CN112053245A - 信息评估方法及系统 - Google Patents
信息评估方法及系统 Download PDFInfo
- Publication number
- CN112053245A CN112053245A CN202010915241.4A CN202010915241A CN112053245A CN 112053245 A CN112053245 A CN 112053245A CN 202010915241 A CN202010915241 A CN 202010915241A CN 112053245 A CN112053245 A CN 112053245A
- Authority
- CN
- China
- Prior art keywords
- target
- user
- information
- target user
- product
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Physiology (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种信息评估方法及系统,该方法包括:客户端将目标用户的用户信息作为纠纷预测模型的输入,得到纠纷预测概率,在纠纷预测概率大于预设纠纷阈值时,触发机器人依据预设问询模板对所述目标用户进行问询,基于目标用户对该问询的响应信息和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果,若评估结果表征目标用户了解目标理财产品信息,则反馈用于提示允许目标用户购买目标理财产品的第一提示信息。实现了在用户购买理财产品前,评估用户对所要购买的理财产品的了解程度的需求,并在目标用户了解所要购买的目标理财产品的情况下,才允许目标用户购买该目标理财产品,从而减少理财纠纷。
Description
技术领域
本申请涉及金融理财领域,尤其涉及一种信息评估方法及系统。
背景技术
随着经济的发展和生活水平的提高,人们的理财观念逐步增强,越来越多的用户将闲置资金投入到理财产品中。
由于某些原因,用户容易在对理财产品并不了解的情况下购买理财产品,导致购买后容易出现用户认为自己购买理财产品的钱无法取出,从而发生理财纠纷的情况。因此,需要在用户购买理财产品前,评估用户对所要购买的理财产品的了解程度,以减少理财纠纷。
发明内容
发明人研究发现,用户对所要购买的理财产品的了解程度与用户信息中的用户自身受教育程度、年龄和职业等信息相关,基于此,本申请提供了一种信息评估方法,以实现在用户购买理财产品前,评估用户对所要购买的理财产品的了解程度,从而减少理财纠纷。
本申请还提供了一种信息评估系统,用于保证上述方法在实际中的实现及应用。
一种信息评估方法,应用于信息评估系统,所述信息评估系统包括客户端和机器人,所述方法包括:
所述客户端获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
上述的方法,可选的,所述将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,包括:
根据预设提取规则,从所述用户信息中提取多个用户特征;
将每个所述用户特征输入至预先构建的纠纷预测模型,得到所述纠纷预测模型输出的纠纷预测概率。
上述的方法,可选的,所述纠纷预测模型的构建过程,包括:
采集发生纠纷事件和未发生纠纷事件的用户信息样本;
按提取规则,从各个用户信息样本中提取多个用户特征,得到每个用户信息样本对应的多个用户特征;
确定由输入层、隐层和输出层构成的初始BP神经网络模型,其中,将每个所述用户信息样本对应的用户特征的个数作为初始BP神经网络模型的输入层节点个数,将用于表征纠纷预测概率的数值个数作为所述初始BP神经网络模型的输出层节点个数,基于试凑法确定所述初始BP神经网络模型的隐层节点个数;
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神经网络模型作为纠纷预测模型。
上述的方法,可选的,所述依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,包括:
识别所述目标用户对所述问询进行响应的响应结果,获得所述响应结果对应的文本信息;
将所述文本信息和所述目标产品信息进行比对,得到比对结果;
将所述比对结果作为评估所述目标用户对所述目标理财产品的了解程度的评估结果。
上述的方法,可选的,还包括:
若所述评估结果表征所述目标用户不了解所述目标理财产品,则反馈第二提示信息,所述第二提示信息用于提示理财经理向所述目标用户介绍所述目标理财产品的产品信息。
一种信息评估系统,包括:
所述客户端,用于获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人,用于响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
上述的系统,可选的,所述客户端执行将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,用于:
根据预设提取规则,从所述用户信息中提取多个用户特征;
将每个所述用户特征输入至预先构建的纠纷预测模型,得到所述纠纷预测模型输出的纠纷预测概率。
