CN112183520A - 数据信息智能处理方法、装置、电子设备及存储介质 - Google Patents

数据信息智能处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112183520A
CN112183520A CN202011038824.XA CN202011038824A CN112183520A CN 112183520 A CN112183520 A CN 112183520A CN 202011038824 A CN202011038824 A CN 202011038824A CN 112183520 A CN112183520 A CN 112183520A
Authority
CN
China
Prior art keywords
data
evaluation result
processing
picture set
information
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
Application number
CN202011038824.XA
Other languages
English (en)
Inventor
李祖正
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.)
Ping An Puhui Enterprise Management Co Ltd
Original Assignee
Ping An Puhui Enterprise Management Co 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 Ping An Puhui Enterprise Management Co Ltd filed Critical Ping An Puhui Enterprise Management Co Ltd
Priority to CN202011038824.XA priority Critical patent/CN112183520A/zh
Publication of CN112183520A publication Critical patent/CN112183520A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Character Input (AREA)

Abstract

本发明涉及大数据技术，揭露了一种数据信息智能处理方法，包括：获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集，在预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端，接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统，根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。此外，本发明还涉及区块链技术，所述最终评估结果可存储于区块链的节点。本发明还提出一种数据信息智能处理装置、电子设备以及计算机可读存储介质。本发明可以解决用户信息处理效率不高的问题。

Description

数据信息智能处理方法、装置、电子设备及存储介质
技术领域
本发明涉及大数据技术领域，尤其涉及一种数据信息智能处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着互联网和IT(Internet Technology，互联网技术)技术的发展，各种创新的商业模式层出不穷，多种业务得到爆发式的发展。对各种业务下的用户信息进行处理是业务流程不可缺少的一步，也是互联网金融机构与传统金融机构拉开竞争优势的的关键。
传统用户信息处理流程存在以下缺陷：1、资料收集繁多，用户信息识别准确度不高，处理效率低下；2、待处理用户信息数据庞大，极大地占用了计算机资源；3、对所述用户信息没有筛选便同步处理，极大地影响了处理效率。
发明内容
本发明提供一种数据信息智能处理方法、装置及计算机可读存储介质，其主要目的在于解决用户信息处理效率不高的问题。
为实现上述目的，本发明提供的一种数据信息智能处理方法，包括：
获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集；
将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端；
接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统；
根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
可选地，所述利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集，包括：
对所述原始图片集中的图片进行二值化处理，得到标准图片集；
提取所述标准图片集中标准图片的字段信息；
对所述字段信息进行分词处理，并除去非必要字段，得到所述必要字段集。
可选地，所述对所述原始图片集中的图片进行二值化处理，得到标准图片集，包括：
