一种触发式资源配额调整方法、装置和系统
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种触发式资源配额调整方法、装置和系统。
背景技术
在基于互联网的应用技术中,常常需要在不同的参与方之前进行资源的交换。这里所称的资源是指任何可被利用的物质、信息、金钱、时间等。信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。
与金钱相关的资源也称金融资源,随着互联网技术以及经济的发展,互联网金融逐渐融入到人们的日常生活当中,人们越来越多的习惯使用手机进行消费。用户消费行为的不断变化,需求不断增加,就会有资源配额调整的需求。
但目前通常是用户消费过程中发现额度不够用了,向互联网金融服务提供方进行提额申请,互联网金融服务提供方收到申请后,进行审批,根据审批结果提升用户的额度。但这种方法不能够及时满足用户的需求,可能申请时需要使用,等审批完用户已经没有这方面的需求了,造成用户的动支效率低下和客户满意度不高的问题。
发明内容
本发明旨在解决现有的用户额度申请方式不能及时满足用户的需求,造成用户的动支效率低下和客户满意度不高的问题。
为了解决上述技术问题,本发明第一方面提出一种触发式资源配额调整方法,方法包括:
对已分配有资源配额的用户进行评估,筛选出用于触发式资源配额调整的用户;
根据所筛选得到的用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值;
向所述用户的客户端推送消息以告知该用户所述资源配额调整值,待用户确认后根据所述资源配额调整值调整所述用户当前的资源配额。
根据本发明的一种优选实施方式,根据所述用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值具体为:
将所述用户的用户信息以及用户当前的资源配额输入资源配额动态调整模型,所述资源配额动态调整模型输出资源配额调整值。
根据本发明的一种优选实施方式,其特征在于,所述资源配额动态调整模型为基于深度学习的循环网络神经模型。
根据本发明的一种优选实施方式,所述筛选出用于触发式资源配额调整的用户包括:根据历史用户调额数据训练调额效用模型,根据该调额效用模型计算用户的调额效用值,当该调额效用值属于特定阈值区间时,将该用户作为触发式资源配额调整的用户。
根据本发明的一种优选实施方式,所述历史用户调额数据包括历史用户在调额后是否使用资源的数据。
根据本发明的一种优选实施方式,调额效用值表示用户在调额后使用资源的概率值。
根据本发明的一种优选实施方式,向所述用户的客户端推送消息包括向用户的客户端推送带有确认按钮的页面;
所述用户确认包括用户触发所述确认按钮。
本发明的第二方面提出一种触发式资源配额调整装置,装置包括:
筛选模块,用于对已分配有资源配额的用户进行评估,筛选出用于触发式资源配额调整的用户;
资源配额调整模块,,用于根据所筛选得到的用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值;
告知模块,用于向所述用户的客户端推送消息以告知该用户所述资源配额调整值,待用户确认后根据所述资源配额调整值调整所述用户当前的资源配额。
根据本发明的一种优选实施方式,根据所述用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值具体为:
将所述用户的用户信息以及用户当前的资源配额输入资源配额动态调整模型,所述资源配额动态调整模型输出资源配额调整值。
根据本发明的一种优选实施方式,所述资源配额动态调整模型为基于深度学习的循环网络神经模型。
根据本发明的一种优选实施方式,所述筛选出用于触发式资源配额调整的用户包括:根据历史用户调额数据训练调额效用模型,根据该调额效用模型计算用户的调额效用值,当该调额效用值属于特定阈值区间时,将该用户作为触发式资源配额调整的用户。
根据本发明的一种优选实施方式,所述历史用户调额数据包括历史用户在调额后是否使用资源的数据。
根据本发明的一种优选实施方式,调额效用值表示用户在调额后使用资源的概率值。
根据本发明的一种优选实施方式,向所述用户的客户端推送消息包括向用户的客户端推送带有确认按钮的页面;
所述用户确认包括用户触发所述确认按钮。
本发明的第三方面提出一种触发式资源配额调整系统,包括:
存储单元,用于存储计算机可执行程序;
处理单元,用于读取所述存储单元中的计算机可执行程序,以执行所述的触发式资源配额调整方法。
本发明的第四方面提出一种计算机可读介质,用于存储计算机可读程序,所述计算机可读程序用于执行所述的触发式资源配额调整方法。