上述的系统,可选的,所述客户端还用于:
采集发生纠纷事件和未发生纠纷事件的用户信息样本;
按提取规则,从各个用户信息样本中提取多个用户特征,得到每个用户信息样本对应的多个用户特征;
确定由输入层、隐层和输出层构成的初始BP神经网络模型,其中,将每个所述用户信息样本对应的用户特征的个数作为初始BP神经网络模型的输入层节点个数,将用于表征纠纷预测概率的数值个数作为所述初始BP神经网络模型的输出层节点个数,基于试凑法确定所述初始BP神经网络模型的隐层节点个数;
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神经网络模型作为纠纷预测模型。
上述的系统,可选的,所述机器人执行依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,用于:
识别所述目标用户对所述问询进行响应的响应结果,获得所述响应结果对应的文本信息;
将所述文本信息和所述目标产品信息进行比对,得到比对结果;
将所述比对结果作为评估所述目标用户对所述目标理财产品的了解程度的评估结果。
上述的系统,可选的,所述机器人还用于:
若所述评估结果表征所述目标用户不了解所述目标理财产品信息,则反馈第二提示信息,所述第二提示信息用于提示理财经理向所述目标用户介绍所述目标理财产品的产品信息。
一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述的信息评估方法。
一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行上述的信息评估方法。
与现有技术相比,本申请包括以下优点:
本申请提供了一种信息评估方法及系统,该方法包括:客户端获取目标用户的用户信息,将用户信息输入预先构建的纠纷预测模型中,得到纠纷预测概率,若纠纷预测概率大于预设纠纷阈值,则向机器人发送携带目标产品信息的触发指令,机器人响应客户端发送的触发指令,提取触发指令中携带的目标产品信息,并依据预设的问询模板,对目标用户进行问询,依据目标用户对问询进行响应的响应结果和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果,若评估结果表征目标用户了解目标理财产品信息,则反馈用于提示允许目标用户购买目标理财产品的第一提示信息。实现了在用户购买理财产品前,评估用户对所要购买的理财产品的了解程度的需求,并在目标用户了解所要购买的目标理财产品的情况下,才允许目标用户购买该目标理财产品,从而减少理财纠纷。
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,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种信息评估方法的方法流程图;
图2为本申请提供的一种信息评估方法的又一方法流程图;
图3为本申请提供的一种信息评估方法的另一方法流程图;
图4为本申请提供的一种信息评估方法的示例图;
图5为本申请提供的一种信息评估系统的结构示意图;
图6为本申请提供的一种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。
本申请实施例提供了一种信息评估方法,该方法可以应用在多种系统平台,其执行主体可以为运行在计算机上的处理器,所述信息评估方法的流程图如图1所示,具体包括:
S101、客户端获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到纠纷预测模型输出的纠纷预测概率。
在目标用户确认待购买的目标理财产品,并在目标用户购买该目标理财产品前,获取目标用户的用户信息,用户信息包括但不限姓名、性别、年龄、受教育程度、身份证信息和职业,目标用户为代购买目标理财产品的用户。
将目标用户的用户信息输入预先构建的纠纷预测模型中,经纠纷预测模型处理,得到纠纷预测模型输出的纠纷预测概率,即获得用户信息对应的可能发生纠纷的概率。
经发明人研究发现,用户对所要购买的理财产品的了解程度与用户信息中的用户自身受教育程度、年龄和职业等信息相关,也就是说,用户的用户信息与纠纷预测概率有关,一般来说,年龄越大,受教育程度越低、非理财相关职业的纠纷预测概率较大。
可选的,将目标用户的用户信息输入预先构建的纠纷预测模型中的过程,具体包括:
根据预设提取规则,从用户信息中提取多个用户特征;
将每个用户特征输入至预先构建的纠纷预测模型,得到纠纷预测模型输出的纠纷预测概率。
本申请实施例提供的方法中,按预设提取规则,从用户信息中提取用户特征,需要说明的是,提取目标用户的用户信息中所采用的提取规则、与纠纷预测模型构建时,提取用户特征所采用的提取规则相同,也就是说,构建纠纷预测模型时,采取何种提取规则提取用户特征,当前页采取与之前一致的提取规则提取目标用户的用户特征。
可选的,可以提取用户的年龄、性别、职业、学历等用户特征,将所提取的各个用户特征输入纠纷预测模型中,得到纠纷预测概率。
本申请实施例提供的方法中,参阅图2,纠纷预测模型的构建过程,具体包括以下步骤:
S201、采集发生纠纷事件和未发生纠纷事件的用户信息样本。
采集生成纠纷事件的纠纷用户信息,纠纷事件指示响应用户体验或响应企业名声的理财事件,例如用户因为理财到企业大闹,或将企业告上法庭等。
S202、按提取规则,从各个用户信息样本中提取多个用户特征,得到每个用户信息样本对应的多个用户特征。
