述时间距离数据，时间距离可记录为R。
在一个实施例中，可例如通过所述用户基础数据提取资源占用的总次数和总额度；基于资源占用的总次数生成频次数据，频次可记录为F；基于资源占用的总额度生成额度数据，额度可记录为M。从模型计算的时效性考虑，可更具体的将在t0时间之前的n天中，用户资源占用的频次记录为F，在t0时间之前的n天中，用户资源占用的总额记录为M。
在S206中，基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别。包括：获取所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据所对应的评分范围和评分标准；基于所述评分范围和所述评分标准确定所述用户的时间间隔分、时间距离分、频率分和额度分；基于所述时间间隔分、所述时间距离分、所述频率分和所述额度分通过聚类方法为所述用户确定目标用户类别。
其中，聚类算法是机器学习中涉及对数据进行分组的一种算法。在给定的数据集中，可以通过聚类算法将其分成一些不同的组。在理论上，相同的组的数据之间有相同的属性或者是特征，不同组数据之间的属性或者特征相差就会比较大。更具体的，本公开中可通过K-means 聚类，Mean-Shift 聚类，DBSCAN密度聚类等等更加具体的聚类算法为所述用户确定目标用户类别。
其中，预设的多个用户类别、评分范围和评分标准可由历史数据中提取，提取的相关过程将在图3对应的实施例中进行描述。
在S208中，基于所述目标用户类别确定所述用户的服务策略。在预设的用户类别中，每个用户类别均可对应于预设的用户服务策略，具体的用户服务策略可为特享资源发放策略，资源调整策略，特享动支次数策略等等。
在一个实施例中，可简单的将用户类别定义为三类，对应于用户价值的高中低，其中，可简单理解为L越大，用户价值越高；R的时间距离t越长，用户价值越高；F次数越多越好，M越多越好。但是各个维度需要综合进行比较，以得到最终的用户类别的结果。
对应于不同的用户价值，可为不同的用户类别确定服务策略，用户价值高的用户可增加其对应的资源占用额度，为其发放更多的特享资源等等。
根据本公开的服务策略确定方法，基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；基于所述目标用户类别确定所述用户的服务策略的方式，能够基于当前用户的基础数据准确快速的对用户的特征类别进行预测，并根据预测结果为用户提供专属服务策略，提高用户体验、增加用户活跃度。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种服务策略确定方法的流程图。图3所示的流程30是对“通过多个历史用户的基础数据和聚类方法生成所述多个用户类别”的详细描述。
如图3所示，在S302中，确定历史中的预设时间点和预设类别数量。由历史时间中确定一个预设的时间点，基于此时间点提取数据。
在S304中，基于预设时间点生成多个历史用户的用户特征数据。如图4所示，历史时刻可为t1，提取在t1时间之前到t2时刻为止的δt内的数据，根据t1之前的用户特征数据进行聚类计算，t1之后至t0为止的用户特征数据可作为定义用户价值所使用的验证数据。
在S306中，将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分。
在一个实施例中，可例如，统计所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据的数据分布特征；基于所述数据分布特征为所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据分别确定评分范围和评分标准；基于所述评分范围和评分标准对所述多个历史用户的用户特征数据进行评分以生成时间间隔分、时间距离分、频率分和额度分。
提取大量的用户数据，将用户数据按照L、R、F、M四个维度分别进行整理，确定4个维度中每个维度的数据分布，可例如L、R、F、M均为为正态分布，打分规则均为平均分配。可例如，L的分布范围为[0,50]，对平均分配打分规则而言，[0,10]可记为1分，（10,20]可记为2分，（20,30]可记为3分，（30,40]可记为4分，（40,50]可记为5分，5分即为满分。
根据L、R、F、M这四个维度的分布，分别为每一个用户的LRFM进行打分。比如用户A的L为25,基于L的分布和评分标准，确定25对应于L的分布打分为3分；基于这个打分规则，可将L、R、F、M这四个不同维度的数值，统一为同一个量级的分数值，以进行后面的聚类分析。
在S308中，基于时间间隔分，时间距离分，频率分，和额度分通过聚类方法将所述多个历史用户按照预设类别数量分为多个用户类别。可例如设定用户类别的数量为3个，将历史用户的评分数据输入聚类分析模型中进行计算，出入3个集合的用户，每个集合的用户为同一个聚类组别的用户。
图5是根据另一示例性实施例示出的一种服务策略确定方法的流程图。图5所示的流程50是对“为所述多个用户类别分别分配服务策略”的详细描述。
如图5所示，在S502中，确定所述多个用户类别中每一个用户类别中的核心用户。在已经分好的聚类中，可由聚类分布图中提取在中心点位置的用户作为核心用户，核心用户可为一个或多个，本公开不以此为限。还可通过随机选择的方式，在已经分好的聚类中，随机抽取一个或多个用户作为核心用户。如图6所示，可随机在聚类中挑选若干个用户作为核心用户。
在S504中，确定所述核心用户的价值分。可例如，获取所述核心用户在预设时间点之后的基础数据；基于在预设时间点之后的基础数据确定所述核心用户的价值分。
对核心用户在历史数据中的预设时间点之后的行为进行分析，以确定核心用户的价值分，更具体的可通过用户的资源管理数据、资源占用违约数据、资源规划数据等等对核心用户进行价值评价。
在S506中，基于所述核心用户的价值分为其所在的用户类别分配服务策略。在一个聚类组别中存在有多个核心用户时，可根据多个用户的价值分综合确定该类别用户的价值分。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU 执行的计算机程序。在该计算机程序被CPU 执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图7是根据一示例性实施例示出的一种服务策略确定装置的框图。如图7所示，服务策略确定装置70包括：数据模块702，特征模块704，目标模块706，策略模块708，类别模块710，分配模块712。