遍历所述原始图片集中每个图片的所有像素点，并计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值；
将所述灰度值大于所述目标阈值的像素点设为白色，并将所述灰度值小于所述目标阈值的像素点设为黑色，得到标准图片；
汇总所有的所述标准图片，得到所述标准图片集。
可选地，所述计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值，包括：
步骤A：计算每个像素点的灰度值Gi；
步骤B：根据所述灰度值计算所有像素点的平均灰度值T0，以所述T0作为阈值；
步骤C：将灰度值大于或者等于所述阈值的像素点确定为前景，将灰度值小于所述阈值的像素点确定为背景，计算整个前景的平均灰度值Gf和整个背景的平均灰度值Gb，并将所述阈值更新为
Figure BDA0002705663360000021
步骤D：以所述Tk作为所述阈值，重复所述步骤C计算得到Tk+1(k＝1，2…)，直至TK+1＝Tk时，将当前的所述阈值确定为所述目标阈值。
可选地，所述提取所述标准图片集中标准图片的字段信息，包括：
将所述标准图片集输入至预先训练的神经网络模型；
利用所述神经网络模型里的特征提取器提取所述字段信息。
可选地，所述在所述预设的数据库中根据所述必要字段集生成初步评估结果，包括：
获取所述数据库中的初始数据等级，所述初始数据等级中包含标签信息；
利用所述必要字段集中的必要字段匹配所述标签信息；
根据匹配的所述标签信息确定所述必要字段集的初始数据等级；
将所述必要字段集的初始数据等级确定为所述初步评估结果。
可选地，所述将所述补充数据发送至预设的处理系统，包括：
对所述补充数据进行分类，得到必要数据和辅助数据；
将所述必要数据上传到所述处理系统的主系统，将所述辅助数据上传到所述处理系统的辅系统。
为了解决上述问题，本发明还提供一种数据信息智能处理装置，所述装置包括：
字段识别模块，用于获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集；
初步评估模块，用于将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端；
数据补充模块，用于接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统；
最终评估模块，用于根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的数据信息智能处理方法。
为了解决上述问题，本发明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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的数据信息智能处理方法。
本发明实施例利用预设的字符识别系统识别所述原始图片集中的图片，可以快速准确的得到必要字段集，并且只利用了所述必要字段集，对非必要字段进行删除，降低了数据处理的数据量，可以减少对计算机资源的占用。通过先给出所述初步评估结果，再给出最终评估结果的方法，部分用户根据所述初步评估结果不会继续上传数据，可以对用户信息进行一定程度的筛选，提高了对所述用户信息的处理效率及针对性。因此本发明可以解决用户信息处理效率低下的问题。
附图说明
图1为本发明一实施例提供的数据信息智能处理方法的流程示意图；
图2为图1中其中一个步骤的详细实施流程示意图；
图3为图1中另一个步骤的详细实施流程示意图；
图4为图1中另一个步骤的详细实施流程示意图；
图5为图1中另一个步骤的详细实施流程示意图；
图6为本发明一实施例提供的数据信息智能处理装置的功能模块图；
图7为本发明一实施例提供的实现所述数据信息智能处理方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供的数据信息智能处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据信息智能处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的数据信息智能处理方法的流程示意图。在本实施例中，所述数据信息智能处理方法包括：
S1、获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集。
较佳地，所述原始图片集是指包含用户基本信息的图片集合。比如，以信贷场景为例，用户在多种设备终端提供的信息采集页面填写基本信息，所述基本信息包括，但不限于：用户姓名、性别、工作等，将采集完成的页面保存成图片上传至预设的字符识别系统。
优选地，参阅图2所示，所述S1具体包括：
S10、对所述原始图片集中的图片进行二值化处理，得到标准图片集；
S11、提取所述标准图片集中标准图片的字段信息；
S12、对所述字段信息进行分词处理，并除去非必要字段，得到所述必要字段集。
其中，所述预设的字符识别系统可以为OCR(Optical Character Recognition，光学字符识别)识别系统。所述OCR识别系统采用光学的方式将图片中的文字转换成为可供编辑的文本格式。
详细地，所述对所述原始图片集中的图片进行二值化处理，得到标准图片集，具体包括：
遍历所述原始图片集中每个图片的所有像素点，并计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值；