按提取规则,从每个用户信息样本中提取用户特征,得到每个用户信息样本对应的多个用户特征,需要说明的是,每个用户信息样本所对应的用户特征的个数是相同的。
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。
确定由输入层、隐层和输出层构成的初始BP神经网络模型,其中,输入层的节点数由每个用户信息样本对应的用户特征的个数确定,例如,按提取规则,提取用户信息样本A对应的用户特征的个数为6个,则输入层的节点数为6;输出层的节点数由纠纷预测概率确定,即将用于表征纠纷预测概率的数值个数作为输出层的节点数,可选的,输出层节点数可以是1个,可以用分数表示,用于表征纠纷概率是多少,隐层的节点数可通过试凑法确定。
确定输入层、隐层和输出层的节点数,可确定初始BP神经网络模型的结构,例如,若输入层的节点数为5,隐层节点数为1,输出层节点数为1,则初始BP神经网络模型的结构为5-1-1。
可选的,根据kolmogorov原理,一个三层BP神经网络足以完成任意的n维到m维的映射,一般只需要采用一个隐层即可。
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。
依据预设的样本数据对初始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,并基于遗传算法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。
其中,每一组样本数据由输入数据和输出数据组成,每一组样本数据的输入数据为一个用户信息样本的各个用户特征,输出数据为该用户信息样本的纠纷概率,用户信息样本的纠纷概率用于指示在各个用户信息样本中发生纠纷的概率。
可选的,还可以基于预设的测试样本对优化后的BP神经网络模型的预测准确率进行验证。
S205、将优化后的BP神经网络模型作为纠纷预测模型。
可选的,将优化后的BP神经网络模型作为纠纷预测模型。
本发明实施例提供的信息评估方法中,把一个用户信息样本中所提取特征参数的个数作为输入层节点个数、纠纷预测概率作为输出层节点数,隐层节点个数采用试凑法确定,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,并使用测试样本对模型的预测准确率进行验证,从而得到优化后的BP神经网络模型,将优化后的BP神经网络模型作为纠纷预测模型。
S102、客户端判断纠纷预测概率是否大于预设纠纷阈值。
预设纠纷阈值,需要说明的是,可以根据需求、盈利和社会影响力设置纠纷阈值,纠纷阈值可以进行调整。
客户端将纠纷预测模型数据的纠纷预测概率与预设纠纷阈值机型比对,即判断纠纷预测概率是否大于预设纠纷阈值,若纠纷预测概率不大于预设纠纷阈值,则说明发生纠纷的概率不高,可以不用进一步确认目标用户是否对待购买的目标理财产品了解,并执行步骤S103;若纠纷预测概率大于预设纠纷阈值,则说明发生纠纷的概率过高,需要进一步确认目标用户是否对待购买的目标理财产品,并执行步骤S104。
S103、反馈用于提示允许目标用户购买目标理财产品的第一提示信息。
若纠纷预测概率小于或等于预设纠纷阈值,则说明发生纠纷的概率不高,客户端向客户经理反馈第一提示信息,第一提示信息用于提示允许目标用户购买目标理财产品,可选的,可以预先设置好第一提示信息的内容,在判断为纠纷预测概率不大于预设纠纷阈值后,将预先设置好的第一提示信息反馈至理财经理。
S104、客户端向机器人发送携带目标产品信息的触发指令。
若纠纷预测概率大于预设纠纷阈值,则说明发生纠纷的概率比较大,则需要进一步确认目标用户是否真正了解待购买的目标理财产品,客户端向相机器人发送携带目标产品信息的触发指令,其中,目标产品信息为目标产品的产品信息。
S105、机器人响应客户端发送的触发指令,提取触发指令中携带的目标产品信息。
机器人接收到客户端发送的触发指令后,提取触发指令中携带的目标产品信息。
S106、机器人依据预设的问询模板,对目标用户进行问询。
机器人依据预设的问询模板,对用户进行问询,可选的,问询模板中包含多条问询语音信息,机器人依据每一条语音信息,依次对目标用户进行问询,例如,询问目标用户购买的是存储产品还是理财产品、多少年后可以取出、预计年利率、是否知道有亏本风险、到期后是自动续约还是转活期存款、未到期取出需要付出的成本等信息。
本申请实施例提供的方法中,机器人依据预设的每一条语音信息,对目标用户进行问询,并接收存储目标用户的对问询进行响应的响应信息。
S107、机器人依据目标用户对问询进行响应的响应结果和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果。
机器人依据目标用户对问询进行响应的响应结果和所提取的目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果。
可选的,机器人依据目标用户对问询进行响应的响应结果和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果的过程,参阅图3,具体包括:
S301、识别目标用户对问询进行响应的响应结果,获得响应结果对应的文本信息;
S302、将文本信息和目标产品信息进行比对,得到比对结果;
S303、将比对结果作为评估目标用户对所述目标理财产品的了解程度的评估结果。