采用该技术方案,资源提供方能够主动发现用户的提额需求,事先确定用户的额度调整值,向用户告知额度调整值,由用户确定是否释放额度调整值。通过主动提额的方式,显著提高了用户的动支意愿,同时增加了用户粘性。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明实施例中触发式资源配额调整方法的流程示意图;
图2是本发明实施例中资源配额动态调整模型的结构示意图;
图3是本发明实施例中触发式资源配额调整装置的结构示意图;
图4是本发明实施例中触发式资源配额调整系统的结构框架示意图;
图5是本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
在智能语音机器人与用户进行沟通过程中,对话时间可能较长,对用户的真实意图判断存在偏差,导致用户体验不好。
因此,本申请提供一种触发式资源配额调整方法,如图1所示,本发明方法具有如下步骤:
S101、对已分配有资源配额的用户进行评估,筛选出用于触发式资源配额调整的用户。
在本实施方式中,资源是指任何可被利用的物质、信息、时间,信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。从本质上来说,本发明可以应用于各类资源的分配,包括实体的货物、水、电、有意义的资料等,也可以包括网络虚拟资源,比如Q币,比特币,网游中的货币或资源等等。
在本实施方式中资源配额主要是指金融资源。
在本实施方式中,资源提供方为了效益最大化,往往愿意给提额后能够充分利用这部分资源的用户提额,如果给使用意愿不高的用户提额,提额后用户没有使用这部分资源,对资源提供方没有任何效益可言,因此需要对用户进行筛选。
在上述技术方案的基础上,进一步地,所述筛选出用于触发式资源配额调整的用户包括:根据历史用户调额数据训练调额效用模型,根据该调额效用模型计算用户的调额效用值,当该调额效用值属于特定阈值区间时,将该用户作为触发式资源配额调整的用户。
在上述技术方案的基础上,进一步地,所述历史用户调额数据包括历史用户在调额后是否使用资源的数据。
在上述技术方案的基础上,进一步地,调额效用值表示用户在调额后使用资源的概率值。
在本实施方式中,使用调额效用模型对用户进行筛选,调额效用模型是通过历史用户调额数据训练。资源提供方存储有大量的历史用户的提额数据以及相应的用户提额后资源的使用情况。提额后资源的使用情况包括提额后资源的使用比例,资源的使用频率等数据。调额效用模型采用有监督的方式进行训练,将历史用户调额数据划分为训练样本和校验样本。使用训练样本训练调额效用模型,调整调额效用模型的参数。然后使用校验样本对调额效用模型进行校验,如果通过校验则调额效用模型训练完成。
通过调额效用模型计算用户的调额效用值,在本实施方式中,调额效用值表示用户在调额后使用资源的概率值,预先设置调额效用值的阈值,当超过阈值时,表示用户使用资源的概率值满足条件,通过用户筛选。
S102、根据所筛选得到的用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值。
在本实施方式中,为了确定用户的资源配额调整值,需要获取用户的相关信息以及用户目前拥有的资源额度。资源配额调整值与用户目前的资源额度有很大关系,用户目前拥有的资源配额越多,资源配额调整值相对来说就越大。
在上述技术方案的基础上进一步地,所述用户的用户信息包括基本信息,教育信息,兴趣爱好信息,社交信息,消费信息,商旅信息,保险信息中的一种或多种。
在本实施方式中,获取用户的用户信息是为了推断用户可以支配的资源数量,根据推断结果为用户分配合适的资源配额调整值。
用户的基本信息包括年龄、性别、所在地、身高、体重、健康状态等信息。年龄用于判断用户所处状态,相对来说青年人还未进入工作或者刚刚进入工作,收入不稳定或者收入相对较低,因此推断可供用户支配的资源数量不会太高,确定的资源配额调整值也就不会太高。中年人相对来说经过时间积累,工作和收入稳定,有一定经济基础,还有较大的职业发展空间,可供支配的资源数量较多,因此相对的资源配额调整值较高。老年人多数已经退休,虽然手中有一定积蓄,但可支配资源相对增长缓慢,因此资源配额调整值相对较低。
由于目前经济发展的不平衡,各个地区之间的薪资收入还是存在较大的差异,东部沿海地区经济相对发达,人均可支配资源比西部欠发达地区要高,也是用于确定资源配额调整值的一个重要因素。
性别、身高、体重、健康状态等信息都能从侧面反映用户的状态,为推断用户的可支配资源提供一定依据。
教育信息包括用户的学历,专业以及毕业院校等等。通常来说用户的学历高低、专业热门程度以及毕业院校的排名都对薪资收入有一定影响,因此教育信息也是确定用户资源配额调整值的一个重要因素。