数据模块702用于基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；
特征模块704用于基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；所述特征模块704包括：时间单元，用于通过所述用户基础数据提取用户第一次资源占用时间和最后一次资源占用时间；基于第一次资源占用时间和最后一次资源占用时间生成时间间隔数据；基于最后一次资源占用时间生成所述时间距离数据。所述特征模块704还包括：占用单元，用于通过所述用户基础数据提取资源占用的总次数和总额度；基于资源占用的总次数生成频次数据；基于资源占用的总额度生成额度数据。
目标模块706用于基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；所述目标模块706包括：范围单元，用于获取所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据所对应的评分范围和评分标准；评分单元，用于基于所述评分范围和所述评分标准确定所述用户的时间间隔分、时间距离分、频率分和额度分；目标单元，用于基于所述时间间隔分、所述时间距离分、所述频率分和所述额度分通过聚类方法为所述用户确定目标用户类别。
策略模块708用于基于所述目标用户类别确定所述用户的服务策略。所述策略模块708还用于基于所述目标用户类别确定所述用户的特享资源发放策略；和/或基于所述目标用户类别确定所述用户的资源调整策略；和/或基于所述目标用户类别确定所述用户的特享动支次数策略。
类别模块710用于通过多个历史用户的基础数据和聚类方法生成所述多个用户类别；所述类别模块710包括：时间单元，用于确定历史中的预设时间点和预设类别数量；特征单元，用于基于预设时间点生成多个历史用户的用户特征数据；整合单元，用于将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分；所述整合单元，还用于统计所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据的数据分布特征；基于所述数据分布特征为所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据分别确定评分范围和评分标准；基于所述评分范围和评分标准对所述多个历史用户的用户特征数据进行评分以生成时间间隔分、时间距离分、频率分和额度分。所述类别模块710还包括：聚类单元，用于基于所述时间间隔分，时间距离分，频率分，和额度分通过聚类方法将所述多个历史用户按照预设类别数量分为多个用户类别。
分配模块712用于为所述多个用户类别分别分配服务策略。所述分配模块712包括：核心单元，用于确定所述多个用户类别中每一个用户类别中的核心用户；价值单元，用于确定所述核心用户的价值分；所述价值单元，还用于获取所述核心用户在预设时间点之后的基础数据；基于在预设时间点之后的基础数据确定所述核心用户的价值分。配模块712还包括：分配单元，用于基于所述核心用户的价值分为其所在的用户类别分配服务策略。
根据本公开的服务策略确定装置，基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；基于所述目标用户类别确定所述用户的服务策略的方式，能够基于当前用户的基础数据准确快速的对用户的特征类别进行预测，并根据预测结果为用户提供专属服务策略，提高用户体验、增加用户活跃度。
图8是根据一示例性实施例示出的一种电子设备的框图。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：至少一个处理单元810、至少一个存储单元820、连接不同系统组件（包括存储单元820和处理单元810）的总线830、显示单元840等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图2，图3，图5中所示的步骤。
所述存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元（ROM）8203。
所述存储单元820还可以包括具有一组（至少一个）程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备800’（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
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，如图9所示，根据本公开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、或者网络设备等）执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
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设备执行时，使得该计算机可读介质实现如下功能：基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；基于所述目标用户类别确定所述用户的服务策略。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例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、移动终端、或者网络设备等）执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种服务策略确定方法，其特征在于，包括：
基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；