本申请实施例提供的方法中,将目标用户对问询进行响应的每一个响应结果进行文本转换,得到响应信息对应的文本信息,可选的,还可以对文本信息进行语义解析,提取文本信息中的有用信息,将文本信息中的有用信息与目标产品信息进行比对,由于机器人以预设的多条语音信息,依次对目标用户进行问询,相应的,目标用户对问询的响应信息也是多个,从每一个响应信息中提取有用信息,将每个有用信息与目标产品信息中对应的信息进行比对,从而得到每个响应信息对应的比对结果,可选的,每个响应信息对应的比对结果为比对一致或比对不一致,依据各个响应信息对应的比对结果,计算总的比对结果,即计算比对一致的比对结果的数目占总的比对结果数目的大小。
对上述提及的将每个有用信息与目标产品信息中对应的信息进行比对,从而得到每个响应信息对应的比对结果的过程进行举例说明如下:
机器人询问“目标用户到期后是自动续约还是转活期存款”,若目标用户回答为“我记得是自动续约”,则目标用户的响应信息中的有用信息为“自动续约”,通过查找到目标产品中记载的到期处理方法,获知到期后是自动续约,则该有用信息和目标产品信息中对应的信息的比对结果为两者是一致的;若通过查找到目标产品中记载的到期处理方法,获知到期后是转活期存款,则该有用信息和目标产品信息中对应的信息的比对结果为两者不一致。
依据各个比对结果中,计算比对一致的数目与总的比对结果数目的比值关系,将所计算得到的比值关系作为总的比对结果,并将总的比对结果作为评估目标用户对所述目标理财产品的了解程度的评估结果。
S108、机器人判断该评估结果是否表征目标用户了解目标理财产品。
机器人判断该评估结果是否标识目标用户了解目标理财产品,其中,评估结果大于预设阈值时,评估结果表征目标用户了解目标理财产品,评估结果不大于预设阈值时,评估结果表征目标用户不了解目标理财产品。
若评估结果表征目标用户不了解目标理财产品,则执行步骤S109,若评估结果表征目标用户了解目标理财产品,则执行步骤S110。
S109、反馈用于提示理财经理向目标用户介绍目标理财产品的产品信息的第二提示信息。
若评估结果表征目标用户不了解目标产品,则向理财经理反馈第二提示信息,第二提示信息用于提示理财经理向目标用户介绍目标理财产品的产品信息,并禁止目标用户当前购买目标理财产品,直至理财经理向目标用户介绍目标理财产品的产品信息后,再次对依据目标用户进行问询,问询对应评估结果表征目标用户了解目标理财产品后,才允许目标用户购买目标理财产品,从而减少理财纠纷。
S110、反馈用于提示允许目标用户购买目标理财产品的第一提示信息。
若评估结果表征目标用户了解目标理财产品,则机器人向客户经理反馈第一提示信息,用于提示允许目标用户购买目标理财产品。
本申请实施例提供的信息评估方法,客户端获取目标用户的用户信息,将用户信息输入预先构建的纠纷预测模型中,得到纠纷预测概率,若纠纷预测概率大于预设纠纷阈值,则向机器人发送携带目标产品信息的触发指令,机器人响应客户端发送的触发指令,提取触发指令中携带的目标产品信息,并依据预设的问询模板,对目标用户进行问询,依据目标用户对问询进行响应的响应结果和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果,若评估结果表征目标用户了解目标理财产品信息,则反馈用于提示允许目标用户购买目标理财产品的第一提示信息。应用本申请实施例提供的信息评估方法,实现了在用户购买理财产品前,评估用户对所要购买的理财产品的了解程度的需求,并在目标用户了解所要购买的目标理财产品的情况下,才允许目标用户购买该目标理财产品,从而减少理财纠纷。
在本申请实施例提供的方法中,对信息评估方法的整体实现进行说明,如图4所示,具体包括以下步骤:
客户端获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到纠纷预测模型输出的纠纷预测概率,判断纠纷预测概率是否大于预设纠纷阈值,若不大,则向理财经理反馈第一提示信息,第一提示信息用于提示允许目标客户购买目标理财产品,若大于,则向机器人发送携带目标产品信息的触发指令。
机器人在接收到触发指令后,对触发指令进行响应,提取触发指令中携带的目标产品信息,其中,目标产品信息为目标理财产品的产品信息,并依据预设的问询模板,对目标用户进行问询,接收并存储用户对问询进行响应的响应信息,依据目标用户对问询进行响应的响应结果和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果,判断评估结果是否表征目标用户了解目标理财产品,若是,向理财经理反馈第一提示信息,提示允许目标用户购买目标理财产品,若否,向理财经理反馈第二提示信息,提示理财经理向目标用户介绍目标理财产品的产品信息,并禁止目标用户当前购买目标理财产品,直至理财经理向目标用户介绍目标理财产品的产品信息后,再次对依据目标用户进行问询,问询对应评估结果表征目标用户了解目标理财产品后,才允许目标用户购买目标理财产品。
与图1所述的方法相对应,本申请实施例还提供了一种信息评估系统,用于对图1中方法的具体实现,其结构示意图如图5所示,具体包括:
所述客户端501,用于获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人502,用于响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