兴趣爱好信息反映用户的兴趣爱好。不同的兴趣爱好在一定程度上能够反映出用户的生活状态和资源可支配程度。兴趣爱好本身没有高低之分,但很多兴趣爱好需要一定的资金进行支持,比如摄影需要对器材设备进行投入,旅游需要一定时间成本和财力支持,同样是钓鱼,海钓的花费就要比在水库钓鱼花费要高。因此通过兴趣爱好信息也是确定用户资源配额调整值的一个因素。
社交信息包括通话联系人信息,朋友圈信息,社交APP互动信息等等,反映用户的社交行为及交际圈子。人们常说物以类聚,人以群分,一个人的社交信息大体上能够反映出一个人社会地位以及收入水平。因此社交信息也是确定用户资源配额调整值的一个重要因素。
消费信息包括用户的消费金额,消费类型,是否使用信用额度支付等信息,反映用户的消费行为和消费习惯,从消费信息中能够较准确的判断用户的资源可支配程度。因此消费习惯也是确定用户资源配额调整值的一个重要因素。
商旅信息为用户的出行住宿信息,包括火车里程信息,车厢等级信息,飞行里程信息,飞机舱位信息,住宿酒店星级,出行目的地等信息。通常拥有较好商旅信息的用户拥有较好的工作,薪资收入较高,可供支配的资源较多。因此商旅信息也是确定用户资源配额调整值的一个重要因素。
保险信息为用户购买医疗保险,意外保险,养老保险,财产保险等保险的相关信息,包括保险的险种以及保额。通常购买保险的用户有一定的避险能力,用户的资源结构更加稳定,为资源配额调整提供了一定保证。因此保险信息也是确定用户资源配额调整值的一个重要因素。
在目前常用的资源配额调整计算中,多数引入消费信息作为计算的主要因素,但这样计算出来的资源配额调整值不准确,很多时候不能满足用户的实际需要,因此在本发明中引入基本信息,教育信息,兴趣爱好信息,社交信息,消费信息,商旅信息,保险信息中的一种或多种,使得资源配额调整值更加准确,在本实施方式中尤其是引入基本信息、商旅信息、保险信息以及教育信息,兴趣爱好信息,社交信息,消费信息中的一种或多种,通过这种方式即考虑了资源配额调整值的计算效率,又兼顾了计算结果的准确性,能够更好的满足用户的需求。
在上述技术方案的基础上进一步地,根据所述用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值具体为:
将所述用户的用户信息以及用户当前的资源配额输入资源配额动态调整模型,所述资源配额动态调整模型输出资源配额调整值。
在本实施方式中,资源配额动态调整模型是已经训练好的模型,将用户的用户信息以及用户当前的资源配额作为输入,经过资源配额动态调整模型的计算,确定资源额度调整值。资源额度调整值可以为正数,表示提高资源配额,当为负数时表示降低资源配额。
在本实施方式中,由于本发明目的是为了给用户提升额度,解决用户额度不够,提升用户动支效果,所以资源额度调整值均为正数。
在上述技术方案的基础上进一步地,所述资源配额动态调整模型为基于深度学习的循环网络神经RNN模型。
资源配额动态调整模型的结构如图2所示,在本实施方式中,资源配额动态调整模型包括输入层,隐藏层以及输出层。其中,隐藏层包括长短期记忆网络LSTM层和全连接层,LSTM层与全连接层连接。由于本发明是为了解决用户额度不够用的问题,为用户主动提供最优的资源配额调整值,输出层可以为SOFTMAX层或Sigmoid层。输入层用于输入用户的用户信息以及用户当前的资源配额。在输入输入层之前需要对用户的用户信息以及用户当前的资源配额进行处理,转化为向量。对于信息中的文本信息可以采用WORD2VEC或TF-IDF算法转化为向量,在本实施方式中主要采用WORD2VEC算法。
数字信息根据不同类型转化为相应的向量,比如用户当前的资源额度可以转化为8维向量,每一维代表资源配额的数位,张三当前的资源配额为30000转化后为(0,0,0,3,0,0,0,0),李四当前的资源配额为5000转化后为(0,0,0,0,5,0,0,0)。
教育信息的向量可以由学历,院校代码,专业代码构成。例如:
张三为硕士研究生,清华大学毕业,专业为网络安全专业,则张三的教育信息向量为(7,10003,839);
李四学历为本科,中国农业大学毕业,专业为地质学专业,则李四的教育信息向量为(6,10019,70901)。
保险信息的向量可以由医疗保险金额,意外保险金额,养老保险金额,财产保险金额,人寿保险金额,理财保险金额构成。例如:
张三购买了30万的医疗保险和10万理财保险,则张三的保险信息向量为(30,0,0,0,0,10);
李四购买了10万的医疗保险,10万的意外保险以及30万的养老保险,则李四的保险信息向量为(10,10,30,0,0,0)。
商旅信息的向量为向量组,为一段时间内出行信息的向量组成的向量组,可以设定商旅信息的时间段,比如最近1年,最近3年。出行信息的向量包括交通工具种类,车厢等级,里程,目的地国家,目的地城市,入住旅馆星级,入住天数。例如:
张三最近一年内有3次商旅活动,乘火车坐二等座去上海出差,入住3星酒店3天;乘飞机坐商务舱去日本东京出差,入住4星酒店2天;乘游轮住豪华房去韩国济州岛旅游,没有住宿,则张三的商旅信息的向量组为(1,1,1318,156,102,3,3),(2,2,2092,392,101,4,2),(3,5,1144,410,121,0,0)。
隐藏层用于对输入层输入的进行特征提取,为不同类型的数据进行划分。为了避免循环神经网络梯度消失的问题,在隐藏层引入LSTM层。LSTM层以及全连接层的层数可以通过训练数据进行确定,构建最优的资源配额动态调整模型。
预先设置资源配额调整值表,资源配额调整值表中记载了不同的资源配额调整值,最后资源配额动态调整模型的输出层进行归一化处理,输出资源配额调整值表中每一个资源配额调整值的概率。从中选取最适合用户的资源配额调整值。
例如资源配额调整值如表1所示:
表1资源配额调整值表
序号 |
资源配额调整值 |
1 |
10000 |
2 |
5000 |
3 |
2000 |
4 |
1000 |
5 |
500 |
将张三的用户信息以及张三当前的资源配额输入资源配额动态调整模型后,输出层输出[0.02,0.2,0.6,0.1,0.08],表示适合张三的资源配额调整值为10000的概率是0.02,为5000的概率是0.2,为2000的概率是0.6,为1000的概率是0.1,为500的概率是0.08。因此最适合张三的资源配额调整值为2000。
资源配额动态调整模型的构建采用无监督学习的方式,通过训练数据训练获得的。在本实施方式中资源提供方积累有大量的历史数据,历史数据中包括历史用户的用户信息,用户当时的资源配额,用户资源配额调整值的历史调整记录,以及资源配额调整后用户的动支效果。
将历史数据划分为训练数据和校验数据,使用训练数据训练资源配额动态调整模型,调整资源配额动态调整模型参数,LSTM层以及全连接层的层数,直至资源配额动态调整模型收敛。使用校验数据校验资源配额动态调整模型,若校验通过则资源配额动态调整模型训练完毕。
作为输入的用户信息越全面,输出的资源配额调整值的动支效果相对越好。在资源配额动态调整模型的训练过程中还会存在过拟合的问题,为了避免过拟合的问题,采用批量归一化,随机失活,正则化的方法降低过拟合问题。采用随机失活的方法还能够降低资源配额动态模型的计算开销,提高计算效率。
在其他实施方式中,还可以预先设置触发条件,当所述用户的用户信息满足所述触发条件时,确定所述用户的资源配额调整值。
在其他实施方式中,所述触发条件包括教育信息,兴趣爱好信息,消费信息,商旅信息,保险信息中的一种或多种。
预先设置触发条件,定期获取用户的用户信息,当用户的用户信息符合触发条件后,启动主动调额进程。触发条件可以为包括教育信息,兴趣爱好信息,社交信息,消费信息,商旅信息,保险信息中的一种或多种。比如触发条件设为商旅信息中飞行总里程超过2万公里,当用户的飞行里程积累超过2万公里时满足触发条件,触发主动资源配额调整,通过资源配额动态调整模型确定适合用户的资源配额调整值。
触发条件也可以为多种条件的组合,比如触发条件时学历提升并且医疗保险金额超过30万,只有当用户满足这两个条件时才触发主动资源配额调整。
在上述技术方案的基础上进一步地,在确定所述用户的资源配额调整值之前还包括设定风险指数阈值,将所述用户的用户信息输入风险预测模型判断所述用户的风险指数,如果未超过所述风险指数阈值执行后续操作,否则结束。
在本实施方式中,为了避免用户存在较高的金融风险,资源配额调整后给资源提供方带来损失,先将用户的用户信息输入风险预测模型进行判断。在本实施方式中风险预测模型为基于深度学习的卷积神经网络模型,使用历史用户信息及历史用户对应的风险数据作为训练集,训练方法与资源配额动态调整模型一致。
S103、向所述用户告知所述资源配额调整值,用户确认后根据所述资源配额调整值调整所述用户当前的资源配额。
在本实施方式中,确定好资源配额调整值后,可以采用在用户的移动客户端页面向用户展示的方式告知用户,也可以通过短信或电话的方式告知用户。
在本实施方式中,将资源配额动态调整模型计算获得的最优的资源配额调整值告知用户,用户确认后,释放资源配额调整值,提升用户当前的资源配额。
在其他实施方式总,为了让用户有更多的主动性,可以将排名靠的多个资源配额调整值均告知用户,并将最优的资源配额调整值高亮或突出显示。用户根据自己的需求确定资源配额调整值。通常选取排名靠前的3-5名告知用户,也可以根据需要进行设定。例如,经过资源配额动态调整模型计算,适合张三的资源配额调整值为10000的概率是0.02,为5000的概率是0.2,为2000的概率是0.6,为1000的概率是0.1,为500的概率是0.08。选取排名前3的资源配额调整值告知张三,分别为5000,2000和1000,高亮显示2000。张三考虑到最近可能有较大消费,觉得2000的资源配额调整值不够使用,决定选取5000,则资源提供方在张三当前的资源配额基础上提升5000的配额。
