CN111951052A - 基于知识图谱的获取潜在客户方法及装置 - Google Patents
基于知识图谱的获取潜在客户方法及装置 Download PDFInfo
- Publication number
- CN111951052A CN111951052A CN202010821273.8A CN202010821273A CN111951052A CN 111951052 A CN111951052 A CN 111951052A CN 202010821273 A CN202010821273 A CN 202010821273A CN 111951052 A CN111951052 A CN 111951052A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- bill
- graph
- knowledge
- potential customers
- 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
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种基于知识图谱的获取潜在客户方法及装置,涉及人工智能技术领域,该方法包括:根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;根据所述企业实体数据和关系数据,构建票据知识图谱;基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。本申请能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于知识图谱的获取潜在客户方法及装置。
背景技术
为了实现增存拓户,客户营销一直是银行业的主要手段之一。当前系统在通过分析票据业务实现客户营销的时候,通常是通过人工编写规则等方式生成潜在客户清单,实现票据相关产品的销售。例如筛选客户的资产、客户的授信资质等。该类系统由于采用了专家规则,从单个客户的维度去分析,往往消耗大量营销资源,成功率难以保证;另外存在一些隐性的有价值客户,单单从客户维度特征分析,无法精准刻画其重要性,无法满足现有业务深层次的数据挖掘。
发明内容
针对现有技术中的问题,本申请提出了一种基于知识图谱的获取潜在客户方法及装置,能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率。
为了解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种基于知识图谱的获取潜在客户方法,包括:
根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;
根据所述企业实体数据和关系数据,构建票据知识图谱;
基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
进一步地,所述根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据,包括:对预获取的企业票据信息进行实体抽取处理,得到所述企业实体数据;对预获取的企业票据信息进行实体之间关系抽取处理,得到所述关系数据。
进一步地,所述基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户,包括:计算所述票据知识图谱中的核心链路,得到票据核心链图谱;根据所述核心链图谱,确定所述预获取的企业票据信息对应的潜在客户。
进一步地,所述计算所述票据知识图谱中的核心链路,得到票据核心链图谱,包括:应用预设的核心企业实体名单,确定所述票据知识图谱中的核心企业实体,对所述核心企业实体进行图自我中心网络遍历,确定该核心企业实体的入度企业和出度企业;将所述核心企业实体的各个出度企业中,与该核心企业实体的入度企业不同的出度企业,作为目标出度企业;根据各个所述目标出度企业和目标关系数据,得到所述票据核心链图谱,所述目标关系数据为基于所述票据知识图谱,得到的核心企业实体与核心企业实体的目标出度企业之间的关系数据。
进一步地,所述根据所述核心链图谱,确定所述预获取的企业票据信息对应的潜在客户,包括:应用连通体算法,将所述票据核心链图谱划分为多个连通子图;对各个所述连通子图进行中介中心性计算,确定多个中介票据企业;应用预设的业务筛选阈值系数,遍历各个所述中介票据企业,确定所述预获取的企业票据信息对应的潜在客户。
进一步地,所述对各个所述连通子图进行中介中心性计算,确定多个中介票据企业,包括:基于各个连通子图中的两个实体之间的最短路径数量、预设的最短路径权重和两个实体之间经过的各个实体的数量,确定多个中介票据企业。
进一步地,在所述确定所述预获取的企业票据信息对应的潜在客户之后,还包括:将目标票据产品的营销信息发送至所述潜在客户。
第二方面,本申请提供一种基于知识图谱的获取潜在客户装置,包括:
处理模块,用于根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;
构建模块,用于根据所述企业实体数据和关系数据,构建票据知识图谱;
确定模块,用于基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于知识图谱的获取潜在客户方法。
第四方面,本申请一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现所述的基于知识图谱的获取潜在客户方法。