将所述灰度值大于所述目标阈值的像素点设为白色，并将所述灰度值小于所述目标阈值的像素点设为黑色，得到标准图片；
汇总所有的所述标准图片，得到所述标准图片集。
进一步地，所述计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值，具体包括：
步骤A：计算每个像素点的灰度值Gi：
Figure BDA0002705663360000051
步骤B：根据所述灰度值计算所有像素点的平均灰度值T0：
Figure BDA0002705663360000052
Figure BDA0002705663360000053
以所述T0作为阈值；
步骤C：将灰度值大于或者等于所述阈值的像素点确定为前景，将灰度值小于所述阈值的像素点确定为背景，计算整个前景的平均灰度值Gf和整个背景的平均灰度值Gb，并将所述阈值更新为
Figure BDA0002705663360000054
步骤D：以所述Tk作为所述阈值，重复所述步骤C计算得到Tk+1(k＝1，2…)，直至TK+1＝Tk时，将当前的所述阈值确定为所述目标阈值。
其中，RGB(red、green、blue，三原色色彩模式)用来表示亮度，共256级，用数字表示为从0、1、2...直到255。RGBmin为像素点中RGB的最小值、RGBmax为像素点中RGB的最大值，Gmax为所述像素点中的最大灰度值、Gmin为所述像素点中的最小灰度值。
具体地，所述提取所述标准图片集中标准图片的字段信息，包括：
将所述标准图片集输入至预先训练的神经网络模型；
利用所述神经网络模型里的特征提取器提取所述字段信息。
进一步地，本发明实施例中，所述预先训练的神经网络模型可以为Faster R-CNN(Regions with CNN features)神经网络。所述特征提取器可以为RPN(Region ProposalNetworks)特征提取器。所述Faster R-CNN在所述标准图片上生成一系列候选框，所述RPN特征提取器判断候选框是否包含目标字段，并将所述目标字段提取出来，得到所述字段信息。
本发明实施例通过迭代算法确定所述目标阈值，可以使二值化图片更加准确，并且利用字符识别系统可以快速的提取字段信息，提高了效率。同时，通过除去非必要字段，对所述字段信息进行了过滤，进一步降低了数据处理量。
S2、将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端。
较佳地，参阅图3所示，所述将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，具体包括：
S20、获取所述数据库中的初始数据等级，所述初始数据等级中包含标签信息；
S21、利用所述必要字段集中的必要字段匹配所述标签信息；
S22、根据匹配的所述标签信息确定所述必要字段集的初始数据等级；
S23、将所述必要字段集的初始数据等级确定为所述初步评估结果。
其中，所述预设的数据库中存储的信息包括身份信息、贷款信息、信用信息等用户简要历史数据，将所述用户简要历史数据划分为不同的初始数据等级，所述初始数据等级对应着不同的标签信息，根据所述标签信息可以匹配得到不同的初始数据等级。所述不同的初始数据等级对应着不同的初步评估结果。比如，贷款场景下，用户A无贷款记录且信用信息良好，用户A的必要字段为“无贷款”，匹配相应的标签信息为“无贷款”，将用户A分配至对应标签信息下的初始数据等级，根据所述初始数据等级给出初步评估结果为：初步评估等级B，初始贷款额度5万。
进一步地，本发明实施例中，只需要通过所述必要字段集即可直接得出初步评估结果，提高了智能审批的速率。
S3、接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统。
较佳地，参阅图4所示，所述将所述补充数据发送至预设的处理系统，具体包括：
S30、对所述补充数据进行分类，得到必要数据和辅助数据；
S31、将所述必要数据上传到所述处理系统的主系统，将所述辅助数据上传到所述处理系统的辅系统。
优选地，本发明实施例中，所述初步评估结果包括初步评估等级及初始贷款额度，用户根据所述初步评估结果判断是否继续贷款，若不继续贷款，直接退出即可，若继续贷款，则在所述指定终端继续进一步提交补充资料。所述用户基于所述初步评估结果提交的补充数据即为所述补充资料，包括身份证、房产证、营业执照、购销合同及收入证明等数据，其中，身份证、房产证及营业执照为所述必要数据，购销合同、收入证明等其他数据为所述辅助数据。本发明实施例中，所述处理系统包括主系统及辅系统，所述主系统负责处理所述必要数据，以确定所述必要数据的真实性，所述辅系统负责处理所述辅助数据，以确定所述辅助数据的真实性。
进一步地，将所述处理系统分为主系统及辅系统，针对同一用户提交的补充数据，以所述主系统为主，以所述辅系统为辅，提高了数据处理的针对性和效率。
S4、根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
较佳地，参阅图5所示，所述S4具体包括：
S40、在所述主系统汇总所述审批结果，将所述审批结果上传至所述数据库，得到最终评估结果；
S41、通过H5页面将所述最终评估结果反馈至所述指定终端。