在这种方式中,为了避免告知用户的资源配额调值与用户自身可支配资源存在较大差距,可以设定概率阈值,只有当资源配额调整值的概率高于概率阈值时才告知用户。例如,设定概率阈值为0.15,经过资源配额动态调整模型计算,适合张三的资源配额调整值为10000的概率是0.02,为5000的概率是0.2,为2000的概率是0.6,为1000的概率是0.1,为500的概率是0.08。按设定选取排名前3的资源配额调整值告知张三,但由于1000的概率为0.1,小于设置的概率阈值不能满足要求,因此仅向张三告知资源配额调整值为5000和2000,高亮显示2000。
在上述技术方案的基础上,进一步地,向所述用户的客户端推送消息包括向用户的客户端推送带有确认按钮的页面;所述用户确认包括用户触发所述确认按钮。
在本实施方式中,可以在向用户的客户端推送的告知页面中设置确认按钮,用户点击确认按钮,表示用户同意资源额度调整,释放资源配额调整值。
如图3所示,在本实施例中还提供了一种触发式资源配额调整装置300,包括:
筛选模块301,用于对已分配有资源配额的用户进行评估,筛选出用于触发式资源配额调整的用户。
在本实施方式中,资源是指任何可被利用的物质、信息、时间,信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。从本质上来说,本发明可以应用于各类资源的分配,包括实体的货物、水、电、有意义的资料等,也可以包括网络虚拟资源,比如Q币,比特币,网游中的货币或资源等等。
在本实施方式中资源配额主要是指金融资源。
在本实施方式中,资源提供方为了效益最大化,往往愿意给提额后能够充分利用这部分资源的用户提额,如果给使用意愿不高的用户提额,提额后用户没有使用这部分资源,对资源提供方没有任何效益可言,因此需要对用户进行筛选。
在上述技术方案的基础上,进一步地,所述筛选出用于触发式资源配额调整的用户包括:根据历史用户调额数据训练调额效用模型,根据该调额效用模型计算用户的调额效用值,当该调额效用值属于特定阈值区间时,将该用户作为触发式资源配额调整的用户。
在上述技术方案的基础上,进一步地,所述历史用户调额数据包括历史用户在调额后是否使用资源的数据。
在上述技术方案的基础上,进一步地,调额效用值表示用户在调额后使用资源的概率值。
在本实施方式中,使用调额效用模型对用户进行筛选,调额效用模型是通过历史用户调额数据训练。资源提供方存储有大量的历史用户的提额数据以及相应的用户提额后资源的使用情况。提额后资源的使用情况包括提额后资源的使用比例,资源的使用频率等数据。调额效用模型采用无监督的方式进行训练,将历史用户调额数据划分为训练样本和校验样本。使用训练样本训练调额效用模型,调整调额效用模型的参数。然后使用校验样本对调额效用模型进行校验,如果通过校验则调额效用模型训练完成。
通过调额效用模型计算用户的调额效用值,在本实施方式中,调额效用值表示用户在调额后使用资源的概率值,预先设置调额效用值的阈值,当超过阈值时,表示用户使用资源的概率值满足条件,通过用户筛选。
资源配额调整模块302,用于根据所筛选得到的用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值。
在本实施方式中,为了确定用户的资源配额调整值,需要获取用户的相关信息以及用户目前拥有的资源额度。资源配额调整值与用户目前的资源额度有很大关系,用户目前拥有的资源配额越多,资源配额调整值相对来说就越大。
在上述技术方案的基础上进一步地,所述用户的用户信息包括基本信息,教育信息,兴趣爱好信息,社交信息,消费信息,商旅信息,保险信息中的一种或多种。
在本实施方式中,获取用户的用户信息是为了推断用户可以支配的资源数量,根据推断结果为用户分配合适的资源配额调整值。
用户的基本信息包括年龄、性别、所在地、身高、体重、健康状态等信息。年龄用于判断用户所处状态,相对来说青年人还未进入工作或者刚刚进入工作,收入不稳定或者收入相对较低,因此推断可供用户支配的资源数量不会太高,确定的资源配额调整值也就不会太高。中年人相对来说经过时间积累,工作和收入稳定,有一定经济基础,还有较大的职业发展空间,可供支配的资源数量较多,因此相对的资源配额调整值较高。老年人多数已经退休,虽然手中有一定积蓄,但可支配资源相对增长缓慢,因此资源配额调整值相对较低。
由于目前经济发展的不平衡,各个地区之间的薪资收入还是存在较大的差异,东部沿海地区经济相对发达,人均可支配资源比西部欠发达地区要高,也是用于确定资源配额调整值的一个重要因素。