基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；
基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；
基于所述目标用户类别确定所述用户的服务策略。
2.如权利要求1所述的方法，其特征在于，还包括：
通过多个历史用户的基础数据和聚类方法生成所述多个用户类别；和/或
为所述多个用户类别分别分配服务策略。
3.如权利要求1-2中任一所述的方法，其特征在于，通过多个历史用户的基础数据和聚类方法生成所述多个用户类别，包括：
确定历史中的预设时间点和预设类别数量；
基于预设时间点生成多个历史用户的用户特征数据；
将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分；
基于所述时间间隔分，时间距离分，频率分，和额度分通过聚类方法将所述多个历史用户按照预设类别数量分为多个用户类别。
4.如权利要求3所述的方法，其特征在于，将所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据进行整合，生成时间间隔分、时间距离分、频率分和额度分，包括：
统计所述多个历史用户的用户特征数据中的时间间隔数据、时间距离数据、频率数据和额度数据的数据分布特征；
基于所述数据分布特征为所述时间间隔数据、所述时间距离数据、所述频率数据和所述额度数据分别确定评分范围和评分标准；
基于所述评分范围和评分标准对所述多个历史用户的用户特征数据进行评分以生成时间间隔分、时间距离分、频率分和额度分。
5.如权利要求2所述的方法，其特征在于，为所述多个用户类别分别分配服务策略，包括：
确定所述多个用户类别中每一个用户类别中的核心用户；
确定所述核心用户的价值分；
基于所述核心用户的价值分为其所在的用户类别分配服务策略。
6.如权利要求5所述的方法，其特征在于，确定所述核心用户的价值分，包括：
获取所述核心用户在预设时间点之后的基础数据；
基于在预设时间点之后的基础数据确定所述核心用户的价值分。
7.如权利要求1所述的方法，其特征在于，基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据，包括：
通过所述用户基础数据提取用户第一次资源占用时间和最后一次资源占用时间；
基于第一次资源占用时间和最后一次资源占用时间生成时间间隔数据；
基于最后一次资源占用时间生成所述时间距离数据。
8.一种服务策略确定装置，其特征在于，包括：
数据模块，用于基于当前时间点获取用户的基础数据，所述基础数据包括预设行为和所述预设行为对应的时间；
特征模块，用于基于所述用户基础数据生成所述用户的用户特征数据，所述用户特征数据包括时间间隔数据、时间距离数据、频率数据和额度数据；
目标模块，用于基于所述用户特征数据通过聚类方法由多个用户类别中为所述用户确定目标用户类别；
策略模块，用于基于所述目标用户类别确定所述用户的服务策略。
9.一种电子设备，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，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，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1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010725686.6A CN111598360A (zh) | 2020-07-24 | 2020-07-24 | 服务策略确定方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010725686.6A CN111598360A (zh) | 2020-07-24 | 2020-07-24 | 服务策略确定方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111598360A true CN111598360A (zh) | 2020-08-28 |
Family
ID=72192460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010725686.6A Pending CN111598360A (zh) | 2020-07-24 | 2020-07-24 | 服务策略确定方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598360A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112348661A (zh) * | 2020-10-21 | 2021-02-09 | 上海淇玥信息技术有限公司 | 基于用户行为轨迹的服务策略分配方法、装置及电子设备 |
| CN113269558A (zh) * | 2021-06-25 | 2021-08-17 | 中国银行股份有限公司 | 分布式系统中交易处理的方法及装置 |
| WO2022068471A1 (zh) * | 2021-02-07 | 2022-04-07 | 青岛海尔空调器有限总公司 | 空调器的预热控制方法 |
| CN117372206A (zh) * | 2023-12-08 | 2024-01-09 | 烟台云朵软件有限公司 | 一种元宇宙统一服务集成方法与系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127566A (zh) * | 2016-06-20 | 2016-11-16 | 中国农业银行股份有限公司 | 一种数据管理方法及装置 |
| CN109300041A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 理财策略推荐方法、电子装置及可读存储介质 |
| CN110533085A (zh) * | 2019-08-12 | 2019-12-03 | 大箴(杭州)科技有限公司 | 同人识别方法及装置、存储介质、计算机设备 |
| CN110807527A (zh) * | 2019-09-30 | 2020-02-18 | 北京淇瑀信息科技有限公司 | 一种基于客群筛选的额度调整方法、装置和电子设备 |
-
2020
- 2020-07-24 CN CN202010725686.6A patent/CN111598360A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127566A (zh) * | 2016-06-20 | 2016-11-16 | 中国农业银行股份有限公司 | 一种数据管理方法及装置 |
| CN109300041A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 理财策略推荐方法、电子装置及可读存储介质 |
| CN110533085A (zh) * | 2019-08-12 | 2019-12-03 | 大箴(杭州)科技有限公司 | 同人识别方法及装置、存储介质、计算机设备 |
| CN110807527A (zh) * | 2019-09-30 | 2020-02-18 | 北京淇瑀信息科技有限公司 | 一种基于客群筛选的额度调整方法、装置和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 赵守香 等: "《大数据分析与应用》", 31 December 2015, 北京：航空工业出版社 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112348661A (zh) * | 2020-10-21 | 2021-02-09 | 上海淇玥信息技术有限公司 | 基于用户行为轨迹的服务策略分配方法、装置及电子设备 |
| CN112348661B (zh) * | 2020-10-21 | 2024-04-23 | 上海淇玥信息技术有限公司 | 基于用户行为轨迹的服务策略分配方法、装置及电子设备 |
| WO2022068471A1 (zh) * | 2021-02-07 | 2022-04-07 | 青岛海尔空调器有限总公司 | 空调器的预热控制方法 |
| CN113269558A (zh) * | 2021-06-25 | 2021-08-17 | 中国银行股份有限公司 | 分布式系统中交易处理的方法及装置 |
| CN117372206A (zh) * | 2023-12-08 | 2024-01-09 | 烟台云朵软件有限公司 | 一种元宇宙统一服务集成方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021174944A1 (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
| US10504120B2 (en) | Determining a temporary transaction limit | |
| CN112508694B (zh) | 服务器处理资源额度申请的方法、装置及电子设备 | |
| CN112348659B (zh) | 用户识别策略的分配方法、装置及电子设备 | |
| CN111598360A (zh) | 服务策略确定方法、装置及电子设备 | |
| CN112016792A (zh) | 用户资源配额确定方法、装置及电子设备 | |
| CN113298354B (zh) | 业务衍生指标的自动生成方法、装置及电子设备 | |
| CN112017062B (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
| CN112529702A (zh) | 用户授信策略分配方法、装置及电子设备 | |
| CN111583018A (zh) | 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备 | |
| CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
| CN112016796A (zh) | 综合风险评分请求处理方法、装置及电子设备 | |
| CN112015562A (zh) | 基于迁移学习的资源分配方法、装置及电子设备 | |
| CN112017060A (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
| CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
| CN111179051A (zh) | 金融目标客户确定方法、装置及电子设备 | |
| CN110807129A (zh) | 多层用户关系图集合的生成方法、装置及电子设备 | |
| CN111967543A (zh) | 用户资源配额确定方法、装置及电子设备 | |
| CN113297287B (zh) | 用户策略自动部署方法、装置及电子设备 | |
| CN112016793B (zh) | 基于目标用户群的资源分配方法、装置及电子设备 | |
| CN112950359A (zh) | 一种用户识别方法和装置 | |
| CN111210109A (zh) | 基于关联用户预测用户风险的方法、装置和电子设备 | |
| CN113568739B (zh) | 用户资源额度分配方法、装置及电子设备 | |
| US11741099B2 (en) | Supporting database queries using unsupervised vector embedding approaches over unseen data | |
| CN112016791B (zh) | 资源分配方法、装置及电子设备 |
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 |