优选地，所述审批结果包括所述主系统的处理结果及所述辅系统的处理结果。所述数据库中还包括房产证、营业执照、购销合同及收入证明等用户完整历史数据，将所述用户完整历史数据划分为不同的评估等级，所述不同的评估等级对应着不同的最终评估结果。
所述H5是HTML5的简称，它是一种高级网页技术，相较于普通网页，有更多的交互和功能。本发明实施例中，通过所述H5页面将所述最终评估结果反馈至所述指定终端，用户可以根据所述最终评估结果在所述H5页面中进行下一步选择。比如，用户A提交的数据，经过所述主系统及所述辅系统判定为真实数据，汇总所述主系统及所述辅系统的处理结果，并与所述数据库中的评估等级相匹配，得到的最终评估结果为：最终评估等级A，最终贷款额度20万。用户A可在所述H5页面上提供的“接收”选项或者“拒绝”选项中做出选择。
进一步地，本发明实施例通过预设的字符识别系统将包含用户信息的图片进行二值化处理，得到标准图片，并提取所述标准图片中的必要字段，对所述标准图片中的字段信息进行了过滤，降低了数据处理量，通过利用所述必要字段先给出所述初步评估结果，再利用所述补充数据给出最终评估结果的方法，可以对用户信息进行一定程度的筛选。比如，信贷场景下，上述例子中的用户A贷款意愿较强，提交补充资料后，对最终评估结果满意，点击所述H5页面上提供的“接收”选项。用户B，贷款意愿低，对初步评估结果不满意，不会继续提交补充资料，本发明实施例一定程度对用户进行了筛选。
本发明实施例利用预设的字符识别系统识别所述原始图片集中的图片，可以快速准确的得到必要字段集，并且只利用了所述必要字段集，对非必要字段进行删除，降低了数据处理的数据量，可以减少对计算机资源的占用。通过先给出所述初步评估结果，再给出最终评估结果的方法，部分用户根据所述初步评估结果不会继续上传数据，可以对用户信息进行一定程度的筛选，提高了对所述用户信息的处理效率及针对性。因此本发明可以解决用户信息处理效率低下的问题。
如图6所示，是本发明一实施例提供的数据信息智能处理装置的功能模块图。
本发明所述数据信息智能处理装置100可以安装于电子设备中。根据实现的功能，所述数据信息智能处理装置100可以包括字段识别模块101、初步评估模块102、数据补充模块103及最终评估模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述字段识别模块101，用于获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集。
较佳地，所述原始图片集是指包含用户基本信息的图片集合。比如，以信贷场景为例，用户在多种设备终端提供的信息采集页面填写基本信息，所述基本信息包括，但不限于：用户姓名、性别、工作等，将采集完成的页面保存成图片上传至预设的字符识别系统。
较佳地，所述字段识别模块101通过下述操作得到所述必要字段集：
对所述原始图片集中的图片进行二值化处理，得到标准图片集；
提取所述标准图片集中标准图片的字段信息；
其中，所述预设的字符识别系统可以为OCR(Optical Character Recognition，光学字符识别)识别系统。所述OCR识别系统采用光学的方式将图片中的文字转换成为可供编辑的文本格式。
详细地，本发明实施例通过下述操作得到所述标准图片集：
遍历所述原始图片集中每个图片的所有像素点，并计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值；
将所述灰度值大于所述目标阈值的像素点设为白色，并将所述灰度值小于所述目标阈值的像素点设为黑色，得到标准图片；
汇总所有的所述标准图片，得到所述标准图片集。
进一步地，本发明实施例通过下述操作得到所述目标阈值：
步骤A：计算每个像素点的灰度值Gi：
Figure BDA0002705663360000091
步骤B：根据所述灰度值计算所有像素点的平均灰度值T0：
Figure BDA0002705663360000092
Figure BDA0002705663360000093
以所述T0作为阈值；
步骤C：将灰度值大于或者等于所述阈值的像素点确定为前景，将灰度值小于所述阈值的像素点确定为背景，计算整个前景的平均灰度值Gf和整个背景的平均灰度值Gb，并将所述阈值更新为
Figure BDA0002705663360000094
步骤D：以所述Tk作为所述阈值，重复所述步骤C计算得到Tk+1(k＝1，2…)，直至TK+1＝Tk时，将当前的所述阈值确定为所述目标阈值。
其中，RGB(red、green、blue，三原色色彩模式)用来表示亮度，共256级，用数字表示为从0、1、2...直到255。RGBmin为像素点中RGB的最小值、RGBmax为像素点中RGB的最大值，Gmax为所述像素点中的最大灰度值、Gmin为所述像素点中的最小灰度值。
具体地，本发明实施例通过下述操作得到所述字段信息：
将所述标准图片集输入至预先训练的神经网络模型；
利用所述神经网络模型里的特征提取器提取所述字段信息。
进一步地，本发明实施例中，所述预先训练的神经网络模型可以为Faster R-CNN(Regions with CNN features)神经网络。所述特征提取器可以为RPN(Region ProposalNetworks)特征提取器。所述Faster R-CNN在所述标准图片上生成一系列候选框，所述RPN特征提取器判断候选框是否包含目标字段，并将所述目标字段提取出来，得到所述字段信息。
