CN111754195A - 信息处理的方法及装置、电子设备及计算机可读存储介质 - Google Patents

信息处理的方法及装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111754195A
CN111754195A CN202010598443.0A CN202010598443A CN111754195A CN 111754195 A CN111754195 A CN 111754195A CN 202010598443 A CN202010598443 A CN 202010598443A CN 111754195 A CN111754195 A CN 111754195A
Authority
CN
China
Prior art keywords
information
behavior
historical
preset
service
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.)
Granted
Application number
CN202010598443.0A
Other languages
English (en)
Other versions
CN111754195B (zh
Inventor
黄文强
季蕴青
胡路苹
胡玮
黄雅楠
胡传杰
浮晨琪
李蚌蚌
申亚坤
徐晨敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202010598443.0A priority Critical patent/CN111754195B/zh
Publication of CN111754195A publication Critical patent/CN111754195A/zh
Application granted granted Critical
Publication of CN111754195B publication Critical patent/CN111754195B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • 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
    • 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
    • G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06398—Performance of employee with respect to a job function

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种信息处理的方法及装置，电子设备及计算机可读存储介质，包括获取对象人员历史办理业务的历史业务信息，以及对象人员的历史行为信息，从历史业务信息中，获取预设的业务审核项对应的信息元素，以及从历史行为信息中，获取预设的行为审核项对应的信息元素，依据业务审核项对应的信息元素，生成第一特征向量，并将第一特征向量输入预设的第一审核模型，得到针对历史业务信息的业务审核结果，依据行为审核项对应的信息元素，生成第二特征向量，并将第二征向量输入预设的第二审核模型，得到针对历史行为信息的行为审核结果。应用本申请提供的技术方案，可以实现准确的对员工信息进行审核。

Description

信息处理的方法及装置、电子设备及计算机可读存储介质
技术领域
本申请涉及数据处理领域，尤其涉及一种信息处理的方法及装置、电子设备及计算机可读存储介质。
背景技术
企业在运营过程由于员工的业务操作违规，或者员工生活中涉及违法犯规的行为活动，若不能发现并对员工进行规范的管理，则给企业带来很大的风险。
目前，很多企业都是通过人工审核的方式，对收集到的员工的信息进行审核，以此确定员工是否存在业务操作违规，或者涉及违法犯规的行为活动，但是由于信息量较大，且人为审核的主观性，导致审核准确性低。所以，如何准确的对员工信息进行审核，以判断员工是否存在业务操作违规，或者涉及违法犯规的行为活动，成为了亟待解决的问题。
发明内容
本申请提供了一种信息审核的方法及装置、电子设备及计算机可读存储介质，目的在于解决如何准确的对员工信息进行审核的问题。
为了实现上述目的，本申请提供了以下技术方案：
一种信息处理的方法，包括：
获取对象人员历史办理业务的历史业务信息，以及所述对象人员的历史行为信息；
从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素；
依据所述业务审核项对应的信息元素，生成第一特征向量，并将所述第一特征向量输入预设的第一审核模型，得到针对所述历史业务信息的业务审核结果；所述第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