由上述技术方案可知,本申请提供一种基于知识图谱的获取潜在客户方法及装置。其中,该方法包括:根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;根据所述企业实体数据和关系数据,构建票据知识图谱;基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户,相比传统方法,本申请能够克服专家规则单一的分析手段,从静态客户维度提升至基于动态的深度关系挖掘,能够避免传统大面积漫无目的的营销,极大的节省人力的投入开销;大量高价值隐性客户的挖掘,也进一步对业务进行赋能,使票据业务的开展覆盖更全更广更精准。
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是本申请实施例中基于知识图谱的获取潜在客户方法的流程示意图;
图2是本申请实施例中基于知识图谱的获取潜在客户方法的步骤301和步骤302的流程示意图;
图3是本申请实施例中基于知识图谱的获取潜在客户方法的步骤321和步骤323的流程示意图;
图4是本申请实施例中基于知识图谱的获取潜在客户装置的结构示意图;
图5是本申请应用实例中基于知识图谱的获取潜在客户装置的结构示意图;
图6是本申请应用实例中票据图谱构建单元的处理流程示意图;
图7是本申请应用实例中票据图谱关系处理的逻辑示意图;
图8是本申请应用实例中票据路径计算单元的处理流程示意图;
图9是本申请应用实例中的票据知识图谱示意图;
图10是本申请应用实例中的票据核心链图谱示意图;
图11是本申请应用实例中核心链路计算的流程示意图;
图12是本申请应用实例中隐性客户挖掘单元的处理流程示意图;
图13是本申请应用实例中连通子图划分过程的逻辑示意图;
图14为本申请实施例的电子设备9600的系统构成示意框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本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。
具体通过下述各个实施例进行说明。
为了提高确定潜在客户的效率和准确性,进而提高营销成功率,本实施例提供一种执行主体是基于知识图谱的获取潜在客户装置的基于知识图谱的获取潜在客户方法,该基于知识图谱的获取潜在客户装置包括但不限于服务器,如图1所示,该方法具体包含有如下内容:
步骤100:根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据。
具体地,可以对预获取的企业票据信息进行实体抽取处理,得到所述企业实体数据;对预获取的企业票据信息进行实体之间关系抽取处理,得到所述关系数据。
所述预获取的企业票据信息可以包括:多个企业的企业名称、企业组织机构代码、注册资本和成立时间,以及票据背书、贴现和转贴现等交易数据。抽取企业为实体,去除企业名称为空或者企业组织机构代码为空的异常企业。实体关系可以是企业之间票据关系,包括:企业之间票据背书流转、贴现和转贴现交易等关系。
步骤200:根据所述企业实体数据和关系数据,构建票据知识图谱。
具体地,根据所述企业实体数据和关系数据,可以形成“企业-企业关系-企业”的三元组,建立票据知识图谱。进一步地,可以将企业之间的多笔交易的票据金额进行合并,能够减少大量关系数据对构建票据知识图谱的干扰,提高营销效率。
票据知识图谱是基于数学图论的思想和算法,以图数据结构存储和查询数据,数据模型以“节点”和“关系”图体现。通过将企业为实体节点,企业之间真实的票据背书和贴现等交易数据抽象为关系,通过分析图中节点之间的关系生成挖掘企业清单替换传统的专家规则方式。
步骤300:基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
具体地,在确定所述预获取的企业票据信息对应的潜在客户之后,还可以将目标票据产品的营销信息发送至所述潜在客户。所述潜在客户可以是一个或多个企业。
由上述描述可知,本实施例提供的基于知识图谱的获取潜在客户方法,能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率;可以根据企业之间一段时间内的票据行为来进一步分析企业之间票据的关系,挖掘票据链上的隐形高价值客户。
为了进一步提高确定潜在客户的效率和准确性,参见图2,在本申请一个实施例中,步骤300包括:
步骤301:计算所述票据知识图谱中的核心链路,得到票据核心链图谱。
步骤302:根据所述核心链图谱,确定所述预获取的企业票据信息对应的潜在客户。
为了获取可靠的票据核心链图谱,进而应用该可靠的票据链路图谱提高接下来票据产品营销的准确性,在本申请一个实施例中,步骤301包括:
步骤311:应用预设的核心企业实体名单,确定所述票据知识图谱中的核心企业实体,对所述核心企业实体进行图自我中心网络遍历,确定该核心企业实体的入度企业和出度企业。
具体地,所述预设的核心企业实体名单可以包含有多个核心企业的唯一标识,如企业名称和企业组织机构代码等,所述核心企业可根据实际需要设置,实体的入度企业为所述票据知识图谱中与该实体相邻且指向该实体的实体。实体的出度企业为所述票据知识图谱中与该实体相邻且该实体指向的实体。举例来说,企业a背书给企业b,企业b为企业a的出度企业,企业a为企业b的入度企业。
步骤312:将所述核心企业实体的各个出度企业中,与该核心企业实体的入度企业不同的出度企业,作为目标出度企业。
步骤313:根据各个所述目标出度企业和目标关系数据,得到所述票据核心链图谱,所述目标关系数据为基于所述票据知识图谱,得到的核心企业实体与核心企业实体的目标出度企业之间的关系数据。
为了避免专家规则单一的分析手段,导致营销成功率和效率低的问题,进一步提高确定潜在客户的效率和准确性,在本申请一个实施例中,参见图3,步骤302,包括:
步骤321:应用连通体算法,将所述票据核心链图谱划分为多个连通子图。
步骤322:对各个所述连通子图进行中介中心性计算,确定多个中介票据企业.
步骤323:应用预设的业务筛选阈值系数,遍历各个所述中介票据企业,确定所述预获取的企业票据信息对应的潜在客户。
为了提高中介中心性计算的效率和准确性,在本申请一个实施例中,步骤322,包括:
基于各个连通子图中的两个实体之间的最短路径数量、预设的最短路径权重和两个实体之间经过的各个实体的数量,确定多个中介票据企业。
从软件层面来说,为了提高确定潜在客户的效率和准确性,进而提高营销成功率,本申请提供一种用于实现所述基于知识图谱的获取潜在客户方法中全部或部分内容的基于知识图谱的获取潜在客户装置的实施例,参见图4,所述基于知识图谱的获取潜在客户装置具体包含有如下内容:
处理模块10,用于根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据。
构建模块20,用于根据所述企业实体数据和关系数据,构建票据知识图谱。
确定模块30,用于基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
本说明书提供的基于知识图谱的获取潜在客户装置的实施例具体可以用于执行上述基于知识图谱的获取潜在客户方法的实施例的处理流程,其功能在此不再赘述,可以参照上述基于知识图谱的获取潜在客户方法实施例的详细描述。
为了进一步说明本方案,本申请还提供一种基于知识图谱的获取潜在客户装置的应用实例,参见图5,该基于知识图谱的获取潜在客户装置包括:数据采集单元1,主要是采集本应用实例用到的多种数据(包括企业工商注册信息、行内票据核心企业清单以及票据背书、贴现、转贴现交易数据);票据图谱构建单元2,主要是将数据采集单元1的数据抽取出对应的企业实体及其对应的属性,抽取票据行为关系、以及票据图谱的构建;票据路径计算单元3,主要是将票据图谱构建单元2生成的图谱进行核心路径计算,生成基于票据行为的核心链路,并构建图谱核心链图谱。隐性客户挖掘单元4,主要是基于票据路径计算单元3的图谱核心链图谱进行子图划分,针对各个子图进行中介中心性计算,识别出承担中介的企业,生成对应的营销客户清单;具体描述如下:
1)参见图6,票据图谱构建单元2的具体处理流程如下:
步骤2_1:票据图谱实体抽取。抽取企业为主要的实体,抽取企业的注册资本、成立时间、行内票据业务已有认定核心企业标志等字段为主要属性。需过滤企业名称为空或者企业组织机构代码为空的数据,以此去除异常企业实体。
步骤2_2:票据图谱关系抽取。抽取票据背书流转、贴现、转贴现交易为主要的关系,抽取票据金额、时间为主要的属性。若票据关系对应的企业即实体不在步骤2_1中得到的实体中,则过滤该票据关系,以此去除异常票据关系。
步骤2_3:票据图谱关系处理。将两个企业之间的多笔交易进行合并,将金额累积,减少大量路径对于图分析的干扰,参见图7,将实体X和实体Y之间的交易a1、a2和a3合并为a,交易b1保持不变。
步骤2_4:票据图谱数据导入。将数据形成“企业-票据关系-企业”三元组,票据关系即企业之间的票据关系,建立票据知识图谱。
2)参见图8,票据路径计算单元3的具体处理流程如下:
步骤3_1:核心链路计算。参见图11,核心链路计算过程具体包括:
步骤3_1_1:识别核心客户。筛选企业实体上核心企业标志的实体,记录实体清单,如图9所示,实体A、B、C、D、Z、X和Y中的实体X确有对应的核心企业标志,图9中的1至8分别表示企业实体之间的关系。
步骤3_1_2:循环遍历入度的实体以及关系并记录对应实体和关系:记录入度的实体以及关系。根据上述步骤的实体清单,对于每一个实体进行图自我中心网络egonet遍历,筛选该实体的入度企业,直到没有入度企业。
如图9所示,依次记录实体Y、D、C和A,记录实体关系1、3、4和7。
步骤3_1_3:遍历出度实体和关系。
步骤3_1_4:记录对应的实体和关系。
具体地,判断出度的实体以及关系。根据步骤3_1_1的实体清单,遍历寻找该实体出发的出度节点和实体。如果该实体已经入度记录则中止这条路径的搜索,继续遍历其他路径,如果该实体没有被记录则记录该实体以及关系。
如图9所示,由于实体Y已经在入度清单中,所以放弃这条路径的搜索。实体Z不在入度清单中,所以记录实体Z以及关系5。
步骤3_1_5:输出记录的实体和关系。
步骤3_2:票据核心链图谱导入。根据步骤3_1_5记录的实体和关系构建票据核心链图谱,如图10所示,通过对图9中的实体进行核心链路计算,得到对应的票据核心链图谱。
3)参见图12,隐性客户挖掘单元4的具体处理流程如下:
步骤4_1:连通子图划分。
连通体是指在图中任意两个顶点之间存在路径可达则该图是连通的。利用连通体算法自动识别票据核心链图谱,生成各个票据行为子图,即连通子图。
参见图13,举例来说,假设企业X、Y和Z之间票据互相背书,企业A背书给企业B,企业C背书给企业D,那么按照连通体的定义,一共划分出3个连通子图。
步骤4_2:票据中介中心性计算。中介中心性定义是在路径的基础之上,指经过节点v的所有最短路径的数量。如果票据业务上来说如果某个企业的承担中介的次数越大,则表示它越重要。但是考虑到票据涉及的金额在业务中也是重要的指标,所以对于中心性计算进行了变形。在下列公式中,σs,t表示节点s到节点t的最短路径数量,σs,t(V)表示节点s到节点t中经过节点v的数量,Ms,t表示节点s到节点t这条最短路径上边的权重(票据涉及金额)之和。通过Ms,t系数的介入,不仅考虑了中介次数的计算,也将路径上边的权重纳入了考量。
步骤4_3:客户清单生成。设定业务筛选阈值系数λ,遍历全部中介票据企业C(v),筛选Top(λ)×C(v)企业作为营销名单。
本说明书提供的基于知识图谱的获取潜在客户装置的实施例具体可以用于执行上述基于知识图谱的获取潜在客户方法的实施例的处理流程,其功能在此不再赘述,可以参照上述基于知识图谱的获取潜在客户方法实施例的详细描述。
由上述描述可知,本申请提供的基于知识图谱的获取潜在客户方法及装置,能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率;相比传统营销方法,本申请能够克服专家规则单一的分析手段,从静态客户维度提升至基于动态的深度关系挖掘,能够避免传统大面积漫无目的的营销,极大的节省人力的投入开销;大量高价值隐性客户的挖掘,也进一步对业务进行赋能,使票据业务的开展覆盖更全更广更精准。
从硬件层面来说,为了提高确定潜在客户的效率和准确性,进而提高营销成功率,本申请提供一种用于实现所述基于知识图谱的获取潜在客户方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现所述基于知识图谱的获取潜在客户装置以及用户终端等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述基于知识图谱的获取潜在客户方法的实施例及用于实现所述基于知识图谱的获取潜在客户装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图14为本申请实施例的电子设备9600的系统构成的示意框图。如图14所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图14是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在本申请一个或多个实施例中,基于知识图谱的获取潜在客户功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤100:根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;
步骤200:根据所述企业实体数据和关系数据,构建票据知识图谱;
步骤300:基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
从上述描述可知,本申请的实施例提供的电子设备,能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率。
在另一个实施方式中,基于知识图谱的获取潜在客户装置可以与中央处理器9100分开配置,例如可以将基于知识图谱的获取潜在客户装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现基于知识图谱的获取潜在客户功能。
如图14所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图14中所示的所有部件;此外,电子设备9600还可以包括图14中没有示出的部件,可以参考现有技术。
如图14所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
上述描述可知,本申请的实施例提供的电子设备,能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率。
本申请的实施例还提供能够实现上述实施例中的基于知识图谱的获取潜在客户方法中全部步骤的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有计算机程序,该计算机程序被处理器执行时实现上述实施例中的基于知识图谱的获取潜在客户方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;
步骤200:根据所述企业实体数据和关系数据,构建票据知识图谱;
步骤300:基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
从上述描述可知,本申请实施例提供的计算机可读存储介质,能够提高确定潜在客户的效率和准确性,进而能够提高营销成功率。
本申请中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于知识图谱的获取潜在客户方法,其特征在于,包括:
根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;
根据所述企业实体数据和关系数据,构建票据知识图谱;
基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
2.根据权利要求1所述的基于知识图谱的获取潜在客户方法,其特征在于,所述根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据,包括:
对预获取的企业票据信息进行实体抽取处理,得到所述企业实体数据;
对预获取的企业票据信息进行实体之间关系抽取处理,得到所述关系数据。
3.根据权利要求1所述的基于知识图谱的获取潜在客户方法,其特征在于,所述基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户,包括:
计算所述票据知识图谱中的核心链路,得到票据核心链图谱;
根据所述核心链图谱,确定所述预获取的企业票据信息对应的潜在客户。
4.根据权利要求3所述的基于知识图谱的获取潜在客户方法,其特征在于,所述计算所述票据知识图谱中的核心链路,得到票据核心链图谱,包括:
应用预设的核心企业实体名单,确定所述票据知识图谱中的核心企业实体,对所述核心企业实体进行图自我中心网络遍历,确定该核心企业实体的入度企业和出度企业;
将所述核心企业实体的各个出度企业中,与该核心企业实体的入度企业不同的出度企业,作为目标出度企业;
根据各个所述目标出度企业和目标关系数据,得到所述票据核心链图谱,所述目标关系数据为基于所述票据知识图谱,得到的核心企业实体与核心企业实体的目标出度企业之间的关系数据。
5.根据权利要求3所述的基于知识图谱的获取潜在客户方法,其特征在于,所述根据所述核心链图谱,确定所述预获取的企业票据信息对应的潜在客户,包括:
应用连通体算法,将所述票据核心链图谱划分为多个连通子图;
对各个所述连通子图进行中介中心性计算,确定多个中介票据企业;
应用预设的业务筛选阈值系数,遍历各个所述中介票据企业,确定所述预获取的企业票据信息对应的潜在客户。
6.根据权利要求5所述的基于知识图谱的获取潜在客户方法,其特征在于,所述对各个所述连通子图进行中介中心性计算,确定多个中介票据企业,包括:
基于各个连通子图中的两个实体之间的最短路径数量、预设的最短路径权重和两个实体之间经过的各个实体的数量,确定多个中介票据企业。
7.根据权利要求1所述的基于知识图谱的获取潜在客户方法,其特征在于,在所述确定所述预获取的企业票据信息对应的潜在客户之后,还包括:
将目标票据产品的营销信息发送至所述潜在客户。
8.一种基于知识图谱的获取潜在客户装置,其特征在于,包括:
处理模块,用于根据预获取的企业票据信息,得到对应的企业实体数据和企业实体之间的关系数据;
构建模块,用于根据所述企业实体数据和关系数据,构建票据知识图谱;
确定模块,用于基于所述票据知识图谱,确定所述预获取的企业票据信息对应的潜在客户。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述的基于知识图谱的获取潜在客户方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被执行时实现权利要求1至7任一项所述的基于知识图谱的获取潜在客户方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010821273.8A CN111951052B (zh) | 2020-08-14 | 2020-08-14 | 基于知识图谱的获取潜在客户方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010821273.8A CN111951052B (zh) | 2020-08-14 | 2020-08-14 | 基于知识图谱的获取潜在客户方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951052A true CN111951052A (zh) | 2020-11-17 |
CN111951052B CN111951052B (zh) | 2023-10-13 |
Family
ID=73342359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010821273.8A Active CN111951052B (zh) | 2020-08-14 | 2020-08-14 | 基于知识图谱的获取潜在客户方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951052B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949309A (zh) * | 2021-02-26 | 2021-06-11 | 中国光大银行股份有限公司 | 企业关联关系抽取方法、装置、存储介质和电子装置 |
CN113362113A (zh) * | 2021-06-07 | 2021-09-07 | 中国工商银行股份有限公司 | 一种企业行为偏好的获取方法及装置 |
CN113392229A (zh) * | 2021-08-13 | 2021-09-14 | 四川新龟科技有限公司 | 供应链关系构建和预测方法、装置、设备、存储介质 |
CN116453141A (zh) * | 2023-06-13 | 2023-07-18 | 平安银行股份有限公司 | 票据潜客的识别方法、装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160034953A1 (en) * | 2014-08-01 | 2016-02-04 | Signpost, Inc. | Customer Management & Support System for Multiple Enterprises |
CN110458592A (zh) * | 2019-06-18 | 2019-11-15 | 北京海致星图科技有限公司 | 基于知识图谱和机器学习算法挖掘银行潜在授信客户方法 |
CN110647522A (zh) * | 2019-09-06 | 2020-01-03 | 中国建设银行股份有限公司 | 一种数据挖掘方法、装置及其系统 |
CN110851540A (zh) * | 2019-10-28 | 2020-02-28 | 天津大学 | 一种基于金融业务图谱的商业银行客户流失预警方法 |
-
2020
- 2020-08-14 CN CN202010821273.8A patent/CN111951052B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160034953A1 (en) * | 2014-08-01 | 2016-02-04 | Signpost, Inc. | Customer Management & Support System for Multiple Enterprises |
CN110458592A (zh) * | 2019-06-18 | 2019-11-15 | 北京海致星图科技有限公司 | 基于知识图谱和机器学习算法挖掘银行潜在授信客户方法 |
CN110647522A (zh) * | 2019-09-06 | 2020-01-03 | 中国建设银行股份有限公司 | 一种数据挖掘方法、装置及其系统 |
CN110851540A (zh) * | 2019-10-28 | 2020-02-28 | 天津大学 | 一种基于金融业务图谱的商业银行客户流失预警方法 |
Non-Patent Citations (4)
Title |
---|
李兵;杜朝晖;陈俊才;: "电信"ITV客户挖掘+装维随销"营销模型应用研究", 湖南邮电职业技术学院学报, no. 02 * |
李小庆;: "客户关联关系知识图谱的构建及应用", 中国金融电脑, no. 06 * |
田莉;张毅芳;余呈先;: "基于知识挖掘的精准营销对策研究", 科技创业月刊, no. 08 * |
谭波;滕光进;王浩;: "基于大数据的客户关联关系及风险预警研究", 清华金融评论, no. 08 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949309A (zh) * | 2021-02-26 | 2021-06-11 | 中国光大银行股份有限公司 | 企业关联关系抽取方法、装置、存储介质和电子装置 |
CN113362113A (zh) * | 2021-06-07 | 2021-09-07 | 中国工商银行股份有限公司 | 一种企业行为偏好的获取方法及装置 |
CN113392229A (zh) * | 2021-08-13 | 2021-09-14 | 四川新龟科技有限公司 | 供应链关系构建和预测方法、装置、设备、存储介质 |
CN116453141A (zh) * | 2023-06-13 | 2023-07-18 | 平安银行股份有限公司 | 票据潜客的识别方法、装置和电子设备 |
CN116453141B (zh) * | 2023-06-13 | 2023-10-13 | 平安银行股份有限公司 | 票据潜客的识别方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111951052B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951052A (zh) | 基于知识图谱的获取潜在客户方法及装置 | |
CN111476662A (zh) | 反洗钱识别方法及装置 | |
CN105744005A (zh) | 客户定位分析方法及服务器 | |
CN110515968B (zh) | 用于输出信息的方法和装置 | |
CN111815169B (zh) | 业务审批参数配置方法及装置 | |
CN110796269B (zh) | 一种生成模型的方法、装置、信息处理的方法及装置 | |
CN111767319A (zh) | 基于资金流向的客户挖掘方法及装置 | |
CN112037038A (zh) | 银行信贷风险预测方法及装置 | |
CN110879808B (zh) | 一种信息处理方法和装置 | |
CN112766825A (zh) | 企业金融服务风险预测方法及装置 | |
CN114282011A (zh) | 知识图谱的构建方法和装置、图计算方法及装置 | |
US7533095B2 (en) | Data mining within a message handling system | |
CN109213801A (zh) | 基于关联关系的数据挖掘方法和装置 | |
CN112035676A (zh) | 用户操作行为知识图谱构建方法及装置 | |
CN117151859A (zh) | 模型训练及评估方法、相关装置、设备、介质及产品 | |
CN110795638A (zh) | 用于输出信息的方法和装置 | |
KR102351300B1 (ko) | 공공기관 인증 플랫폼 제공 방법 및 시스템 | |
CN115660814A (zh) | 风险预测方法、装置、计算机可读存储介质及电子设备 | |
CN114791968A (zh) | 用于图计算的处理方法、装置、系统及计算机可读介质 | |
CN112988746A (zh) | 交易记录分区方法和装置 | |
CN114493850A (zh) | 基于人工智能的在线公证方法、系统及存储介质 | |
CN114092226A (zh) | 银行网点外汇产品推荐方法及装置 | |
CN112084348A (zh) | 一种关联度确定方法及装置 | |
CN114065641A (zh) | 多分类梯度提升树的构建方法、装置及电子设备 | |
CN110197074B (zh) | 一种用户权限控制方法及装置 |
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 |