本发明实施例通过迭代算法确定所述目标阈值，可以使二值化图片更加准确，并且利用字符识别系统可以快速的提取字段信息，提高了效率。同时，通过除去非必要字段，进一步降低了数据处理量。
所述初步评估模块102，用于将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端。
较佳地，所述初步评估模块102通过下述操作得到所述初步评估结果：
获取所述数据库中的初始数据等级，所述初始数据等级中包含标签信息；
利用所述必要字段集中的必要字段匹配所述标签信息；
根据匹配的所述标签信息确定所述必要字段集的初始数据等级；
将所述必要字段集的初始数据等级确定为所述初步评估结果。
其中，所述预设的数据库中存储的信息包括身份信息、贷款信息、信用信息等用户简要历史数据，将所述用户简要历史数据划分为不同的初始数据等级，所述初始数据等级对应着不同的标签信息，根据所述标签信息可以匹配得到不同的初始数据等级。所述不同的初始数据等级对应着不同的初步评估结果。比如，贷款场景下，用户A无贷款记录且信用信息良好，用户A的必要字段为“无贷款”，匹配相应的标签信息为“无贷款”，将用户A分配至对应标签信息下的初始数据等级，根据所述初始数据等级给出初步评估结果为：初步评估等级B，初始贷款额度5万。
进一步地，本发明实施例中，只需要通过所述必要字段集即可直接得出初步评估结果，提高了智能审批的速率。
所述数据补充模块103，用于接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统。
较佳地，所述数据补充模块103通过下述操作将所述补充数据发送至预设的处理系统：
对所述补充数据进行分类，得到必要数据和辅助数据；
将所述必要数据上传到所述处理系统的主系统，将所述辅助数据上传到所述处理系统的辅系统。
优选地，本发明实施例中，所述初步评估结果包括初步评估等级及初始贷款额度，用户根据所述初步评估结果判断是否继续贷款，若不继续贷款，直接退出即可，若继续贷款，则在所述指定终端继续进一步提交补充资料。所述用户基于所述初步评估结果提交的补充数据即为所述补充资料，包括身份证、房产证、营业执照、购销合同及收入证明等数据，其中，身份证、房产证及营业执照为所述必要数据，购销合同、收入证明等其他数据为所述辅助数据。本发明实施例中，所述处理系统包括主系统及辅系统，所述主系统负责处理所述必要数据，以确定所述必要数据的真实性，所述辅系统负责处理所述辅助数据，以确定所述辅助数据的真实性。
进一步地，将所述处理系统分为主系统及辅系统，针对同一用户提交的补充数据，以所述主系统为主，以所述辅系统为辅，提高了数据处理的针对性和效率。
所述最终评估模块104，用于根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
较佳地，所述最终评估模块104通过下述操作根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端：
在所述主系统汇总所述审批结果，将所述审批结果上传至所述数据库，得到最终评估结果；
优选地，所述审批结果包括所述主系统的处理结果及所述辅系统的处理结果。所述数据库中还包括房产证、营业执照、购销合同及收入证明等用户完整历史数据，将所述用户完整历史数据划分为不同的评估等级，所述不同的评估等级对应着不同的最终评估结果。
所述H5是HTML5的简称，它是一种高级网页技术，相较于普通网页，有更多的交互和功能。本发明实施例中，通过所述H5页面将所述最终评估结果反馈至所述指定终端，用户可以根据所述最终评估结果在所述H5页面中进行下一步选择。比如，用户A提交的数据，经过所述主系统及所述辅系统判定为真实数据，汇总所述主系统及所述辅系统的处理结果，并与所述数据库中的评估等级相匹配，得到的最终评估结果为：最终评估等级A，最终贷款额度20万。用户A可在所述H5页面上提供的“接收”选项或者“拒绝”选项中做出选择。
进一步地，本发明实施例通过预设的字符识别系统将包含用户信息的图片进行二值化处理，得到标准图片，并提取所述标准图片中的必要字段，对所述标准图片中的字段信息进行了过滤，降低了数据处理量，通过利用所述必要字段先给出所述初步评估结果，再利用所述补充数据给出最终评估结果的方法，可以对用户信息进行一定程度的筛选。比如，信贷场景下，上述例子中的用户A贷款意愿较强，提交补充资料后，对最终评估结果满意，点击所述H5页面上提供的“接收”选项。用户B，贷款意愿低，对初步评估结果不满意，不会继续提交补充资料，本发明实施例一定程度对用户进行了筛选。
如图7所示，是本发明一实施例提供的实现数据信息智能处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据信息智能处理程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如数据信息智能处理程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如数据信息智能处理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图7仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图7示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数据信息智能处理程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集；