性别、身高、体重、健康状态等信息都能从侧面反映用户的状态,为推断用户的可支配资源提供一定依据。
教育信息包括用户的学历,专业以及毕业院校等等。通常来说用户的学历高低、专业热门程度以及毕业院校的排名都对薪资收入有一定影响,因此教育信息也是确定用户资源配额调整值的一个重要因素。
兴趣爱好信息反映用户的兴趣爱好。不同的兴趣爱好在一定程度上能够反映出用户的生活状态和资源可支配程度。兴趣爱好本身没有高低之分,但很多兴趣爱好需要一定的资金进行支持,比如摄影需要对器材设备进行投入,旅游需要一定时间成本和财力支持,同样是钓鱼,海钓的花费就要比在水库钓鱼花费要高。因此通过兴趣爱好信息也是确定用户资源配额调整值的一个因素。
社交信息包括通话联系人信息,朋友圈信息,社交APP互动信息等等,反映用户的社交行为及交际圈子。人们常说物以类聚,人以群分,一个人的社交信息大体上能够反映出一个人社会地位以及收入水平。因此社交信息也是确定用户资源配额调整值的一个重要因素。
消费信息包括用户的消费金额,消费类型,是否使用信用额度支付等信息,反映用户的消费行为和消费习惯,从消费信息中能够较准确的判断用户的资源可支配程度。因此消费习惯也是确定用户资源配额调整值的一个重要因素。
商旅信息为用户的出行住宿信息,包括火车里程信息,车厢等级信息,飞行里程信息,飞机舱位信息,住宿酒店星级,出行目的地等信息。通常拥有较好商旅信息的用户拥有较好的工作,薪资收入较高,可供支配的资源较多。因此商旅信息也是确定用户资源配额调整值的一个重要因素。
保险信息为用户购买医疗保险,意外保险,养老保险,财产保险等保险的相关信息,包括保险的险种以及保额。通常购买保险的用户有一定的避险能力,用户的资源结构更加稳定,为资源配额调整提供了一定保证。因此保险信息也是确定用户资源配额调整值的一个重要因素。
在目前常用的资源配额调整计算中,多数引入消费信息作为计算的主要因素,但这样计算出来的资源配额调整值不准确,很多时候不能满足用户的实际需要,因此在本发明中引入基本信息,教育信息,兴趣爱好信息,社交信息,消费信息,商旅信息,保险信息中的一种或多种,使得资源配额调整值更加准确,在本实施方式中尤其是引入基本信息、商旅信息、保险信息以及教育信息,兴趣爱好信息,社交信息,消费信息中的一种或多种,通过这种方式即考虑了资源配额调整值的计算效率,又兼顾了计算结果的准确性,能够更好的满足用户的需求。
在上述技术方案的基础上进一步地,根据所述用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值具体为:
将所述用户的用户信息以及用户当前的资源配额输入资源配额动态调整模型,所述资源配额动态调整模型输出资源配额调整值。
在本实施方式中,资源配额动态调整模型是已经训练好的模型,将用户的用户信息以及用户当前的资源配额作为输入,经过资源配额动态调整模型的计算,确定资源额度调整值。资源额度调整值可以为正数,表示提高资源配额,当为负数时表示降低资源配额。
在本实施方式中,由于本发明目的是为了给用户提升额度,解决用户额度不够,提升用户动支效果,所以资源额度调整值均为正数。
在上述技术方案的基础上进一步地,所述资源配额动态调整模型为基于深度学习的循环网络神经RNN模型。
资源配额动态调整模型的结构如图2所示,在本实施方式中,资源配额动态调整模型包括输入层,隐藏层以及输出层。其中,隐藏层包括长短期记忆网络LSTM层和全连接层,LSTM层与全连接层连接。由于本发明是为了解决用户额度不够用的问题,为用户主动提供最优的资源配额调整值,输出层可以为SOFTMAX层或Sigmoid层。输入层用于输入用户的用户信息以及用户当前的资源配额。在输入输入层之前需要对用户的用户信息以及用户当前的资源配额进行处理,转化为向量。对于信息中的文本信息可以采用WORD2VEC或TF-IDF算法转化为向量,在本实施方式中主要采用WORD2VEC算法。
数字信息根据不同类型转化为相应的向量,比如用户当前的资源额度可以转化为8维向量,每一维代表资源配额的数位,张三当前的资源配额为30000转化后为(0,0,0,3,0,0,0,0),李四当前的资源配额为5000转化后为(0,0,0,0,5,0,0,0)。
教育信息的向量可以由学历,院校代码,专业代码构成。例如:
张三为硕士研究生,清华大学毕业,专业为网络安全专业,则张三的教育信息向量为(7,10003,839);
李四学历为本科,中国农业大学毕业,专业为地质学专业,则李四的教育信息向量为(6,10019,70901)。
保险信息的向量可以由医疗保险金额,意外保险金额,养老保险金额,财产保险金额,人寿保险金额,理财保险金额构成。例如:
张三购买了30万的医疗保险和10万理财保险,则张三的保险信息向量为(30,0,0,0,0,10);
李四购买了10万的医疗保险,10万的意外保险以及30万的养老保险,则李四的保险信息向量为(10,10,30,0,0,0)。
商旅信息的向量为向量组,为一段时间内出行信息的向量组成的向量组,可以设定商旅信息的时间段,比如最近1年,最近3年。出行信息的向量包括交通工具种类,车厢等级,里程,目的地国家,目的地城市,入住旅馆星级,入住天数。例如:
张三最近一年内有3次商旅活动,乘火车坐二等座去上海出差,入住3星酒店3天;乘飞机坐商务舱去日本东京出差,入住4星酒店2天;乘游轮住豪华房去韩国济州岛旅游,没有住宿,则张三的商旅信息的向量组为(1,1,1318,156,102,3,3),(2,2,2092,392,101,4,2),(3,5,1144,410,121,0,0)。
隐藏层用于对输入层输入的进行特征提取,为不同类型的数据进行划分。为了避免循环神经网络梯度消失的问题,在隐藏层引入LSTM层。LSTM层以及全连接层的层数可以通过训练数据进行确定,构建最优的资源配额动态调整模型。
预先设置资源配额调整值表,资源配额调整值表中记载了不同的资源配额调整值,最后资源配额动态调整模型的输出层进行归一化处理,输出资源配额调整值表中每一个资源配额调整值的概率。从中选取最适合用户的资源配额调整值。
资源配额动态调整模型的构建采用无监督学习的方式,通过训练数据训练获得的。在本实施方式中资源提供方积累有大量的历史数据,历史数据中包括历史用户的用户信息,用户当时的资源配额,用户资源配额调整值的历史调整记录,以及资源配额调整后用户的动支效果。
将历史数据划分为训练数据和校验数据,使用训练数据训练资源配额动态调整模型,调整资源配额动态调整模型参数,LSTM层以及全连接层的层数,直至资源配额动态调整模型收敛。使用校验数据校验资源配额动态调整模型,若校验通过则资源配额动态调整模型训练完毕。
作为输入的用户信息越全面,输出的资源配额调整值的动支效果相对越好。在资源配额动态调整模型的训练过程中还会存在过拟合的问题,为了避免过拟合的问题,采用批量归一化,随机失活,正则化的方法降低过拟合问题。采用随机失活的方法还能够降低资源配额动态模型的计算开销,提高计算效率。
在其他实施方式中,还可以预先设置触发条件,当所述用户的用户信息满足所述触发条件时,确定所述用户的资源配额调整值。
在其他实施方式中,所述触发条件包括教育信息,兴趣爱好信息,消费信息,商旅信息,保险信息中的一种或多种。
预先设置触发条件,定期获取用户的用户信息,当用户的用户信息符合触发条件后,启动主动调额进程。触发条件可以为包括教育信息,兴趣爱好信息,社交信息,消费信息,商旅信息,保险信息中的一种或多种。比如触发条件设为商旅信息中飞行总里程超过2万公里,当用户的飞行里程积累超过2万公里时满足触发条件,触发主动资源配额调整,通过资源配额动态调整模型确定适合用户的资源配额调整值。
触发条件也可以为多种条件的组合,比如触发条件时学历提升并且医疗保险金额超过30万,只有当用户满足这两个条件时才触发主动资源配额调整。
在上述技术方案的基础上进一步地,在确定所述用户的资源配额调整值之前还包括设定风险指数阈值,将所述用户的用户信息输入风险预测模型判断所述用户的风险指数,如果未超过所述风险指数阈值执行后续操作,否则结束。
在本实施方式中,为了避免用户存在较高的金融风险,资源配额调整后给资源提供方带来损失,先将用户的用户信息输入风险预测模型进行判断。在本实施方式中风险预测模型为基于深度学习的卷积神经网络模型,使用历史用户信息及历史用户对应的风险数据作为训练集,训练方法与资源配额动态调整模型一致。
告知模块303,用于向所述用户告知所述资源配额调整值,用户确认后根据所述资源配额调整值调整所述用户当前的资源配额。
在本实施方式中,确定好资源配额调整值后,可以采用在用户的移动客户端页面向用户展示的方式告知用户,也可以通过短信或电话的方式告知用户。
在本实施方式中,将资源配额动态调整模型计算获得的最优的资源配额调整值告知用户,用户确认后,释放资源配额调整值,提升用户当前的资源配额。
在其他实施方式中,为了让用户有更多的主动性,可以将排名靠前的多个资源配额调整值均告知用户,并将最优的资源配额调整值高亮或突出显示。用户根据自己的需求确定资源配额调整值。通常选取排名靠前的3-5名告知用户,也可以根据需要进行设定。例如,经过资源配额动态调整模型计算,适合张三的资源配额调整值为10000的概率是0.02,为5000的概率是0.2,为2000的概率是0.6,为1000的概率是0.1,为500的概率是0.08。选取排名前3的资源配额调整值告知张三,分别为5000,2000和1000,高亮显示2000。张三考虑到最近可能有较大消费,觉得2000的资源配额调整值不够使用,决定选取5000,则资源提供方在张三当前的资源配额基础上提升5000的配额。