依据所述行为审核项对应的信息元素，生成第二特征向量，并将所述第二征向量输入预设的第二审核模型，得到针对所述历史行为信息的行为审核结果，所述第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
上述的方法，可选的，所述业务信息训练样本还包括预先标记所述业务审核项对应的信息元素的目标数据；所述行为信息训练样本还包括预先标记所述行为审核项对应的信息元素的目标数据。
上述的方法，可选的，所述从所述历史业务信息中，获取预设的业务审核项对应的信息元素，包括：
从所述历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将所述第一关键词作为所述历史业务信息的所述信息元素；任意一个所述第一数据知识点为预设的与所述业务审核项对应的知识点；所述第一关键词与所述第一数据知识点匹配包括，所述第一关键词与所述第一数据知识点的相似度达到第一阈值；
所述从所述历史行为信息中，获取预设的行为审核项对应的信息元素，包括：
从所述历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将所述第二关键词作为所述历史行为信息的所述信息元素；任意一个所述第二数据知识点为预设的与所述行为审核项对应的知识点，所述第二关键词与所述第二数据知识点匹配包括，所述第二关键词与所述第二数据知识点的相似度达到第二阈值。
上述的方法，可选的，从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素之前，还包括：
对所述历史业务信息，以及所述历史行为信息中包括的其他人员的身份信息进行匿名化处理，并输出进行所述匿名化处理后的所述历史业务信息以及所述历史行为信息。
上述的方法，可选的，所述第一审核模型以及所述第二审核模型为GA-BP神经网络模型，所述GA-BP神经网络模型基于BP神经网络模型预先建立得到；
基于BP神经网络预先建立所述GA-BP神经网络模型的过程，包括：
确定初始BP神经网络模型的输入层、隐层和输出层；
依据预设的样本数据和遗传算法对所述初始BP神经网络模型的输入层、隐层和输出层中每一层的初始权值和阈值进行训练学习，确定每一层最优的初始权值和阈值，得到优化后的BP神经网络模型；
将所述优化后的BP神经网络模型作为所述GA-BP神经网络模型。
一种信息处理的装置，包括：
第一获取单元，用于获取对象人员历史办理业务的历史业务信息，以及所述对象人员的历史行为信息；
第二获取单元，用于从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素；
第一输入单元，用于依据所述业务审核项对应的信息元素，生成第一特征向量，并将所述第一特征向量输入预设的第一审核模型，得到针对所述历史业务信息的业务审核结果；所述第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
第二输入单元，用于依据所述行为审核项对应的信息元素，生成第二特征向量，并将所述第二征向量输入预设的第二审核模型，得到针对所述历史行为信息的行为审核结果，所述第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
上述的装置，可选的，所述业务信息训练样本还包括预先标记所述业务审核项对应的信息元素的目标数据；
所述行为信息训练样本还包括预先标记所述行为审核项对应的信息元素的目标数据。
上述的装置，可选的，所述第一获取单元用于从所述历史业务信息中，获取预设的业务审核项对应的信息元素，包括，所述第一获取单元具体用于：
从所述历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将所述第一关键词作为所述历史业务信息的所述信息元素；任意一个所述第一数据知识点为预设的与所述业务审核项对应的知识点；所述第一关键词与所述第一数据知识点匹配包括，所述第一关键词与所述信息元素的相似度达到第一阈值；
所述第一获取单元用于从所述历史行为信息中，获取预设的行为审核项对应的信息元素，包括，所述第一获取单元具体用于：
从所述历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将所述第二关键词作为所述历史行为信息的所述信息元素；任意一个所述第二数据知识点为预设的与所述行为审核项对应的知识点，所述第二关键词与所述第二数据知识点匹配包括，所述第二关键词与所述第二数据知识点的相似度达到第二阈值。
一种电子设备，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，以实现上述的信息处理的方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述信息处理的方法。