本申请实施例提供的信息评估系统,客户端获取目标用户的用户信息,将用户信息输入预先构建的纠纷预测模型中,得到纠纷预测概率,若纠纷预测概率大于预设纠纷阈值,则向机器人发送携带目标产品信息的触发指令,机器人响应客户端发送的触发指令,提取触发指令中携带的目标产品信息,并依据预设的问询模板,对目标用户进行问询,依据目标用户对问询进行响应的响应结果和目标产品信息,评估目标用户对目标理财产品的了解程度,得到评估结果,若评估结果表征目标用户了解目标理财产品信息,则反馈用于提示允许目标用户购买目标理财产品的第一提示信息。实现了在用户购买理财产品前,评估用户对所要购买的理财产品的了解程度的需求,并在目标用户了解所要购买的目标理财产品的情况下,才允许目标用户购买该目标理财产品,从而减少理财纠纷。
在本申请的一个实施例中,基于前述方案,客户端501执行将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,用于:
根据预设提取规则,从所述用户信息中提取多个用户特征;
将每个所述用户特征输入至预先构建的纠纷预测模型,得到所述纠纷预测模型输出的纠纷预测概率。
在本申请的一个实施例中,基于前述方案,客户端501还用于:
采集发生纠纷事件和未发生纠纷事件的用户信息样本;
按提取规则,从各个用户信息样本中提取多个用户特征,得到每个用户信息样本对应的多个用户特征;
确定由输入层、隐层和输出层构成的初始BP神经网络模型,其中,将每个所述用户信息样本对应的用户特征的个数作为初始BP神经网络模型的输入层节点个数,将用于表征纠纷预测概率的数值个数作为所述初始BP神经网络模型的输出层节点个数,基于试凑法确定所述初始BP神经网络模型的隐层节点个数;
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神经网络模型作为纠纷预测模型。
在本申请的一个实施例中,基于前述方案,机器人502执行依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,用于:
识别所述目标用户对所述问询进行响应的响应结果,获得所述响应结果对应的文本信息;
将所述文本信息和所述目标产品信息进行比对,得到比对结果;
将所述比对结果作为评估所述目标用户对所述目标理财产品的了解程度的评估结果。
在本申请的一个实施例中,基于前述方案,机器人502还用于:
若所述评估结果表征所述目标用户不了解所述目标理财产品信息,则反馈第二提示信息,所述第二提示信息用于提示理财经理向所述目标用户介绍所述目标理财产品的产品信息。
本申请实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行以下操作:
所述客户端获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
本申请实施例还提供了一种电子设备,其结构示意图如图6所示,具体包括存储器601,以及一个或者一个以上的指令602,其中一个或者一个以上指令602存储于存储器601中,且经配置以由一个或者一个以上处理器603执行所述一个或者一个以上指令602进行以下操作:
所述客户端获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种信息评估方法及系统进行了详细介绍,本文中应用了具体个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)
1.一种信息评估方法,其特征在于,应用于信息评估系统,所述信息评估系统包括客户端和机器人,所述方法包括:
所述客户端获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
2.根据权利要求1所述的方法,其特征在于,所述将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,包括:
根据预设提取规则,从所述用户信息中提取多个用户特征;
将每个所述用户特征输入至预先构建的纠纷预测模型,得到所述纠纷预测模型输出的纠纷预测概率。
3.根据权利要求2所述的方法,其特征在于,所述纠纷预测模型的构建过程,包括:
采集发生纠纷事件和未发生纠纷事件的用户信息样本;
按提取规则,从各个用户信息样本中提取多个用户特征,得到每个用户信息样本对应的多个用户特征;
确定由输入层、隐层和输出层构成的初始BP神经网络模型,其中,将每个所述用户信息样本对应的用户特征的个数作为初始BP神经网络模型的输入层节点个数,将用于表征纠纷预测概率的数值个数作为所述初始BP神经网络模型的输出层节点个数,基于试凑法确定所述初始BP神经网络模型的隐层节点个数;
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神经网络模型作为纠纷预测模型。
4.根据权利要求1所述的方法,其特征在于,所述依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,包括:
识别所述目标用户对所述问询进行响应的响应结果,获得所述响应结果对应的文本信息;
将所述文本信息和所述目标产品信息进行比对,得到比对结果;
将所述比对结果作为评估所述目标用户对所述目标理财产品的了解程度的评估结果。
5.根据权利要求1所述的方法,其特征在于,还包括:
若所述评估结果表征所述目标用户不了解所述目标理财产品,则反馈第二提示信息,所述第二提示信息用于提示理财经理向所述目标用户介绍所述目标理财产品的产品信息。
6.一种信息评估系统,其特征在于,包括:
所述客户端,用于获取目标用户的用户信息,将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,若所述纠纷预测概率大于预设纠纷阈值,则向所述机器人发送携带目标产品信息的触发指令;其中,所述目标用户为待购买目标理财产品的用户,所述目标产品信息为所述目标理财产品的产品信息;
所述机器人,用于响应所述客户端发送的触发指令,提取所述触发指令中携带的目标产品信息,并依据预设的问询模板,对所述目标用户进行问询,依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,若所述评估结果表征所述目标用户了解所述目标理财产品,则反馈第一提示信息,所述第一提示信息用于提示允许所述目标用户购买所述目标理财产品。
7.根据权利要求6所述的系统,其特征在于,所述客户端执行将目标用户的用户信息输入预先构建的纠纷预测模型中,得到所述纠纷预测模型输出的纠纷预测概率,用于:
根据预设提取规则,从所述用户信息中提取多个用户特征;
将每个所述用户特征输入至预先构建的纠纷预测模型,得到所述纠纷预测模型输出的纠纷预测概率。
8.根据权利要求7所述的系统,其特征在于,所述客户端还用于:
采集发生纠纷事件和未发生纠纷事件的用户信息样本;
按提取规则,从各个用户信息样本中提取多个用户特征,得到每个用户信息样本对应的多个用户特征;
确定由输入层、隐层和输出层构成的初始BP神经网络模型,其中,将每个所述用户信息样本对应的用户特征的个数作为初始BP神经网络模型的输入层节点个数,将用于表征纠纷预测概率的数值个数作为所述初始BP神经网络模型的输出层节点个数,基于试凑法确定所述初始BP神经网络模型的隐层节点个数;
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神经网络模型作为纠纷预测模型。
9.根据权利要求6所述的系统,其特征在于,所述机器人执行依据所述目标用户对所述问询进行响应的响应结果和所述目标产品信息,评估所述目标用户对所述目标理财产品的了解程度,得到评估结果,用于:
识别所述目标用户对所述问询进行响应的响应结果,获得所述响应结果对应的文本信息;
将所述文本信息和所述目标产品信息进行比对,得到比对结果;
将所述比对结果作为评估所述目标用户对所述目标理财产品的了解程度的评估结果。
10.根据权利要求6所述的系统,其特征在于,所述机器人还用于:
若所述评估结果表征所述目标用户不了解所述目标理财产品信息,则反馈第二提示信息,所述第二提示信息用于提示理财经理向所述目标用户介绍所述目标理财产品的产品信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010915241.4A CN112053245B (zh) | 2020-09-03 | 2020-09-03 | 信息评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010915241.4A CN112053245B (zh) | 2020-09-03 | 2020-09-03 | 信息评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053245A true CN112053245A (zh) | 2020-12-08 |
CN112053245B CN112053245B (zh) | 2023-09-19 |
Family
ID=73607840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010915241.4A Active CN112053245B (zh) | 2020-09-03 | 2020-09-03 | 信息评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053245B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610515A (zh) * | 2021-08-26 | 2021-11-05 | 中国银行股份有限公司 | 账户预警方法、装置、电子设备及存储介质 |
CN117829987A (zh) * | 2024-03-05 | 2024-04-05 | 山东兰图地理信息科技有限公司 | 不动产信息管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197305A (zh) * | 2018-01-30 | 2018-06-22 | 深圳壹账通智能科技有限公司 | 调查问卷测评处理方法、装置、计算机设备和存储介质 |
CN108805719A (zh) * | 2018-06-05 | 2018-11-13 | 上海豪沃金融信息服务有限公司 | 一种金融理财产品的风险控制系统 |
CN110135691A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 理财产品风险评估方法、装置、计算机设备以及存储介质 |