在这种方式中,为了避免告知用户的资源配额调值与用户自身可支配资源存在较大差距,可以设定概率阈值,只有当资源配额调整值的概率高于概率阈值时才告知用户。例如,设定概率阈值为0.15,经过资源配额动态调整模型计算,适合张三的资源配额调整值为10000的概率是0.02,为5000的概率是0.2,为2000的概率是0.6,为1000的概率是0.1,为500的概率是0.08。按设定选取排名前3的资源配额调整值告知张三,但由于1000的概率为0.1,小于设置的概率阈值不能满足要求,因此仅向张三告知资源配额调整值为5000和2000,高亮显示2000。
在上述技术方案的基础上,进一步地,向所述用户的客户端推送消息包括向用户的客户端推送带有确认按钮的页面;所述用户确认包括用户触发所述确认按钮。
在本实施方式中,可以在向用户的客户端推送的告知页面中设置确认按钮,用户点击确认按钮,表示用户同意资源额度调整,释放资源配额调整值。
如图4所示,本发明的一个实施例中还公开一种触发式资源配额调整系统,图4显示的触发式资源配额调整系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
触发式资源配额调整系统400,包括存储单元420,用于存储计算机可执行程序;处理单元410,用于读取所述存储单元中的计算机可执行程序,以执行本发明各种实施方式的步骤。
在本实施方式中触发式资源配额调整系统400还包括,连接不同系统组件(包括存储单元420和处理单元410)的总线430、显示单元440等。
其中,所述存储单元420存储有计算机可读程序,其可以是源程序或都只读程序的代码。所述程序可以被处理单元410执行,使得所述处理单元410执行本发明各种实施方式的步骤。例如,所述处理单元410可以执行如图1所示的步骤。
所述存储单元420可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202,还可以进一步包括只读存储单元(ROM)4203。所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204,这样的程序模块4205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
触发式资源配额调整系统400也可以与一个或多个外部设备470(例如键盘、显示器、网络设备、蓝牙设备等)通信,使得用户能经由这些外部设备470通过输入/输出(I/O)接口450进行与处理单元410进行交互,还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)进行。网络适配器360可以通过总线430与触发式资源配额调整系统400的其它模块通信。应当明白,尽管图中未示出,触发式资源配额调整系统400中可使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
图5是本发明的一个计算机可读介质实施例的示意图。如图5所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储单元(RAM)、只读存储单元(ROM)、可擦式可编程只读存储单元(EPROM或闪存)、光纤、便携式紧凑盘只读存储单元(CD-ROM)、光存储单元件、磁存储单元件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:
S101、获取用户的用户信息以及用户当前的资源配额;
S102、根据所述用户的用户信息以及用户当前的资源配额确定所述用户的资源配额调整值;
S103、向所述用户告知所述资源配额调整值,用户确认后根据所述资源配额调整值调整所述用户当前的资源配额。
采用该技术方案,资源提供方能够主动为用户提高资源配额调整值,当用户确认后立即释放相应的资源配额,用户立刻就能享受到提升后的资源配额,比目前用户自己提交请求资源提供方审核批准后在释放资源配额的方式周期短,生效快,用户的体验更好,增强了用户的粘性。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理单元或者数字信号处理单元(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例,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,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。