本申请所述的方法及装置，获取对象人员历史办理业务的历史业务信息，以及对象人员的历史行为信息，从历史业务信息中，获取预设的业务审核项对应的信息元素，以及从历史行为信息中，获取预设的行为审核项对应的信息元素，依据业务审核项对应的信息元素，生成第一特征向量，并将第一特征向量输入预设的第一审核模型，得到针对历史业务信息的业务审核结果，依据行为审核项对应的信息元素，生成第二特征向量，并将第二征向量输入预设的第二审核模型，得到针对历史行为信息的行为审核结果。因为第一特征向量依据从对象人员的历史业务信息中获取的业务审核项对应的信息元素得到，所以，第一特征向量包含了与对象人员关联的业务审核项对应的信息元素的信息。因为第二征向量依据从对象人员的历史行为信息中获取的行为审核项对应的信息元素得到，所以，第二特征向量包含了与对象人员关联的行为审核项对应的信息元素的信息。且，第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到，第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到，所以可以在很大程度上确保第一审核模以及第二审核模型得到审核结果是准确的，实现了准确的对员工信息进行审核的目的。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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为本神申请实施例提供的一种信息处理的方法的流程图；
图2为本申请实施例提供的构建第一审核模型的方法的流程图；
图3为本申请实施例提供的一种信息处理的装置的结构示意图；
图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的一种信息处理的方法，包括以下步骤：
S101、获取对象人员历史办理业务的历史业务信息，以及对象人员的历史行为信息。
可以通过对象人员的身份特征信息，获取对象人员历史办理的历史业务信息，以及历史行为信息。历史业务信息包括对象人员为客户历史办理业务的业务内容，历史行为信息为对象人员历史参与活动的信息，可以包括活动内容，和活动形式等。
对象人员的历史业务信息，可以从本地业务办理平台获取得到，对象人员的历史行为信息可以通过第三方平台的可开放的数据接口获取得到。第三方平台预先存储对象人员的历史行为信息。
S102、从历史业务信息中，获取预设的业务审核项对应的信息元素。
业务审核项依据业务审核的目的预先设定，业务审核的目的不同，则业务审核项不同。本步骤的具体实施方式为：从历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将第一关键词作为历史审核项对应的信息元素。第一关键词与第一数据知识点匹配为，第一关键词与第一数据知识点的相似度达到第一阈值；
在第一数据库中，任意一个第一数据知识点为预设的与业务审核项对应的知识点，所以第一关键词与第一数据知识点匹配，则可将第一关键词作为业务审核项对应信息元素。
S103、从历史行为信息中，获取预设的行为审核项对应的信息元素。
行为审核项依据行为审核的目的预先设定，行为审核的目的不同，则行为审核项不同。本步骤的具体实施方式为：从历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将第二关键词作为历史行为信息的信息元素。第二关键词与第二数据知识点匹配为，第二关键词与第二数据知识点的相似度达到第二阈值；
在第二数据库中，任意一个第二数据知识点为预设的与行为审核项对应的知识点，所以第二关键词与第二数据知识点匹配，则可将第二关键词作为行为审核项对应信息元素。
S104、依据业务审核项对应的信息元素，生成第一特征向量。
按照预设的业务审核项对应的信息元素与特征向量转换规则，将业务审核项对应的信息元素转换为第一特征向量，得到第一特征向量。
S105、依据行为审核项对应的信息元素，生成第二特征向量。
按照预设的行为审核项对应的信息元素与特征向量转换规则，将行为审核项对应的信息元素转换为第二特征向量，得到第二特征向量。
S106、将第一特征向量输入预设的第一审核模型，得到针对历史业务信息的业务审核结果。
第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到，第一审核模型为GA-BP神经网络模型，GA-BP神经网络模型基于BP神经网络模型预先建立得到。训练得到第一审核模型的具体过程可以参考图2所示的流程。
为了进一步的提高第一审核模型的审核准确性，业务信息训练样本还包括预先标记业务审核项对应的信息元素的目标数据，也就是说，业务信息训练样本不仅预先标记业务审核结果，还标记业务信息训练样本中包括的业务审核项对应的信息元素，使第一审核模型在训练的过程中可以准确的识别业务信息训练样本中包括的业务审核项对应的信息元素，并针对信息元素得到准确的业务审核结果。使训练完成的第一审核模型具有更高的审核准确度。
S107、将第二征向量输入预设的第二审核模型，得到针对历史行为信息的行为审核结果。
第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到，第二审核模型可以是GA-BP神经网络模型，也可以是其他的神经网络模型。
同理，为了进一步的提高第二审核模型的审核准确性，行为信息训练样本还包括预先标记行为审核项对应的信息元素的目标数据，即行为信息训练样本不仅预先标记行为审核结果，还标记行为信息训练样本中包括的行为审核项对应的信息元素，使第二审核模型在训练的过程中可以准确的识别行为信息训练样本中包括的行为审核项对应的信息元素，并针对信息元素得到准确的行为审核结果，使训练完成的第二审核模型具有更高的审核准确度。
本实施例提供的方法，获取对象人员历史办理业务的历史业务信息，以及对象人员的历史行为信息，从历史业务信息中，获取预设的业务审核项对应的信息元素，以及从历史行为信息中，获取预设的行为审核项对应的信息元素，依据业务审核项对应的信息元素，生成第一特征向量，并将第一特征向量输入预设的第一审核模型，得到针对历史业务信息的业务审核结果，依据行为审核项对应的信息元素，生成第二特征向量，并将第二征向量输入预设的第二审核模型，得到针对历史行为信息的行为审核结果。因为第一特征向量依据从对象人员的历史业务信息中获取的业务审核项对应的信息元素得到，所以，第一特征向量包含了与对象人员关联的业务审核项对应的信息元素的信息。因为第二征向量依据从对象人员的历史行为信息中获取的行为审核项对应的信息元素得到，所以，第二特征向量包含了与对象人员关联的行为审核项对应的信息元素的信息。且，第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到，第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到，所以可以在很大程度上确保第一审核模以及第二审核模型得到审核结果是准确的，实现了准确的对员工信息进行审核的目的。
上述实施例中，为了保护历史业务信息和历史行为信息中涉及到其他人员的信息安全，在从历史业务信息中，获取预设的业务审核项对应的信息元素，以及从历史行为信息中，获取预设的行为审核项对应的信息元素之前，还包括：对历史业务信息，以及历史行为信息中包括的其他人员的身份信息进行匿名化处理，并输出进行匿名化处理后的历史业务信息以及历史行为信息，从而可以提高其他人员的信息安全性。
图2为构建第一审核模型的具体过程，可以包括以下步骤。
S201、获取业务信息训练样本。
S202、获取业务信息训练样本的特征信息。
特征信息为业务信息训练样本中包括的业务审核项对应的信息元素。
S203、确定由输入层、隐层和输出层构成的初始BP神经网络模型。
初始BP神经网络模型的输入层节点个数依据训练样本的特性信息确定，例如，将特征信息转换成对应的特征向量，将特征向量中包括参数的个数作为初始BP神经网络模型的输入层节点个数。
初始BP神经网络模型的输出层节点个数依据业务审核结果确定，例如，业务审核结果中，可以采用0表示审核通过，1表示审核不通过，则输出层节点个数设定为1个。初始BP神经网络模型的隐层节点个数基于试凑法确定，具体的实现方式可以参考现有技术。
可选的，根据kolmogorov原理，一个三层(输入层、隐层、和输出层)的BP神经网络模型足以完成任意的n维到m维的映射，所以，一般只需要采用一个隐层即可。其中，n和m为大于1的整数。
S204、依据预设的样本数据和遗传算法对初始BP神经网络模型的输入层、隐层和输出层中每一层的初始权值和阈值进行训练学习，确定每一层最优的初始权值和阈值，得到优化后的BP神经网络模型。
本步骤的具体实施例方式可以参考现有技术。
S205、将优化后的BP神经网络模型作为GA-BP神经网络模型。
本发明实施例提供方法，依据训练样本的特性信息确定输入层节点个数、依据审核结果确定输出层节点，采用试凑法确定隐层节点个数，从而确定初始BP神经网络模型的结构，通过遗传算法输出的最优个体作为初始BP神经网络初始权值和阈值进行BP神经网络训练和学习。基于预设的样本数据对GA-BP神经网络模型进行训练，从而得到优化后的BP神经网络模型。
需要说明的是，在第二审核模型为GA-BP神经网络模型的情况下，构建第二审核模型的思路与构建第一审核模型的相同，与图2所示的流程步骤对比，除了获取的训练样本为行为信息训练样本，获取的训练样本的特征信息为行为信息训练样本的特征信息之外，其他的流程步骤可参考图2，此处不再赘述。
图3为本申请实施例提供的一种信息处理的装置300的结构示意图，包括：
第一获取单元301，用于获取对象人员历史办理业务的历史业务信息，以及对象人员的历史行为信息；
第二获取单元302，用于从历史业务信息中，获取预设的业务审核项对应的信息元素，以及从历史行为信息中，获取预设的行为审核项对应的信息元素；
第一输入单元303，用于依据业务审核项对应的信息元素，生成第一特征向量，并将第一特征向量输入预设的第一审核模型，得到针对历史业务信息的业务审核结果；第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
第二输入单元304，用于依据行为审核项对应的信息元素，生成第二特征向量，并将第二征向量输入预设的第二审核模型，得到针对历史行为信息的行为审核结果，第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
可选的，业务信息训练样本还包括预先标记业务审核项对应的信息元素的目标数据；行为信息训练样本还包括预先标记行为审核项对应的信息元素的目标数据。
可选的，第一获取单元301从历史业务信息中，获取预设的业务审核项对应的信息元素的具体实现方式为：
从历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将第一关键词作为历史业务信息的信息元素；任意一个第一数据知识点为预设的与业务审核项对应的知识点；第一关键词与第一数据知识点匹配包括，第一关键词与信息元素的相似度达到第一阈值。
可选的，第一获取单元301历史行为信息中，获取预设的行为审核项对应的信息元素的具体实现方式为：
从历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将第二关键词作为历史行为信息的信息元素；任意一个第二数据知识点为预设的与行为审核项对应的知识点，第二关键词与第二数据知识点匹配包括，第二关键词与第二数据知识点的相似度达到第二阈值。
如图3所示，上述的装置300，还包括，处理单元305，用于对历史业务信息，以及历史行为信息中包括的其他人员的身份信息进行匿名化处理，并输出进行匿名处理后的历史业务信息以及历史行为信息。
如图3所示，上述的装置300，还包括，训练单元306，用于基于BP神经网络预先建立GA-BP神经网络模型，其中，第一审核模型以及第二审核模型为GA-BP神经网络模型，训练单元306基于BP神经网络预先建立GA-BP神经网络模型具体实现方式为：
确定初始BP神经网络模型的输入层、隐层和输出层；
依据预设的样本数据和遗传算法对初始BP神经网络模型的输入层、隐层和输出层中每一层的初始权值和阈值进行训练学习，确定每一层最优的初始权值和阈值，得到优化后的BP神经网络模型；
将优化后的BP神经网络模型作为GA-BP神经网络模型。
本申请实施例提供的装置，获取对象人员历史办理业务的历史业务信息，以及对象人员的历史行为信息，从历史业务信息中，获取预设的业务审核项对应的信息元素，以及从历史行为信息中，获取预设的行为审核项对应的信息元素，依据业务审核项对应的信息元素，生成第一特征向量，并将第一特征向量输入预设的第一审核模型，得到针对历史业务信息的业务审核结果，依据行为审核项对应的信息元素，生成第二特征向量，并将第二征向量输入预设的第二审核模型，得到针对历史行为信息的行为审核结果。因为第一特征向量依据从对象人员的历史业务信息中获取的业务审核项对应的信息元素得到，所以，第一特征向量包含了与对象人员关联的业务审核项对应的信息元素的信息。因为第二征向量依据从对象人员的历史行为信息中获取的行为审核项对应的信息元素得到，所以，第二特征向量包含了与对象人员关联的行为审核项对应的信息元素的信息。且，第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到，第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到，所以可以在很大程度上确保第一审核模以及第二审核模型得到审核结果是准确的，实现了准确的对员工信息进行审核的目的。
本发明实施例还提供了一种电子设备400，其结构示意图如图4所示，具体包括：处理器401和存储器402，存储器402用于存储程序；处理器401用于运行程序，以执行本申请信息处理的方法，及执行以下步骤：
获取对象人员历史办理业务的历史业务信息，以及所述对象人员的历史行为信息；
从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素；
依据所述业务审核项对应的信息元素，生成第一特征向量，并将所述第一特征向量输入预设的第一审核模型，得到针对所述历史业务信息的业务审核结果；所述第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
依据所述行为审核项对应的信息元素，生成第二特征向量，并将所述第二征向量输入预设的第二审核模型，得到针对所述历史行为信息的行为审核结果，所述第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
可选的，所述业务信息训练样本还包括预先标记所述业务审核项对应的信息元素的目标数据；所述行为信息训练样本还包括预先标记所述行为审核项对应的信息元素的目标数据。
可选的，所述从所述历史业务信息中，获取预设的业务审核项对应的信息元素，包括：
从所述历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将所述第一关键词作为所述历史业务信息的所述信息元素；任意一个所述第一数据知识点为预设的与所述业务审核项对应的知识点；所述第一关键词与所述第一数据知识点匹配包括，所述第一关键词与所述第一数据知识点的相似度达到第一阈值；
所述从所述历史行为信息中，获取预设的行为审核项对应的信息元素，包括：
从所述历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将所述第二关键词作为所述历史行为信息的所述信息元素；任意一个所述第二数据知识点为预设的与所述行为审核项对应的知识点，所述第二关键词与所述第二数据知识点匹配包括，所述第二关键词与所述第二数据知识点的相似度达到第二阈值。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行本申请提供的信息处理的方法，即执行以下步骤：
获取对象人员历史办理业务的历史业务信息，以及所述对象人员的历史行为信息；
从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素；
依据所述业务审核项对应的信息元素，生成第一特征向量，并将所述第一特征向量输入预设的第一审核模型，得到针对所述历史业务信息的业务审核结果；所述第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
依据所述行为审核项对应的信息元素，生成第二特征向量，并将所述第二征向量输入预设的第二审核模型，得到针对所述历史行为信息的行为审核结果，所述第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
可选的，所述业务信息训练样本还包括预先标记所述业务审核项对应的信息元素的目标数据；所述行为信息训练样本还包括预先标记所述行为审核项对应的信息元素的目标数据。
可选的，所述从所述历史业务信息中，获取预设的业务审核项对应的信息元素，包括：
从所述历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将所述第一关键词作为所述历史业务信息的所述信息元素；任意一个所述第一数据知识点为预设的与所述业务审核项对应的知识点；所述第一关键词与所述第一数据知识点匹配包括，所述第一关键词与所述第一数据知识点的相似度达到第一阈值；
所述从所述历史行为信息中，获取预设的行为审核项对应的信息元素，包括：
从所述历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将所述第二关键词作为所述历史行为信息的所述信息元素；任意一个所述第二数据知识点为预设的与所述行为审核项对应的知识点，所述第二关键词与所述第二数据知识点匹配包括，所述第二关键词与所述第二数据知识点的相似度达到第二阈值。
本申请实施例方法所述的功能如果以软件功能单元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设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种信息处理的方法，其特征在于，包括：
获取对象人员历史办理业务的历史业务信息，以及所述对象人员的历史行为信息；
从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素；
依据所述业务审核项对应的信息元素，生成第一特征向量，并将所述第一特征向量输入预设的第一审核模型，得到针对所述历史业务信息的业务审核结果；所述第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
依据所述行为审核项对应的信息元素，生成第二特征向量，并将所述第二征向量输入预设的第二审核模型，得到针对所述历史行为信息的行为审核结果，所述第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
2.根据权利要求1所述的方法，其特征在于，所述业务信息训练样本还包括预先标记所述业务审核项对应的信息元素的目标数据；
所述行为信息训练样本还包括预先标记所述行为审核项对应的信息元素的目标数据。
3.根据权利要求1所述的方法，其特征在于，所述从所述历史业务信息中，获取预设的业务审核项对应的信息元素，包括：
从所述历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将所述第一关键词作为所述历史业务信息的所述信息元素；任意一个所述第一数据知识点为预设的与所述业务审核项对应的知识点；所述第一关键词与所述第一数据知识点匹配包括，所述第一关键词与所述第一数据知识点的相似度达到第一阈值；
所述从所述历史行为信息中，获取预设的行为审核项对应的信息元素，包括：
从所述历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将所述第二关键词作为所述历史行为信息的所述信息元素；任意一个所述第二数据知识点为预设的与所述行为审核项对应的知识点，所述第二关键词与所述第二数据知识点匹配包括，所述第二关键词与所述第二数据知识点的相似度达到第二阈值。
4.根据权利要求1所述的方法，其特征在于，从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素之前，还包括：
对所述历史业务信息，以及所述历史行为信息中包括的其他人员的身份信息进行匿名化处理，并输出进行所述匿名化处理后的所述历史业务信息以及所述历史行为信息。
5.根据权利要求1所述的方法，其特征在于，所述第一审核模型以及所述第二审核模型为GA-BP神经网络模型，所述GA-BP神经网络模型基于BP神经网络模型预先建立得到；
基于BP神经网络预先建立所述GA-BP神经网络模型的过程，包括：
确定初始BP神经网络模型的输入层、隐层和输出层；
依据预设的样本数据和遗传算法对所述初始BP神经网络模型的输入层、隐层和输出层中每一层的初始权值和阈值进行训练学习，确定每一层最优的初始权值和阈值，得到优化后的BP神经网络模型；
将所述优化后的BP神经网络模型作为所述GA-BP神经网络模型。
6.一种信息处理的装置，其特征在于，包括：
第一获取单元，用于获取对象人员历史办理业务的历史业务信息，以及所述对象人员的历史行为信息；
第二获取单元，用于从所述历史业务信息中，获取预设的业务审核项对应的信息元素，以及从所述历史行为信息中，获取预设的行为审核项对应的信息元素；
第一输入单元，用于依据所述业务审核项对应的信息元素，生成第一特征向量，并将所述第一特征向量输入预设的第一审核模型，得到针对所述历史业务信息的业务审核结果；所述第一审核模型依据至少预先标记业务审核结果的业务信息训练样本训练得到；
第二输入单元，用于依据所述行为审核项对应的信息元素，生成第二特征向量，并将所述第二征向量输入预设的第二审核模型，得到针对所述历史行为信息的行为审核结果，所述第二审核模型依据至少预先标记行为审核结果的行为信息训练样本训练得到。
7.根据权利要求6所述的装置，其特征在于，所述业务信息训练样本还包括预先标记所述业务审核项对应的信息元素的目标数据；
所述行为信息训练样本还包括预先标记所述行为审核项对应的信息元素的目标数据。
8.根据权利要求6所述的装置，其特征在于，所述第一获取单元用于从所述历史业务信息中，获取预设的业务审核项对应的信息元素，包括，所述第一获取单元具体用于：
从所述历史业务信息识别与预设的第一数据库中的第一数据知识点匹配的第一关键词，并将所述第一关键词作为所述历史业务信息的所述信息元素；任意一个所述第一数据知识点为预设的与所述业务审核项对应的知识点；所述第一关键词与所述第一数据知识点匹配包括，所述第一关键词与所述信息元素的相似度达到第一阈值；
所述第一获取单元用于从所述历史行为信息中，获取预设的行为审核项对应的信息元素，包括，所述第一获取单元具体用于：
从所述历史行为信息识别与预设的第二数据库的第二数据知识点匹配的第二关键词，并将所述第二关键词作为所述历史行为信息的所述信息元素；任意一个所述第二数据知识点为预设的与所述行为审核项对应的知识点，所述第二关键词与所述第二数据知识点匹配包括，所述第二关键词与所述第二数据知识点的相似度达到第二阈值。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储程序；所述处理器用于运行所述程序，以实现权利要求1-5任一项所述的信息处理的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行权利要求1-5任一项所述信息处理的方法。
CN202010598443.0A 2020-06-28 2020-06-28 信息处理的方法及装置、电子设备及计算机可读存储介质 Active CN111754195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010598443.0A CN111754195B (zh) 2020-06-28 2020-06-28 信息处理的方法及装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010598443.0A CN111754195B (zh) 2020-06-28 2020-06-28 信息处理的方法及装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111754195A true CN111754195A (zh) 2020-10-09
CN111754195B CN111754195B (zh) 2023-08-29

Family

ID=72677609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010598443.0A Active CN111754195B (zh) 2020-06-28 2020-06-28 信息处理的方法及装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111754195B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307047A (zh) * 2020-10-29 2021-02-02 中国平安财产保险股份有限公司 生产问题处理方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509458A (zh) * 2017-02-28 2018-09-07 阿里巴巴集团控股有限公司 一种业务对象识别方法及装置
US20200074509A1 (en) * 2018-08-31 2020-03-05 Baidu Online Network Technology (Beijing) Co., Ltd. Business data promotion method, device, terminal and computer-readable storage medium
CN111080444A (zh) * 2019-12-31 2020-04-28 中国银行股份有限公司 信息审核方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509458A (zh) * 2017-02-28 2018-09-07 阿里巴巴集团控股有限公司 一种业务对象识别方法及装置
US20200074509A1 (en) * 2018-08-31 2020-03-05 Baidu Online Network Technology (Beijing) Co., Ltd. Business data promotion method, device, terminal and computer-readable storage medium
CN111080444A (zh) * 2019-12-31 2020-04-28 中国银行股份有限公司 信息审核方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307047A (zh) * 2020-10-29 2021-02-02 中国平安财产保险股份有限公司 生产问题处理方法、装置、设备和存储介质
CN112307047B (zh) * 2020-10-29 2023-07-14 中国平安财产保险股份有限公司 生产问题处理方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN111754195B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
Butterworth The ICO and artificial intelligence: The role of fairness in the GDPR framework
US10521748B2 (en) Retention risk determiner
CN108665159A (zh) 一种风险评估方法、装置、终端设备及存储介质
Sahu et al. Establishing green supplier appraisement platform using grey concepts
CN112860841B (zh) 一种文本情感分析方法、装置、设备及存储介质
CN111754044B (zh) 员工行为审计方法、装置、设备及可读存储介质
CN113051291A (zh) 工单信息的处理方法、装置、设备及存储介质
CN111192133A (zh) 用户贷后风险模型生成方法、装置及电子设备
CN114117029B (zh) 一种基于多层次信息增强的解决方案推荐方法及系统
CN112990989B (zh) 价值预测模型输入数据生成方法、装置、设备和介质
CN111191889A (zh) 一种基于逻辑回归与投票式模型集成的评分卡开发方法
CN113011961B (zh) 公司关联信息风险监测方法、装置、设备及存储介质
CN111754195A (zh) 信息处理的方法及装置、电子设备及计算机可读存储介质
CN111222923B (zh) 一种判断潜在客户的方法及装置、电子设备和存储介质
CN111353728A (zh) 一种风险分析方法和系统
CN115760454A (zh) 一种基于循环宽度学习的财务舞弊识别方法
CN114841239A (zh) 基于机器学习的上市公司财务异常分析方法
CN115471148A (zh) 数据处理方法、装置、设备及存储介质
CN113177840A (zh) 一种客户风险的识别方法及装置
Parthasarathy et al. A framework for managing ethics in data science projects
CN109919811B (zh) 基于大数据的保险代理人培养方案生成方法及相关设备
CN113537577A (zh) 收入预测方法、系统、电子设备和计算机可读存储介质
CN112116358A (zh) 一种交易欺诈行为的预测方法、装置及电子设备
CN116596709B (zh) 一种辅助审判方法、装置、设备及存储介质
Hatefi A model for measuring success of an organisational management system

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
GR01 Patent grant
GR01 Patent grant