将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端；
接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统；
根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图5对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据信息智能处理方法，其特征在于，所述方法包括：
获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集；
将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端；
接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统；
根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
2.如权利要求1所述的数据信息智能处理方法，其特征在于，所述利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集，包括：
对所述原始图片集中的图片进行二值化处理，得到标准图片集；
提取所述标准图片集中标准图片的字段信息；
对所述字段信息进行分词处理，并除去非必要字段，得到所述必要字段集。
3.如权利要求2所述的数据信息智能处理方法，其特征在于，所述对所述原始图片集中的图片进行二值化处理，得到标准图片集，包括：
遍历所述原始图片集中每个图片的所有像素点，并计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值；
将所述灰度值大于所述目标阈值的像素点设为白色，并将所述灰度值小于所述目标阈值的像素点设为黑色，得到标准图片；
汇总所有的所述标准图片，得到所述标准图片集。
4.如权利要求3所述的数据信息智能处理方法，其特征在于，所述计算每个像素点的灰度值，根据所述灰度值进行迭代处理，得到目标阈值，包括：
步骤A：计算每个像素点的灰度值Gi；
步骤B：根据所述灰度值计算所有像素点的平均灰度值T0，以所述T0作为阈值；
步骤C：将灰度值大于或者等于所述阈值的像素点确定为前景，将灰度值小于所述阈值的像素点确定为背景，计算整个前景的平均灰度值Gf和整个背景的平均灰度值Gb，并将所述阈值更新为
Figure FDA0002705663350000021
步骤D：以所述Tk作为所述阈值，重复所述步骤C计算得到Tk+1(k＝1，2…)，直至TK+1＝Tk时，将当前的所述阈值确定为所述目标阈值。
5.如权利要求2所述的数据信息智能处理方法，其特征在于，所述提取所述标准图片集中标准图片的字段信息，包括：
将所述标准图片集输入至预先训练的神经网络模型；
利用所述神经网络模型里的特征提取器提取所述字段信息。
6.如权利要求1所述的数据信息智能处理方法，其特征在于，所述在所述预设的数据库中根据所述必要字段集生成初步评估结果，包括：
获取所述数据库中的初始数据等级，所述初始数据等级中包含标签信息；
利用所述必要字段集中的必要字段匹配所述标签信息；
根据匹配的所述标签信息确定所述必要字段集的初始数据等级；
将所述必要字段集的初始数据等级确定为所述初步评估结果。
7.如权利要求1所述的数据信息智能处理方法，其特征在于，所述将所述补充数据发送至预设的处理系统，包括：
对所述补充数据进行分类，得到必要数据和辅助数据；
将所述必要数据上传到所述处理系统的主系统，将所述辅助数据上传到所述处理系统的辅系统。
8.一种数据信息智能处理装置，其特征在于，所述装置包括：
字段识别模块，用于获取原始图片集，利用预设的字符识别系统识别所述原始图片集中的图片，得到必要字段集；
初步评估模块，用于将所述必要字段集传入预设的数据库，在所述预设的数据库中根据所述必要字段集生成初步评估结果，并将所述初步评估结果发送至指定终端；
数据补充模块，用于接收所述指定终端基于所述初步评估结果反馈的补充数据，并将所述补充数据发送至预设的处理系统；
最终评估模块，用于根据所述处理系统的处理结果得到最终评估结果，并将所述最终评估结果传输至所述指定终端。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的数据信息智能处理方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的数据信息智能处理方法。
CN202011038824.XA 2020-09-28 2020-09-28 数据信息智能处理方法、装置、电子设备及存储介质 Pending CN112183520A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011038824.XA CN112183520A (zh) 2020-09-28 2020-09-28 数据信息智能处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011038824.XA CN112183520A (zh) 2020-09-28 2020-09-28 数据信息智能处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112183520A true CN112183520A (zh) 2021-01-05