CN110191113A (zh) * | 2019-05-24 | 2019-08-30 | 新华三信息安全技术有限公司 | 一种用户行为风险评估方法及装置 |
WO2020037942A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技(深圳)有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
-
2020
- 2020-09-03 CN CN202010915241.4A patent/CN112053245B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197305A (zh) * | 2018-01-30 | 2018-06-22 | 深圳壹账通智能科技有限公司 | 调查问卷测评处理方法、装置、计算机设备和存储介质 |
CN108805719A (zh) * | 2018-06-05 | 2018-11-13 | 上海豪沃金融信息服务有限公司 | 一种金融理财产品的风险控制系统 |
WO2020037942A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技(深圳)有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
CN110135691A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 理财产品风险评估方法、装置、计算机设备以及存储介质 |
CN110191113A (zh) * | 2019-05-24 | 2019-08-30 | 新华三信息安全技术有限公司 | 一种用户行为风险评估方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610515A (zh) * | 2021-08-26 | 2021-11-05 | 中国银行股份有限公司 | 账户预警方法、装置、电子设备及存储介质 |
CN117829987A (zh) * | 2024-03-05 | 2024-04-05 | 山东兰图地理信息科技有限公司 | 不动产信息管理方法及系统 |
CN117829987B (zh) * | 2024-03-05 | 2024-05-10 | 山东兰图地理信息科技有限公司 | 不动产信息管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112053245B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10171666B2 (en) | Predictive routing | |
WO2019196546A1 (zh) | 确定业务请求事件的风险概率的方法及装置 | |
CN108021934B (zh) | 多要素识别的方法及装置 | |
CN111275503B (zh) | 一种获取流失用户召回成功率的数据处理方法及装置 | |
CN109816483B (zh) | 信息推荐方法及装置、可读存储介质 | |
CN110147925B (zh) | 一种风险决策方法、装置、设备及系统 | |
US10410626B1 (en) | Progressive classifier | |
CN111461778B (zh) | 广告推送的方法和装置 | |
CN113360622B (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
US10440187B1 (en) | Bootstrapped predicative routing in CRM | |
US20220138770A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
CN104750674A (zh) | 一种人机会话满意度预测方法及系统 | |
CN110555451A (zh) | 信息识别方法和装置 | |
CN114547475B (zh) | 一种资源推荐方法、装置及系统 | |
Djedovic et al. | Innovative approach in modeling business processes with a focus on improving the allocation of human resources | |
CN112053245A (zh) | 信息评估方法及系统 | |
CN112633690A (zh) | 服务人员信息分配方法、装置、计算机设备和存储介质 | |
CN112487284A (zh) | 银行客户画像生成方法、设备、存储介质及装置 | |
CN113672797A (zh) | 一种内容推荐方法及装置 | |
CN111639299A (zh) | 置业顾问客户跟进绩效评估方法、系统及存储介质 | |
CN114548118A (zh) | 一种服务对话检测方法及系统 | |
CN110689359A (zh) | 对模型进行动态更新的方法及装置 | |
CN113962800A (zh) | 模型训练及逾期风险预测方法、装置、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |