CN111882418A - 一种金融行为有效性的识别方法及装置 - Google Patents
一种金融行为有效性的识别方法及装置 Download PDFInfo
- Publication number
- CN111882418A CN111882418A CN202010299965.0A CN202010299965A CN111882418A CN 111882418 A CN111882418 A CN 111882418A CN 202010299965 A CN202010299965 A CN 202010299965A CN 111882418 A CN111882418 A CN 111882418A
- Authority
- CN
- China
- Prior art keywords
- value
- behavior
- financial
- emotion
- time
- 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 56
- 230000006399 behavior Effects 0.000 claims abstract description 381
- 230000008451 emotion Effects 0.000 claims abstract description 161
- 230000007613 environmental effect Effects 0.000 claims abstract description 57
- 230000000694 effects Effects 0.000 claims description 27
- 230000002996 emotional effect Effects 0.000 claims description 27
- 230000008918 emotional behaviour Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 19
- 230000008560 physiological behavior Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 208000001431 Psychomotor Agitation Diseases 0.000 description 2
- 206010038743 Restlessness Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Child & Adolescent Psychology (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例提供一种金融行为有效性的识别方法及装置,该方法包括:获取用户的实时行为数据,实时行为数据对应用户的至少一种金融行为;根据实时行为数据,确定用户在申请金融行为时情感行为的情感综合值和环境安全值;根据情感综合值和环境安全值,确定金融行为的有效性。本发明实施例中,可以通过用户申请金融行为时的行为数据,识别该金融行为是否有效,提高金融行为申请的准确度,降低金融事故的发生率。
Description
技术领域
本发明实施例涉及数据处理技术领域,特别涉及一种金融行为有效性的识别方法及装置。
背景技术
随着国家大力提倡发展普惠金融,各金融机构响应央行号召对普惠金融加大推广力度,大众对普惠金融的应用越加广泛,金融机构采用互联网的模式大力推广金融产品,个人客户使用终端网络在线实现金融产品需求的申请,金融机构使用互联网自动化系统实现业务申请的审核,从而来降低金融机构成本。
在实际应用场景中存在强迫性金融行为,例如客户受他人胁迫而进行大额取款、贷款等金融行为,此类金融行为属于无效金融行为,会对客户和金融机构造成经济损失,导致金融事故的发生。
发明内容
本发明实施例提供一种金融行为有效性的识别方法及装置,解决现有技术无法准确判断金融行为的有效性的问题。
第一方面,本发明实施例提供一种金融行为有效性的识别方法,所述方法包括:
获取用户的实时行为数据,所述实时行为数据对应所述用户申请的至少一种金融行为;
根据所述实时行为数据,确定所述用户在申请所述金融行为时情感行为的情感综合值和环境安全值;
根据所述情感综合值和所述环境安全值,确定所述金融行为是否有效。
可选地,所述根据所述情感综合值和所述环境安全值,确定所述金融行为的有效性,包括:
判断所述环境安全值是否小于环境安全阈值;
若所述环境安全值不小于所述环境安全阈值,则确定所述金融行为无效;
若所述环境安全值小于所述环境安全阈值,则判断所述情感综合值是否大于情感综合阈值;
若所述情感综合值不大于所述情感综合阈值,则确定所述金融行为无效;
若所述情感综合值大于所述情感综合阈值,则确定所述金融行为有效。
可选地,在所述根据所述情感综合值和所述环境安全值,确定所述金融行为的有效性之前,所述方法还包括:
获取所述用户的历史行为数据;
确定所述实时行为数据和所述历史行为数据的匹配值;
在判断所述情感综合值大于所述情感综合阈值之后,根据所述匹配值,判断所述金融行为是否有效。
可选地,所述匹配值包括以下一项或多项:心率匹配值、时间匹配值、情感匹配值以及行为匹配值,所述心率匹配值用于表示当前心率值与历史心率值之间的匹配度,所述时间匹配值用于表示当前金融行为的时间与历史金融行为的时间之间的匹配度,所述情感匹配值用于表示当前情感行为的情感值与历史情感行为的情感值之间的匹配度,行为匹配值用于表示当前金融行为的行为类型与历史金融行为的行为类型之间的匹配度;
所述根据所述匹配值,判断所述金融行为是否有效,包括:
判断所述金融行为是否为首次金融行为;
如果所述金融行为是首次金融行为,所述情感匹配值大于情感匹配阈值且所述行为匹配值大于行为匹配阈值,则确定所述金融行为有效;
如果所述金融行为不是首次金融行为,所述心率匹配值大于心率匹配阈值且所述时间匹配值大于时间匹配阈值,则确定所述金融行为有效。
可选地,所述根据所述实时行为数据,确定所述用户在申请所述金融行为时情感行为的情感综合值,包括:
根据所述实时行为数据中的心率数据、视频数据和语音数据,分别确定所述用户的生理行为的情感值、所述用户的表情行为的情感值和所述用户的语音行为的情感值;
其中,SA为所述情感综合值;PS为所述生理行为的情感值;ES为所述表情行为的情感值;VS为所述语音行为的情感值;P%为所述生理行为的判定占比;E%为所述表情行为的判定占比;V%为所述语音行为的判定占比;X1为情感值上限。
可选地,所述根据所述实时行为数据,确定环境安全值,包括:
根据所述实时行为数据中的语音数据,确定在所述用户申请所述金融行为过程中采集的声纹数量和/或敏感词汇数量;
根据所述实时行为数据中的视频数据,确定在所述用户申请所述金融行为过程中采集的人脸数量;
其中,OA为所述情感综合值;vp为所述声纹数量;vo为所述敏感词汇数量;fa为所述人脸数量;vps%为所述声纹数量的判定占比;vos%为所述敏感词汇数量的判定占比;fas%为所述人脸数量的判定占比;X2为环境值的极限值。
可选地,确定所述实时行为数据和所述历史行为数据的匹配值,包括:
其中,Y为所述匹配值;Y1为历史值;Y2为当前值。
第二方面,本发明实施例提供一种金融行为有效性的识别装置,包括:
第一获取模块,用于获取用户的实时行为数据,所述实时行为数据对应所述用户的至少一种金融行为;
第一确定模块,用于根据所述实时行为数据,确定用户在申请所述金融行为时所述用户的情感行为的情感综合值和环境安全值;
第二确定模块,用于根据所述情感综合值和所述环境安全值,确定所述金融行为是否有效。
第三方面,本发明实施例提供一种金融行为有效性的识别装置,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如第一方面所述的金融行为有效性的识别方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的金融行为有效性的识别方法的步骤。
本发明实施例中,基于用户的实时行为数据,确定用户在申请金融行为时情感行为的情感综合值和环境安全值,并根据该情感综合值和环境安全值,确定用户申请的金融行为的有效性。这样,可以通过用户申请金融行为时的行为数据,识别该金融行为是否有效,提高金融行为申请的准确度,降低金融事故的发生率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明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,下面描述中的附图仅仅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为本发明实施例提供的金融行为有效性的识别方法流程示意图之一;
图2为本发明实施例提供的金融行为有效性判断的流程示意图;
图3为本发明实施例提供的金融行为有效性的识别方法流程示意图之二;
图4为本发明实施例提供的金融行为有效性的识别装置的结构示意图之一;
图5为本发明实施例提供的金融行为有效性的识别装置的结构示意图之二。
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,都属于本发明保护的范围。
在本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将相同名称区分开来,而不是暗示这些名称之间的关系或者顺序。
本发明实施例提供一种金融行为有效性的识别方法,该金融行为有效性的识别装置,可以是金融机构的服务器,其能够接收用户的金融行为申请,并予以审核,实现线上金融交易,以下均以金融行为有效性的识别装置是服务器为例进行描述。
参见图1,该方法的具体步骤如下:
步骤101:获取用户的实时行为数据,该实时行为数据对应用户的至少一种金融行为;
上述金融行为指的是与金融活动相关的行为,例如:存取款、贷款、购买理财项目等。
在本发明实施例中,实时行为数据用于反映用户在申请金融行为时的各种情感行为状态,例如该实时行为数据可以包括用户的心率数据、视频数据、语音数据等,该情感行为可以包括生理行为、表情行为、语音行为等。
上述获取实时行为数据的具体流程可以是在用户通过终端(例如手机、电脑等)申请金融行为时,由终端向服务器发送金融行为的请求消息,服务器在接收到该请求消息后,指示终端采集用户的实时行为数据,并将采集的实时行为数据发送给服务器。
终端采集实时行为数据可以采用现有的采集方法,以手机为例,对于心率数据的采集,用户可以将手指放置在后置摄像头前,由摄像头获取手指的颜色变化,进而确定出用户的心率;对于视频数据的采集,可以通过前置摄像头在用户进行金融行为申请时获取用户图像,对该图像进行识别可以获取到用户的表情数据以及图像中的人脸数量等;对于语音数据的采集,可以通过麦克风接收用户进行金融行为申请时的语音,对该语音进行识别可以获取语音中的声纹数量以及语音内容中的敏感词数量(敏感词可以是预设的带有强迫性含义的词汇)等。
步骤102:根据实时行为数据,确定用户在申请金融行为时用户的情感行为的情感综合值和环境安全值;
上述情感综合值用于反映用户在进行金融行为申请时的各类情感行为的情感状态。
环境安全值用于反映用户在实际生产生活的过程中,外部环境对用户人身安全造成的危害程度。在本申请中,即用于反映用户在进行金融行为申请时,外部环境对用户人身安全造成的危害程度。
在本发明实施例中,基于用户的实时行为数据,计算出用户在申请金融行为时的情感行为的情感综合值以及当前环境安全值。通过情感综合值可以判断用户当前的情感状态是否为处于受胁迫状态,以确定当前的金融行为是否为强迫性金融行为,从而确定当前的金融行为是否有效;通过环境安全值可以判断用户是否处于安全的环境中,进而判断当前的金融行为是否处在安全的环境下,从而确定当前的金融行为是否有效。
在一些实施方式中,上述情感综合值和环境安全值的确定过程可以通过云计算平台实现,即服务器可以将获取的实时行为数据发送给云计算平台,由云计算平台进行数据分析和计算,并将计算结果返回给服务器。
可以理解的是,情感综合值和环境安全值的计算也可以由服务器自身计算得到,本发明实施例情感综合值和环境安全值的计算位置不做具体限定。
在本发明实施例中根据实时行为数据,确定在申请金融行为时用户的情感行为的情感综合值的具体方式如下:
根据实时行为数据中的心率数据确定用户的生理行为的情感值;
根据实时行为数据中的视频数据确定用户的表情行为的情感值;
根据实时行为数据中的语音数据确定用户的语音行为的情感值;
上述生理行为的情感值用于表示用户在进行金融行为申请时,在生理方面展现的情感状态;
表情行为的情感值用于表示用户在进行金融行为申请时,在表情方面展现的情感状态;
语音行为的情感值用于表示用户在进行金融行为申请时,在声音方面展现的情感状态;
上述对各类情感行为的情感值计算,可以通过现有的人工智能(ArtificialIntelligence,AI)算法实现,通过用户的行为数据以安全与健康的价值层次划分出多个情感状态,并对每个情感状态赋予具体的量化数值,即情感值。
表1示出一种情感状态与数值之间的对应关系,其中分为六个层次:安逸、快活、舒适、担心、不安、恐惧,相应的数值由高至低设置。
情感状态 | 数值 |
安逸 | 5 |
快活 | 4 |
舒适 | 3 |
担心 | 2 |
不安 | 1 |
恐惧 | 0 |
表1
需要说明的是,上述表1仅为举例说明,在实际应用过程中,情感状态的种类划分可以为其他数量,例如划分为5种、8种、10种等,相应地,与情感状态对应的数值范围也可以包括负数,例如:-4至4、-3至7等,本发明实施例对此不做具体限定。
其中,SA为情感综合值;PS为生理行为的情感值;ES为表情行为的情感值;VS为语音行为的情感值;P%为生理行为的判定占比;E%为表情行为的判定占比;V%为语音行为的判定占比;X1为情感值上限,即在将不同的情感状态量化为具体数值后,X1取这些量化数值中的最大值,使X1对应用户最舒服的情感状态,以表1为例,X1=5,对应情感状态为安逸。
上述各数值可以表格形式进行记录,例如表2所示:
表2
需要说明的是,上述各情感行为的判定占比之和应当为100%,即P%+E%+V%=100%。
在本发明实施例中根据实时行为数据,确定在申请金融行为时的环境安全值的具体方式如下:
根据实时行为数据中的语音数据确定在用户申请金融行为过程中采集的声纹数量和/或敏感词汇数量;
根据实时行为数据中的视频数据确定在用户申请金融行为过程中采集的人脸数量;
其中,OA为情感综合值;vp为声纹数量;vo为敏感词汇数量;fa为人脸数量;vps%为声纹数量的判定占比;vos%为敏感词汇数量的判定占比;fas%为人脸数量的判定占比;X2为环境值的极限值,具体地,该X2为vp×vps%+vo×vos%+fa×fas%的极限值。
上述各数值可以表格形式进行记录,例如表3所示:
类别 | 数量 | 数量上限 | 判定占比 |
声纹数量 | vp | 10 | vps% |
敏感词汇数量 | vo | 10 | vos% |
人脸数量 | fa | 10 | fas% |
表3
需要说明的是,上述各判定占比之和应当为100%,即vps%+vos%+fas%=100%。表3中以数量上限为10为例,即X2=10,可以理解的是该X2也可以是其他数值,优选地,X2的取值范围是5-10,最佳值为10。
步骤103:根据情感综合值和环境安全值,确定金融行为是否有效;
在本发明实施例中,基于计算出的情感综合值和环境安全值,判断用户当前进行的金融行为申请是否出于个人意愿,即是否属于强迫性金融行为,从而确定该金融行为的有效性,对于有效的金融行为则予以审核通过,对于无效的金融行为则不予审核通过,从而避免在强迫性金融行为场景下造成的经济损失。
可选地,将金融行为是否有效的结果反馈给用户。
在一些实施方式中,根据情感综合值和环境安全值,确定金融行为是否有效包括:
步骤1031:判断环境安全值是否小于环境安全阈值,若是则执行步骤1032:,否则执行步骤1034;
在本发明实施例中,首先判断用户进行金融行为申请时的环境是否安全,具体地,判断环境安全值是否小于预设的环境安全阈值,若不小于环境安全阈值,则确定金融行为无效;若小于环境安全阈值,则继续对用户的情感状态进行判断。
步骤1032:判断情感综合值是否大于情感综合阈值,若是则执行步骤1033,否则执行步骤1034;
在本发明实施例中,通过情感综合值确定用户在进行金融行为申请时的情感状态,从而判断当前的金融行为是否为强迫性金融行为,具体地,判断情感综合值是否大于预设的情感综合阈值,若不大于情感综合阈值,则确定金融行为无效;若大于情感综合阈值,则确定金融行为有效。
步骤1033:确定金融行为有效;
步骤1034:确定金融行为无效。
本发明实施例中,基于用户的实时行为数据,确定用户在申请金融行为时情感行为的情感综合值和环境安全值,并根据该情感综合值和环境安全值,确定用户申请的金融行为的有效性。这样,可以通过用户申请金融行为时的行为数据,识别该金融行为是否有效,提高金融行为申请的准确度,降低金融事故的发生率。
下面结合具体示例对本发明的实施方式进行描述:
假设一个用户通过智能手机向借钱APP申请消费贷款一万元,智能手机采集用户申请过程中的实时行为数据,并发送给金融机构的服务器,服务器将该实时行为数据发送到互联网AI云计算平台进行数据分析和计算,得到情感综合值和环境安全值,具体计算过程如下:
基于实时行为数据计算环境安全值,具体如表4所示:
类别 | 数量 | 判定占比 |
声纹数量 | 1 | 10% |
敏感词汇数量 | 0 | 30% |
人脸数量 | 1 | 60% |
表4
进行环境安全值(OA)计算:
基于实时行为数据计算情感综合值,首先计算各情感行为的情感值,具体如表5所示:
情感行为 | 情感状态 | 数值 |
表情行为 | 舒适 | 3 |
语音行为 | 不安 | 1 |
生理行为 | 恐惧 | 0 |
表5
需要说明的是,不同的情感状态对应的情感值是预先设定,在本发明实施例中,情感状态与情感值的对应关系按照表1所示对应关系设定,即上述表5中情感状态的对应的数值是按照表1中所示对应关系确定的。
然后设置各情感行为对应的判定占比,具体如表6所示:
情感行为 | 判定占比 |
表情行为 | 10% |
语音行为 | 30% |
生理行为 | 60% |
表6
最后进行情感综合值(SA)计算:
预先设置的环境安全阈值为1、情感综合阈值为1,首先判断确定环境安全值小于环境安全阈值,然后判断确定情感综合值小于情感综合阈值,因此确定金融行为无效,相应地金融机构不予通过本次消费贷款申请。
在一些实施方式中,在上述根据情感综合值和环境安全值,确定金融行为是否有效(步骤103)之前,方法还包括:获取用户的历史行为数据;确定实时行为数据和历史行为数据的匹配值;
在本发明实施例中,历史行为数据指的是在用户以往进行金融行为申请时,采集的用户行为数据,该历史行为数据是用户在使用终端时由终端采集并存储,服务器从终端获取用户的历史行为数据,并将在当前金融行为申请时采集的实时行为数据与该历史行为数据进行比对,确定出实时行为数据和历史行为数据的匹配值。
上述匹配值包括以下一项或多项:心率匹配值(HM)、时间匹配值(TM)、情感匹配值(HE)以及行为匹配值(HB)。
其中,心率匹配值用于表示当前心率值与历史心率值之间的匹配度,时间匹配值用于表示当前金融行为的时间与历史金融行为的时间之间的匹配度,情感匹配值用于表示当前情感行为的情感值与历史情感行为的情感值之间的匹配度,行为匹配值用于表示当前金融行为的行为类型与历史金融行为的行为类型之间的匹配度。
心率匹配值能够反映历史运动数据与当前金融行为过程中运动状态相似时心率数据的匹配度,历史心率值取以往所有数据的均值。
时间匹配值能够反映历史阶段进行金融行为申请(例如在终端上使用金融应用程序)的时间范围与当前进行金融行为申请的时间匹配度,历史值取以往所有数据的均值。
情感匹配值可以是当前表情行为、语音行为,生理行为情感值与历史比较相差最大的匹配度。历史行为情感值取以往金融行为过程中的均值。
行为匹配值为当前金融行为时间、行为类型与历史金融行为时间规律比较,历史值取以往所有数据的均值。
上述各数值可以表格形式进行记录,例如表7所示:
表7
上述各匹配值的数值可以百分比的形式表示。
在本发明实施例中确定实时行为数据和历史行为数据的匹配值的具体方式如下:
其中,Y为匹配值;Y1为历史值;Y2为当前值。
具体地,针对上述每一种类型的匹配值均需要进行实时行为数据和历史行为数据的匹配计算,即Y可以是心率匹配值、时间匹配值等,相应地,当Y是心率匹配值时,对应Y1为历史心率值,Y2为当前心率值,其他类型同理,在此不再复述。
进一步地,在前述确定金融行为的有效性的子步骤1032中,在判断情感综合值大于情感综合阈值之后,根据实时行为数据和历史行为数据的匹配值,判断金融行为是否有效。
在本发明实施例中,结合历史行为数据对用户的金融行为申请做进一步确认,提高金融行为有效性的识别准确度
具体地,参见图2,图中示出了金融行为有效性判断的流程,具体如下:
步骤201:判断环境安全值(OA)是否小于环境安全阈值(OABi),若是执行步骤202,否则执行步骤209;
步骤202:判断情感综合值(SA)是否大于情感综合阈值(SABi),若是执行步骤203,否则执行步骤209;
在本发明实施例中,首先根据用户的实时行为数据计算出OA与SA,然后分别对OA与OABi,以及SA与SABi进行比较。在确定SA大于SABi后,将实时行为数据与历史行为数据进行比较,根据实时行为数据与历史行为数据之间的匹配值,确定金融行为是否有效。
步骤203:判断是否为首次金融行为,若是执行步骤204,否则执行步骤206;
步骤204:判断情感匹配值(HE)是否大于情感匹配阈值(HEBi),若是执行步骤205,否则执行步骤209;
步骤205:判断行为匹配值(HB)是否大于行为匹配阈值(HBBi),若是执行步骤208,否则执行步骤209;
步骤206:判断心率匹配值(HM)是否大于心率匹配阈值(HMBi),若是执行步骤207,否则执行步骤209;
步骤207:判断时间匹配值(TM)是否大于时间匹配阈值(TMBi),若是执行步骤208,否则执行步骤209。
在本发明实施例中,判断金融行为是否为首次金融行为;
在金融行为是首次金融行为,情感匹配值大于情感匹配阈值且行为匹配值大于行为匹配阈值的情况下,确定金融行为有效;
在金融行为不是首次金融行为,心率匹配值大于心率匹配阈值且时间匹配值大于时间匹配阈值的情况下,确定金融行为有效。
根据用户当前申请的金融行为是否为第一次金融行为,选取不同的匹配值作为判断依据,从而针对不同场景均能准确判断用户申请的金融行为是否有效。
步骤208:确定金融行为有效;
步骤209:确认金融行为无效。
本发明实施例中,通过用户申请金融行为的实时行为数据,以及用户以往申请金融行为的历史行为数据,识别该金融行为是否有效,提高金融行为申请的准确度,降低金融事故的发生率。
参见图3,结合用户、终端、服务器之间的交互对本发明实施例的方法进行描述:
(1)用户开启终端上金融APP。
(2)开始收集用户语音信息,从开启APP时开始采集语音数据,确保对整个金融行为申请过程中的语音数据进行收集。
(3)用户通过终端使用APP向金融机构进行金融行为申请。
(4)智能终端向金融机构服务请求金融服务。
(5)金融机构的服务器在条件允许的情况下接收请求。
(6)服务器响应终端,请求进行行为数据采集。
(7)终端向用户申请采集用户行为数据,例如:向用户申请开启摄像头头并获取视频数据,以及向用户申请采集用户心率数据等。可选地,该申请可以是终端提示用户在心率数据采集过程正确情况下视频录制自愿告诉进行金融行为。
(8)终端将采集的实时行为数据(视频数据、语音数据、心率数据等),以及历史行为数据(运动历史数据、心率历史数据等)发送到服务器。
(9)服务器向互联网AI云计算平台请求实时行为数据分析。
(10)云计算平台按安全与健康层次分析情感行为数据,并将计算出的各类情感行为的情感值发送给服务器。
(11)服务器进行实时行为数据与历史行为数据的比较。
(12)服务器进行金融行为有效性判断,并基于判断结果允许或拒绝该金融行为申请。
(13)服务器将金融行为有效性结果发送给终端。
(14)终端将金融行为有效性结果提供给客户。
本发明实施例中,基于用户的实时行为数据,确定用户在申请金融行为时情感行为的情感综合值和环境安全值,并根据该情感综合值和环境安全值,确定用户申请的金融行为的有效性。这样,可以通过用户申请金融行为时的行为数据,识别该金融行为是否有效,提高金融行为申请的准确度,降低金融事故的发生率。
参见图4,本发明实施例提供一种金融行为有效性的识别装置400,包括:
第一获取模块401,用于获取用户的实时行为数据,所述实时行为数据对应所述用户的至少一种金融行为;
第一确定模块402,用于根据所述实时行为数据,确定所述用户在申请所述金融行为时所述用户的情感行为的情感综合值和环境安全值;
第二确定模块403,用于根据所述情感综合值和所述环境安全值,确定所述金融行为是否有效。
可选地,所述第二确定模块403进一步用于:
判断所述环境安全值是否小于环境安全阈值;
若所述环境安全值不小于所述环境安全阈值,则确定所述金融行为无效;
若所述环境安全值小于所述环境安全阈值,则判断所述情感综合值是否大于情感综合阈值;
若所述情感综合值不大于所述情感综合阈值,则确定所述金融行为无效;
若所述情感综合值大于所述情感综合阈值,则确定所述金融行为有效。
可选地,所述金融行为有效性的识别装置400还包括:
第二获取模块,用于获取所述用户的历史行为数据;
第三确定模块,用于确定所述实时行为数据和所述历史行为数据的匹配值;
所述第二确定模块403进一步用于:在判断所述情感综合值大于所述情感综合阈值之后,根据所述匹配值,判断所述金融行为是否有效。
可选地,所述匹配值包括以下一项或多项:心率匹配值、时间匹配值、情感匹配值以及行为匹配值,所述心率匹配值用于表示当前心率值与历史心率值之间的匹配度,所述时间匹配值用于表示当前金融行为的时间与历史金融行为的时间之间的匹配度,所述情感匹配值用于表示当前情感行为的情感值与历史情感行为的情感值之间的匹配度,行为匹配值用于表示当前金融行为的行为类型与历史金融行为的行为类型之间的匹配度;
所述第二确定模块403进一步用于:
判断所述金融行为是否为首次金融行为;
如果所述金融行为是首次金融行为,所述情感匹配值大于情感匹配阈值且所述行为匹配值大于行为匹配阈值,则确定所述金融行为有效;
如果所述金融行为不是首次金融行为,所述心率匹配值大于心率匹配阈值且所述时间匹配值大于时间匹配阈值,则确定所述金融行为有效。
可选地,所述第一确定模块402进一步用于:
根据所述实时行为数据中的心率数据、视频数据和语音数据,分别确定所述用户的生理行为的情感值、所述用户的表情行为的情感值和所述用户的语音行为的情感值;
其中,SA为所述情感综合值;PS为所述生理行为的情感值;ES为所述表情行为的情感值;VS为所述语音行为的情感值;P%为所述生理行为的判定占比;E%为所述表情行为的判定占比;V%为所述语音行为的判定占比;X1为情感值上限。
可选地,所述第一确定模块402进一步用于:
根据所述实时行为数据中的语音数据,确定在所述用户申请所述金融行为过程中采集的声纹数量和/或敏感词汇数量;
根据所述实时行为数据中的视频数据,确定在所述用户申请所述金融行为过程中采集的人脸数量;
其中,OA为所述情感综合值;vp为所述声纹数量;vo为所述敏感词汇数量;fa为所述人脸数量;vps%为所述声纹数量的判定占比;vos%为所述敏感词汇数量的判定占比;fas%为所述人脸数量的判定占比;X2为环境值的极限值。
可选地,所述第三确定模块进一步用于:
确定所述实时行为数据和所述历史行为数据的匹配值,包括:
其中,Y为所述匹配值;Y1为历史值;Y2为当前值。
本发明实施例中,基于用户的实时行为数据,确定用户在申请金融行为时情感行为的情感综合值和环境安全值,并根据该情感综合值和环境安全值,确定用户申请的金融行为的有效性。这样,可以通过用户申请金融行为时的行为数据,识别该金融行为是否有效,提高金融行为申请的准确度,降低金融事故的发生率。
参见图5,本发明实施例提供一种金融行为有效性的识别装置500,包括:处理器501、收发机502、存储器503和总线接口。
其中,处理器501可以负责管理总线架构和通常的处理。存储器503可以存储处理器501在执行操作时所使用的数据。
本发明实施例中,服务器500还可以包括:存储在存储器503上并可在处理器501上运行的程序,该程序被处理器501执行时实现本发明实施例提供的方法的步骤。
在图5中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器501代表的一个或多个处理器和存储器503代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本发明实施例不再对其进行进一步描述。总线接口提供接口。收发机502可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现包括如图1所示的金融行为有效性的识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
结合本发明公开内容所描述的方法或者算法的步骤可以硬件的方式来实现,也可以由在处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于RAM、闪存、ROM、EPROM、EEPROM、寄存器、硬盘、移动硬盘、只读光盘或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以携带在ASIC中。另外,该ASIC可以携带在核心网接口设备中。当然,处理器和存储介质也可以作为分立组件存在于核心网接口设备中。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
本发明实施例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。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种金融行为有效性的识别方法,其特征在于,所述方法包括:
获取用户的实时行为数据,所述实时行为数据对应所述用户的至少一种金融行为;
根据所述实时行为数据,确定所述用户在申请所述金融行为时情感行为的情感综合值和环境安全值;
根据所述情感综合值和所述环境安全值,确定所述金融行为是否有效。
2.根据权利要求1所述的方法,其特征在于,所述根据所述情感综合值和所述环境安全值,确定所述金融行为的有效性,包括:
判断所述环境安全值是否小于环境安全阈值;
若所述环境安全值不小于所述环境安全阈值,则确定所述金融行为无效;
若所述环境安全值小于所述环境安全阈值,则判断所述情感综合值是否大于情感综合阈值;
若所述情感综合值不大于所述情感综合阈值,则确定所述金融行为无效;
若所述情感综合值大于所述情感综合阈值,则确定所述金融行为有效。
3.根据权利要求2所述的方法,其特征在于,
在所述根据所述情感综合值和所述环境安全值,确定所述金融行为的有效性之前,所述方法还包括:
获取所述用户的历史行为数据;
确定所述实时行为数据和所述历史行为数据的匹配值;
在判断所述情感综合值大于所述情感综合阈值之后,根据所述匹配值,判断所述金融行为是否有效。
4.根据权利要求3所述的方法,其特征在于,
所述匹配值包括以下一项或多项:心率匹配值、时间匹配值、情感匹配值以及行为匹配值,所述心率匹配值用于表示当前心率值与历史心率值之间的匹配度,所述时间匹配值用于表示当前金融行为的时间与历史金融行为的时间之间的匹配度,所述情感匹配值用于表示当前情感行为的情感值与历史情感行为的情感值之间的匹配度,行为匹配值用于表示当前金融行为的行为类型与历史金融行为的行为类型之间的匹配度;
所述根据所述匹配值,判断所述金融行为是否有效,包括:
判断所述金融行为是否为首次金融行为;
如果所述金融行为是首次金融行为,所述情感匹配值大于情感匹配阈值且所述行为匹配值大于行为匹配阈值,则确定所述金融行为有效;
如果所述金融行为不是首次金融行为,所述心率匹配值大于心率匹配阈值且所述时间匹配值大于时间匹配阈值,则确定所述金融行为有效。
8.一种金融行为有效性的识别装置,其特征在于,包括:
第一获取模块,用于获取用户的实时行为数据,所述实时行为数据对应所述用户的一种金融行为;
第一确定模块,用于根据所述实时行为数据,确定所述用户在申请所述金融行为时情感行为的情感综合值和环境安全值;
第二确定模块,用于根据所述情感综合值和所述环境安全值,确定所述金融行为的有效性。
9.一种金融行为有效性的识别装置,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现包括如权利要求1至8中任一项所述的金融行为有效性的识别方法的步骤。
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上存储计算机程序,所述计算机程序被处理器执行时实现包括如权利要求1至8中任一项所述的金融行为有效性的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010299965.0A CN111882418A (zh) | 2020-04-16 | 2020-04-16 | 一种金融行为有效性的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010299965.0A CN111882418A (zh) | 2020-04-16 | 2020-04-16 | 一种金融行为有效性的识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111882418A true CN111882418A (zh) | 2020-11-03 |
Family
ID=73154293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010299965.0A Pending CN111882418A (zh) | 2020-04-16 | 2020-04-16 | 一种金融行为有效性的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882418A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266704A (zh) * | 2008-04-24 | 2008-09-17 | 张宏志 | 基于人脸识别的atm安全认证与预警方法 |
CN104574088A (zh) * | 2015-02-04 | 2015-04-29 | 华为技术有限公司 | 支付认证的方法和装置 |
CN107277046A (zh) * | 2017-07-25 | 2017-10-20 | 湖南云迪生物识别科技有限公司 | 防胁迫密码管控方法和装置 |
CN109087095A (zh) * | 2018-07-17 | 2018-12-25 | 广东小天才科技有限公司 | 一种支付控制方法、系统及可穿戴设备 |
CN109817216A (zh) * | 2018-12-13 | 2019-05-28 | 平安普惠企业管理有限公司 | 业务办理环境的识别方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-16 CN CN202010299965.0A patent/CN111882418A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266704A (zh) * | 2008-04-24 | 2008-09-17 | 张宏志 | 基于人脸识别的atm安全认证与预警方法 |
CN104574088A (zh) * | 2015-02-04 | 2015-04-29 | 华为技术有限公司 | 支付认证的方法和装置 |
CN107277046A (zh) * | 2017-07-25 | 2017-10-20 | 湖南云迪生物识别科技有限公司 | 防胁迫密码管控方法和装置 |
CN109087095A (zh) * | 2018-07-17 | 2018-12-25 | 广东小天才科技有限公司 | 一种支付控制方法、系统及可穿戴设备 |
CN109817216A (zh) * | 2018-12-13 | 2019-05-28 | 平安普惠企业管理有限公司 | 业务办理环境的识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
CN108510282A (zh) | 信贷风险控制方法及系统、存储介质 | |
CN110119980A (zh) | 一种用于信贷的反欺诈方法、装置、系统和记录介质 | |
CN111428217A (zh) | 欺诈团伙识别方法、装置、电子设备及计算机可读存储介质 | |
CN113053513A (zh) | 一种基于智慧社区的智慧医疗系统 | |
CN112232950A (zh) | 针对借贷风险的评估方法及装置、设备、计算机可读存储介质 | |
CN111062808B (zh) | 信用卡额度评估方法、装置、计算机设备及存储介质 | |
CN115034886A (zh) | 一种违约风险预测方法及装置 | |
CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
CN111091460A (zh) | 一种数据处理方法及装置 | |
CN110475033A (zh) | 智能拨号方法、装置、设备与计算机可读存储介质 | |
CN110399473A (zh) | 为用户问题确定答案的方法和装置 | |
CN111882418A (zh) | 一种金融行为有效性的识别方法及装置 | |
CN110399818A (zh) | 一种风险预测的方法和设备 | |
CN115954019A (zh) | 一种融合自注意力和卷积操作的环境噪声识别方法及系统 | |
CN108960111A (zh) | 人脸识别方法、系统及终端设备 | |
CN111612321B (zh) | 员工工作配置方法及装置 | |
CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
CN114707420A (zh) | 一种信贷欺诈行为识别方法、装置、设备及存储介质 | |
CN112200462B (zh) | 风险评估方法及装置 | |
CN113781247A (zh) | 协议数据推荐方法、装置、计算机设备及存储介质 | |
CN113221821A (zh) | 业务数据的推送方法、装置和服务器 | |
CN111539834A (zh) | 一种预核保方法及装置 | |
CN112200626A (zh) | 确定推荐产品的方法和装置、电子设备、计算机可读介质 | |
CN112528140A (zh) | 信息推荐方法、装置、设备、系统及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201103 |