Family

ID=73945194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011038824.XA Pending CN112183520A (zh) 2020-09-28 2020-09-28 数据信息智能处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112183520A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800763A (zh) * 2021-04-14 2021-05-14 北京金山云网络技术有限公司 数据处理方法、医学文本数据处理方法、装置及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840699A (zh) * 2019-01-23 2019-06-04 深圳壹账通智能科技有限公司 合格投资者线上评估方法、装置、计算机设备和存储介质
US20190347718A1 (en) * 2018-05-11 2019-11-14 Kpmg Llp Loan audit system and method with chained confidence scoring

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347718A1 (en) * 2018-05-11 2019-11-14 Kpmg Llp Loan audit system and method with chained confidence scoring
CN109840699A (zh) * 2019-01-23 2019-06-04 深圳壹账通智能科技有限公司 合格投资者线上评估方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
焦杏艳: "纸币号码识别系统的算法研究", 《中国优秀硕士学位论文全文数据库 信息科技》, pages 33 - 35 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800763A (zh) * 2021-04-14 2021-05-14 北京金山云网络技术有限公司 数据处理方法、医学文本数据处理方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN108256591B (zh) 用于输出信息的方法和装置
CN113283446A (zh) 图像中目标物识别方法、装置、电子设备及存储介质
CN112396005A (zh) 生物特征图像识别方法、装置、电子设备及可读存储介质
CN112036295B (zh) 票据图像处理方法、装置、存储介质及电子设备
CN112508145B (zh) 电子印章生成及验证方法、装置、电子设备及存储介质
CN111695609A (zh) 目标物损伤程度判定方法、装置、电子设备及存储介质
CN113222063B (zh) 快递纸箱垃圾分类方法、装置、设备及介质
CN113360768A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN114708461A (zh) 基于多模态学习模型的分类方法、装置、设备及存储介质
CN112668575A (zh) 关键信息提取方法、装置、电子设备及存储介质
CN115471775A (zh) 基于录屏视频的信息验证方法、装置、设备及存储介质
CN113704474B (zh) 银行网点设备操作指引生成方法、装置、设备及存储介质
CN112560855B (zh) 图像信息提取方法、装置、电子设备及存储介质
CN113420684A (zh) 基于特征提取的报表识别方法、装置、电子设备及介质
CN112183520A (zh) 数据信息智能处理方法、装置、电子设备及存储介质
CN112580505B (zh) 网点开关门状态识别方法、装置、电子设备及存储介质
CN113705686B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN112233194B (zh) 医学图片优化方法、装置、设备及计算机可读存储介质
CN115082736A (zh) 垃圾识别分类方法、装置、电子设备及存储介质
CN112861649B (zh) 指纹签名生成方法、装置、电子设备及计算机存储介质
CN113822215A (zh) 设备操作指引文件生成方法、装置、电子设备及存储介质
CN111784499A (zh) 基于云平台的业务集成方法、装置、电子设备及存储介质
WO2020172767A1 (zh) 电子签购单识别方法、装置及终端设备
CN113627297B (zh) 图像识别方法、装置、设备及介质

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