CN113344687A - 结合大数据的业务数据分析方法及数字金融服务平台 - Google Patents
结合大数据的业务数据分析方法及数字金融服务平台 Download PDFInfo
- Publication number
- CN113344687A CN113344687A CN202110682298.9A CN202110682298A CN113344687A CN 113344687 A CN113344687 A CN 113344687A CN 202110682298 A CN202110682298 A CN 202110682298A CN 113344687 A CN113344687 A CN 113344687A
- Authority
- CN
- China
- Prior art keywords
- service
- business
- information
- target
- matching degree
- 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.)
- Withdrawn
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
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种结合大数据的业务数据分析方法及数字金融服务平台,在任意目标业务对象在使用数字金融业务时,获取目标业务对象产生的当前业务操作数据信息,然后对所述当前业务操作数据信息以及使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,以用于对目标业务对象进行业务信息推荐。如此,在得到目标业务对象的信息推荐特征描述序列时,充分分析了与目标业务对象具有亲密关系的匹配参考业务对象的相关数据信息,在后期进行信息推荐等应用时,可以提升后期应用的效果。
Description
技术领域
本发明涉及数字金融及大数据技术领域,具体而言,涉及一种结合大数据的业务数据分析方法及数字金融服务平台。
背景技术
近年来,随着移动互联网以及信息技术在互联网支付、移动支付、网上银行、金融服务外包及网上贷款、网上保险、网上基金等金融行业的广泛应用,数字金融作为新一代金融服务得到了快速的发展。一般而言,数字金融服务是指通过互联网及信息技术手段与传统金融服务业态相结合的方式。在数字金融服务不断深入大众群体的过程中,人工智能在数字金融领域也得到了较多的应用,例如通过对用户在使用数字金融业务服务的过程中的行为特征数据进行大数据分析,以利于后期业务的推广,提升服务的用户感知。然而,现有的业务数据分析方法,大多是基于用户在业务过程中与用户自身有关的行为特征数据进行分析,数据维度较为局限,使得后期基于数据分析结果的应用效果也有待提升。
发明内容
鉴于上述问题,一方面,本发明实施例提供一种结合大数据的业务数据分析方法,应用于提供数字金融业务服务的数字金融服务平台,包括:
当任意目标业务对象在使用所述数字金融服务平台提供的数字金融业务时,获取所述目标业务对象在当前业务操作中产生的当前业务操作数据信息;
获取使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息;
根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息,以用于对所述目标业务对象进行业务信息推荐。
在上述内容的基础上,所述根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,包括:
将所述当前业务操作数据信息输入预先训练得到的操作行为特征识别模型进行特征信息提取,得到所述当前业务操作数据对应的操作行为特征提取结果,并根据所述操作行为特征提取结果得到所述当前业务操作的操作行为特征的特征描述序列;
根据所述操作行为特征提取结果,确定所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数;
获取针对所述目标业务对象预先建立的社交关系知识图谱,根据所述社交关系知识图谱获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象;
根据所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数,从各个所述参考业务对象的历史业务操作中确定与所述目标业务对象的当前业务操作匹配的目标业务操作;
将在所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息确定为参考数据信息;
确定所述目标业务对象的匹配参考业务对象,根据所述匹配参考业务对象对所述参考数据信息的匹配度,确定所述目标业务对象对所述参考数据信息的匹配度;
从各所述参考数据信息中,将所述目标业务对象的匹配度达到设定条件的参考数据信息,确定为所述目标业务对象下一次业务操作的推荐参考信息;
根据所述当前业务操作的操作行为特征的特征描述序列和所述下一次业务操作的推荐参考信息,生成所述当前业务操作的信息推荐特征描述序列。
在上述内容的基础上,所述将在所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息确定为参考数据信息,包括:
从各参考业务对象的历史业务操作中所述目标业务操作之后的至少一次业务操作中产生的各业务操作数据信息中,获取各业务操作数据信息的操作热度参数;
根据各所述业务操作数据信息的操作热度参数,将操作热度参数满足预设热度规则的业务操作数据信息确定为所述参考数据信息;
其中,所述预设热度规则包括以下规则中的至少一种:
对应的操作热度参数达到设定的热度参数阈值;
将各热度参数按从大到小的顺序排列后,对应的热度参数排列在前预设数量个热度参数内。
在上述内容的基础上,所述从各所述参考数据信息中,将所述目标业务对象的匹配度达到设定条件的参考数据信息,确定为下一次业务操作的推荐参考信息,包括:
获取所述当前业务操作的操作状态信息以及业务类型信息,所述操作状态信息包括所述当前业务操作的操作时间信息和操作位置信息;
将所述当前业务操作的操作状态信息以及业务类型信息与各所述参考数据信息进行匹配,将达到设定匹配条件的参考数据信息确定为所述推荐参考信息。
在上述内容的基础上,所述将所述当前业务操作的操作状态信息以及业务类型信息与各所述参考数据信息进行匹配,将达到设定匹配条件的参考数据信息确定为所述推荐参考信息,包括:
针对每个参考数据信息,执行以下步骤:
计算所述参考数据信息对应的业务操作的操作状态信息的操作时间信息与所述当前业务操作的操作状态信息的操作时间信息的时间偏差特征,以及计算所述参考数据信息对应的业务操作的操作状态信息的操作位置信息与所述当前业务操作的操作状态信息的操作位置信息的位置偏差特征;
根据所述时间偏差特征计算得到所述参考数据信息与所述当前业务操作的第一匹配度参数;
根据所述位置偏差特征计算得到所述参考数据信息与所述当前业务操作的第二匹配度参数;
根据所述参考数据信息对应的业务操作的业务类型信息与所述当前业务操作的业务类型信息计算得到所述参考数据信息与所述当前业务操作的第三匹配度参数;
根据所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数计算得到所述参考数据信息与所述当前业务操作的匹配度,当所述匹配度达到设定匹配度阈值时,则将所述参考数据信息确定为所述推荐参考信息。
在上述内容的基础上,所述根据所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数计算得到所述参考数据信息与所述当前业务操作的匹配度,包括:
计算所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数的匹配度参数均值,作为所述参考数据信息与所述当前业务操作的匹配度;或者
根据预设规则分别为所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数设置对应的第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数;根据所述第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数对所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数进行加权求和,将加权求和的结果作为所述参考数据信息与所述当前业务操作的匹配度;其中,所述第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数之和为1。
在上述内容的基础上,所述确定所述目标业务对象的匹配参考业务对象,包括:
根据所述目标业务对象产生的历史业务操作数据信息获取所述目标业务对象的第一对象特征描述信息;
根据各所述参考业务对象的历史业务操作数据信息获取所述参考业务对象的第二对象特征描述信息;
确定所述第一对象特征描述信息与所述第二对象特征描述信息中信息关联度达到预设关联度的关联对象特征描述信息的关联信息量;
计算所述关联信息量与所述第二对象特征描述信息的总信息量的比率,将计算得到的比率确定为所述参考业务对象与所述目标业务对象的匹配度;若所述匹配度达到预设的匹配度阈值,则将所述参考业务对象确定为所述目标业务对象的匹配参考业务对象。
在上述内容的基础上,所述确定所述目标业务对象的匹配参考业务对象,包括:
针对每个所述参考业务对象,执行以下操作:
获取所述目标业务对象在预设时间周期内使用过的业务项目得到的第一历史业务项目组合,以及所述参考业务对象使用过的业务项目得到的第二历史业务项目组合;
获取所述第一历史业务项目组合与所述第二历史业务项目组合中的相同业务项目,形成一相同业务项目组合;
根据所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中每个业务项目的操作热度,以及所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中各业务项目的操作热度均值,计算所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度;
判断所述项目关联度是否达到预设关联度阈值,若所述项目关联度达到预设关联度阈值,则将所述参考业务对象确定为所述目标业务对象的匹配参考业务对象;
其中,所述根据所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中每个业务项目的操作热度,以及所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中各业务项目的操作热度均值,计算所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度,包括:
计算所述目标业务对象对所述相同业务项目组合中每个业务项目的操作热度的热度参数总和,得到第一加总热度参数;
计算所述参考业务对象对所述相同业务项目组合中每个业务项目的操作热度的热度参数总和,得到第二加总热度参数;
计算所述目标业务对象对所述相同业务项目组合中各业务项目的操作热度均值,得到第一热度均值;
计算所述参考业务对象对所述相同业务项目组合中各业务项目的操作热度均值,得到第二热度均值;
获取预先设定的针对加总热度参数的第一权重系数以及针对热度均值的第二权重系数;
将所述第一加总热度参数与所述第二加总热度参数的比值与所述第一权重系数相乘,得到第一加权比值;
将所述第一热度均值与所述第二热度均值的比值与所述第二权重系数相乘,得到第二加权比值;
计算第一加权比值与第二加权比值的和作为所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度。
在上述内容的基础上,所述根据所述社交关系知识图谱获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象,包括:
根据所述社交关系知识图谱中记录的所述目标业务对象在历史业务使用过程中与其它各业务对象的互动数据得到第一业务对象序列,并根据所述社交关系知识图谱记录的所述目标业务对象与其它各业务对象的社交关系得到第二业务对象序列;
基于所述第一业务对象序列各业务对象的第一排列顺序,按照第一赋值规则为各所述业务对象进行第一亲密度赋值操作,得到所述第一业务对象序列中各所述业务对象分别对应的第一亲密度值;
基于所述第二业务对象序列中的各所述业务对象的第二排列顺序,按照第二赋值规则对所述第二业务对象序列中的各所述业务对象进行第二亲密度赋值操作,得到各所述业务对象分别对应的第二亲密度值;
获取所述社交关系知识图谱中所述目标业务对象分别与其它各所述业务对象之间的节点连边记录的针对互动关系的第一预设权重值以及针对社交关系的第二预设权重值;
针对每个所述业务对象,根据所述第一预设权重值以及所述第二预设权重值对所述业务对象对应的所述第一亲密度值和所述第二亲密度值按照设定的加权计算规则进行加权计算,将加权计算的结果作为所述业务对象与所述目标业务对象的实时亲密度值,进而得到各所述业务对象分别与所述目标业务对象的实时亲密度值;
根据各所述业务对象分别与所述目标业务对象的实时亲密度值,确定至少一个业务对象作为所述参考业务对象;
其中:根据各所述业务对象分别与所述目标业务对象的实时亲密度值,确定至少一个业务对象作为所述参考业务对象,包括:
根据各所述业务对象分别与所述目标业务对象的实时亲密度值,对各所述业务对象按照实时亲密度值从大到小的顺序进行降序排列,根据排列结果选择排序靠前的预设数量个业务对象作为所述参考业务对象;或者
将各所述业务对象分别与所述目标业务对象的实时亲密度值与预设的亲密度阈值进行比较,将实时亲密度值大于或等于所述亲密度阈值的业务对象作为所述参考业务对象。
另一方面,本发明实施例还提供 一种数字金融服务平台,包括处理器、存储器,所述存储器用于存储程序、指令或代码,所述处理器用于执行所述存储器中的程序、指令或代码,以实现上述的方法。
综上所述,本发明实施例提供的结合大数据的业务数据分析方法及数字金融服务平台,在任意目标业务对象在使用所述数字金融服务平台提供的数字金融业务时,获取所述目标业务对象在当前业务操作中产生的当前业务操作数据信息,然后获取使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息,最后根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息,以用于对所述目标业务对象进行业务信息推荐。如此,在得到所述目标业务对象的信息推荐特征描述序列时,充分分析了与所述目标业务对象具有亲密关系的匹配参考业务对象的相关数据信息。由于具有亲密关系的其它业务对象的历史操作数据在某种程度上对所述目标业务对象具有较高的参考性,因此基于上述方法而得到的目标业务对象的信息推荐特征描述序列,在后期进行信息推荐等应用时,可以提升后期应用的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,针对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相关的附图。
图1是本发明实施例提供的结合大数据的业务数据分析方法的流程示意图。
图2是图1中步骤S130的子步骤流程示意图。
图3是本发明实施例提供的数字金融服务平台与业务对象终端的通信架构示意图。
图4是所述数字金融服务平台的示意图。
具体实施方式
请参照图1所示,是发明实施例提供的结合大数据的业务数据分析方法的流程示意图。本实施例中,所述方法由用于提供数字金融业务服务的数字金融服务平台实现。所述数字金融服务平台可以是服务器、服务器集群、虚拟机、云端服务器、计算机等具有大数据分析及数据处理能力的计算机设备。下面结合图1对所述方法包括各步骤进行详细说明。
步骤S110,当任意目标业务对象在使用所述数字金融服务平台提供的数字金融业务时,获取所述目标业务对象在当前业务操作中产生的当前业务操作数据信息。本实施例中,所述目标业务对象可以是任意一个当前正在使用所述数字金融服务平台提供的数字金融业务的平台用户。所述当前业务操作数据信息可以包括所述目标业务对象所操作的目标业务有关的数据信息,例如,当前业务操作针对的业务项目、服务产品、操作类型、账户字段信息、操作过程产生的操作日志信息等,具体不进行限定。
步骤S120,获取使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息。本实施例中,所述参考业务对象可以是历史使用过所述数字金融服务平台提供的数字金融业务的至少一个平台用户,所述历史业务操作数据信息可以从所述数字金融服务平台上建立的专门用于存储各用户的操作数据的数据存储空间中进行获取。
步骤S130,根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息,以用于对所述目标业务对象进行业务信息推荐。本实施例中,所述信息推荐特征描述序列不仅包括所述目标业务对象的当前业务操作相关的操作行为特征,例如可以包括当前操作的目标业务项目、操作时间周期、支付额度、购买的产品项目等等一系列可以用于对所述目标业务对象的当前业务操作的特征进行再现或重构的操作行为特征信息,此外,还可以包括通过对其它业务对象(参考业务对象)的历史业务操作数据进行大数据分析而得到的与所述目标业务对象有关的关联行为特征,如此,可以通过与所述目标业务对象在其他维度具有关联的参考业务对象的历史操作数据来扩充所述目标业务对象的操作行为特征。如此,在后期对所述目标业务对象进行相应的业务信息推荐等后期应用时,扩大了信息推荐的参考维度,并增加前期针对目标业务对象的数据分析范围,进而可以提升后期基于数据分析结果的应用效果。
下面将结合具体的实施例对上述各步骤的详细实现方案进行举例说明。
首先,请参阅图2所示,上述步骤S130可以通过图2所示的各子步骤实现,具体描述如下。
子步骤S131,将所述当前业务操作数据信息输入预先训练得到的操作行为特征识别模型进行特征信息提取,得到所述当前业务操作数据对应的操作行为特征提取结果,并根据所述操作行为特征提取结果得到所述当前业务操作的操作行为特征的特征描述序列。
本实施例中,所述操作行为特征识别模型可以是通过预先收集的大量训练样本,针对预先选定的网络模型,如卷积神经网络模型、前馈神经网络模型等,进行有监督或无监督的训练而得到,用于对前述的当前业务操作数据信息进行特征识别。例如,所述操作行为特征识别模型可以包括卷积层、池化层、全连接层、以及输出层等结构,但具体不以此为限制。
子步骤S132,根据所述操作行为特征提取结果,确定所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数。
示例性地 ,例如若所述目标业务对象的当前业务操作针对的是一次针对数字金融服务平台提供的在线商品购买业务(如线上服务、电商产品、金融保险服务等),那么所述操作目标信息项可以是代表所述目标业务对象的当前业务操作所针对的购买业务项目(包括服务项目、产品项目等),所述目标信息参数即是与该购买业务项目相关的参数值(如购买业务项目的ID、支付金额、服务项目期限、购买数量等等)。本实施例中,首先可根据所述操作行为特征提取结果,获得所述目标业务对象在所述当前业务操作的操作目标信息项。
子步骤S133,获取针对所述目标业务对象预先建立的社交关系知识图谱,根据所述社交关系知识图谱获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象。
本实施例中,所述针对所述目标业务对象预先建立的社交关系知识图谱可以是根据所述目标业务对象在所述数字金融服务平台上与其它各业务对象的历史往来数据进行建立。譬如,可以通过通过获得第三方平台的授权获取所述目标业务对象的联系人数据,并在所述数字金融服务平台上查询与所述目标业务对象存在关联关系的其它各业务对象。然后,根据所述目标业务对象与其它各业务对象的社交关系以及历史往来信息按照预设的亲密度计算规则得到所述目标业务对象与每个其它业务对象的亲密度值。最后,可以将所述目标业务对象以及与所述目标业务对象存在关联关系的其它各业务对象各作为一个节点,然后根据所述目标业务对象与其它各业务对象的社交关系进行连线,节点之间的连线边可以包括相应的亲密度信息,从而得到所述社交关系知识图谱。
进一步地,所述子步骤S133中,可以通过以下a-f的步骤获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象,详细描述如下。
a、根据所述社交关系知识图谱中记录的所述目标业务对象在历史业务使用过程中与其它各业务对象的互动数据得到第一业务对象序列,并根据所述社交关系知识图谱记录的所述目标业务对象与其它各业务对象的社交关系得到第二业务对象序列。
b、基于所述第一业务对象序列各业务对象的第一排列顺序,按照第一赋值规则为各所述业务对象进行第一亲密度赋值操作,得到所述第一业务对象序列中各所述业务对象分别对应的第一亲密度值;
c、基于所述第二业务对象序列中的各所述业务对象的第二排列顺序,按照第二赋值规则对所述第二业务对象序列中的各所述业务对象进行第二亲密度赋值操作,得到各所述业务对象分别对应的第二亲密度值。
d、获取所述社交关系知识图谱中所述目标业务对象分别与其它各所述业务对象之间的节点连边记录的针对互动关系的第一预设权重值以及针对社交关系的第二预设权重值。
e、针对每个所述业务对象,根据所述第一预设权重值以及所述第二预设权重值对所述业务对象对应的所述第一亲密度值和所述第二亲密度值按照设定的加权计算规则进行加权计算,将加权计算的结果作为所述业务对象与所述目标业务对象的实时亲密度值,进而得到各所述业务对象分别与所述目标业务对象的实时亲密度值。
f、根据各所述业务对象分别与所述目标业务对象的实时亲密度值,确定至少一个业务对象作为所述参考业务对象。
其中:步骤f中,根据各所述业务对象分别与所述目标业务对象的实时亲密度值,确定至少一个业务对象作为所述参考业务对象,可以为以下两种方式中的任意一种。
方式一、根据各所述业务对象分别与所述目标业务对象的实时亲密度值,对各所述业务对象按照实时亲密度值从大到小的顺序进行降序排列,根据排列结果选择排序靠前的预设数量个业务对象作为所述参考业务对象。
方式二、将各所述业务对象分别与所述目标业务对象的实时亲密度值与预设的亲密度阈值进行比较,将实时亲密度值大于或等于所述亲密度阈值的业务对象作为所述参考业务对象。
详细地,本实施例中,所述第一业务对象序列为根据所述目标业务对象与其它各所述业务对象的互动数据(如互动频次、互动时间等)对其它各所述业务对象按顺序进行排列而得到,所述第二业务对象序列为根据所述目标业务对象与其它各所述业务对象的社交关系情况对其它各所述业务对象按顺序进行排列(社交关系越好排列越靠前,社交关系好坏可以按照预设的规则而确定,例如可以按照配偶、子女、父母、亲戚、朋友、同事等的顺序进行排列)而得到。所述第一赋值规则和所述第二赋值规则可以根据实际应用场景预先确定,只需要保证赋值结果能够体现不同排列位置的业务对象与所述目标业务对象的亲密度值的差异即可,本实施例具体不进行限定。
所述加权计算可以是,但不限于,加权求和运算、加权乘积运算。所述第一预设权重值和所述第二预设权重值可以根据实际应用场景中对社交关系以及互动关系的重要性而进行设定。例如,在比较重视社交关系的场景中,可以设置所述第一预设权重值小于所述第二预设权重值,而在比较重视互动关系的场景中,可以设置所述第一预设权重值大于所述第二预设权重值。优选地,本实施例中,所述第一预设权值与所述第二预设权重值之和可以等于1,也可以等于预设的其它常量,具体不进行限制。进一步地,基于上述方法,通过社交关系知识图谱,同时考虑了目标业务对象与其它各业务对象之间的社交关系以及与其它各业务对象之间的实施互动关系,使得计算得到的实施亲密度值是根据实际应用过程中的情况而动态变化的,而基于此所选择的参考业务对象用在对目标业务对象的业务数据分析过程中,分析得到的结果更贴合实际情况,后期的应用效果相较于常规的单纯考虑某一个维度的数据更佳。
子步骤S134,根据所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数,从各个所述参考业务对象的历史业务操作中确定与所述目标业务对象的当前业务操作匹配的目标业务操作。
子步骤S135,将在所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息确定为参考数据信息。
本实施例中,考虑到所述目标业务操作与所述目标业务对象的当前业务操作相匹配,因此目标业务操作的之后的业务操作对应的业务项目相较于一般的业务操作具有更高的几率属于所述目标业务对象感兴趣的业务项目或者有更高的几率属于所述目标业务对象潜在需要的业务项目。因此,本实施例中,将所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息作为参考数据信息,用于生成所述目标业务对象的信息推荐特征序列,在一定程度有利于生成对后期应用更为有效的特征序列。
在一种可以替代的实现方式中,子步骤S135可以通过以下方法来实现。
首先,从各参考业务对象的历史业务操作中所述目标业务操作之后的至少一次业务操作中产生的各业务操作数据信息,获取各业务操作数据信息的操作热度参数;然后,根据各所述业务操作数据信息的操作热度参数,将操作热度参数满足预设热度规则的业务操作数据信息确定为所述参考数据信息。本实施例中,所述预设热度规则包括以下两种规则中的至少一种:
a、对应的操作热度参数达到设定的热度参数阈值;
b、将各热度参数按从大到小的顺序排列后,对应的热度参数排列在前预设数量个热度参数内。
子步骤S136,确定所述目标业务对象的匹配参考业务对象,根据所述匹配参考业务对象对所述参考数据信息的匹配度,确定所述目标业务对象对所述参考数据信息的匹配度。
本实施例中,所述匹配参考业务对象可以是与所述目标业务对象的亲密度达到设定条件且与所述目标业务对象曾经使用过相同的数字金融业务或相同类型的数字金融业务的其中一个或多个参考业务对象。在另一实施例中,若所有的所述参考业务对象都未使用过与所述目标业务对象曾经使用过相同的数字金融业务或相同类型的数字金融业务,则可以直接将与所述目标业务对象的亲密度达到所述设定条件的参考业务对象作为匹配参考业务对象。
在一种可以实现的方式中,子步骤S136可以通过以下方式确定所述匹配参考业务对象。
首先,根据所述目标业务对象产生的历史业务操作数据信息获取所述目标业务对象的第一对象特征描述信息,并根据参考业务对象的历史业务操作数据信息获取所述参考业务对象的第二对象特征描述信息;
然后,确定所述第一对象特征描述信息与所述第二对象特征描述信息中信息关联度达到预设关联度的关联对象特征描述信息的关联信息量;
最后,计算所述关联信息量与所述第二对象特征描述信息的总信息量的比率,将计算得到的比率确定为所述参考业务对象与所述目标业务对象的匹配度;若所述匹配度达到预设的匹配度阈值,则将所述参考业务对象确定为所述目标业务对象的匹配参考业务对象。
在另一种可以实现的方式中,子步骤S136还可以通过以下方式确定所述匹配参考业务对象。
针对每个所述参考业务对象,执行以下操作:
获取所述目标业务对象在预设时间周期内使用过的业务项目得到的第一历史业务项目组合,以及所述参考业务对象使用过的业务项目得到的第二历史业务项目组合;
获取所述第一历史业务项目组合与所述第二历史业务项目组合中的相同业务项目,形成一相同业务项目组合;
根据所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中每个业务项目的操作热度,以及所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中各业务项目的操作热度均值,计算所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度;
判断所述项目关联度是否达到预设关联度阈值,若所述项目关联度达到预设关联度阈值,则将所述参考业务对象确定为所述目标业务对象的匹配参考业务对象。
其中,所述项目关联度可以通过以下方式计算得到。
计算所述目标业务对象对所述相同业务项目组合中每个业务项目的操作热度的热度参数总和,得到第一加总热度参数;
计算所述参考业务对象对所述相同业务项目组合中每个业务项目的操作热度的热度参数总和,得到第二加总热度参数;
计算所述目标业务对象对所述相同业务项目组合中各业务项目的操作热度均值,得到第一热度均值;
计算所述参考业务对象对所述相同业务项目组合中各业务项目的操作热度均值,得到第二热度均值;
获取预先设定的针对加总热度参数的第一权重系数以及针对热度均值的第二权重系数;其中第一权重系数和第二权重系数之和为1;
将所述第一加总热度参数与所述第二加总热度参数的比值与所述第一权重系数相乘,得到第一加权比值;
将所述第一热度均值与所述第二热度均值的比值与所述第二权重系数相乘,得到第二加权比值;
计算第一加权比值与第二加权比值的和作为所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度。
子步骤S137,从各所述参考数据信息中,将所述目标业务对象的匹配度达到设定条件的参考数据信息,确定为所述目标业务对象下一次业务操作的推荐参考信息。本实施例中,可以根据所述下一次业务操作的推荐参考信息,获得所述目标业务对象在所述下一次业务操作的操作目标信息项。
在一种可能的实现方式中,子步骤S137可以通过以下方式来实现。
首先,获取所述当前业务操作的操作状态信息以及业务类型信息,所述操作状态信息包括所述当前业务操作的操作时间信息和操作位置信息。
然后,将所述当前业务操作的操作状态信息以及业务类型信息与各所述参考数据信息进行匹配,将达到设定匹配条件的参考数据信息确定为所述推荐参考信息。
详细地,针对每个参考数据信息,可以执行以下(1)-(7)的步骤,以确定所述推荐参考信息。
(1)计算所述参考数据信息对应的业务操作的操作状态信息的操作时间信息与所述当前业务操作的操作状态信息的操作时间信息的时间偏差特征,以及计算所述参考数据信息对应的业务操作的操作状态信息的操作位置信息与所述当前业务操作的操作状态信息的操作位置信息的位置偏差特征。
(2)根据所述时间偏差特征计算得到所述参考数据信息与所述当前业务操作的第一匹配度参数。具体而言,可以根据预先设定的时间偏差特征与不同的匹配度参数的关系函数计算得到所述第一匹配度参数。例如,关系函数可以是:P(x)=(24-x)/24*100%。其中,P(x)代表所述第一匹配度参数,x代表所述参考数据信息对应的业务操作的操作状态信息的操作时间信息与所述当前业务操作的操作状态信息的操作时间信息的时间偏差,如0.5小时、1小时、5小时、10小时等。
(3)根据所述位置偏差特征计算得到所述参考数据信息与所述当前业务操作的第二匹配度参数。例如,本实施中,可以根据所述位置偏差特征确定所述参考数据信息对应的业务操作的操作状态信息的操作位置信息与所述当前业务操作的操作状态信息的操作位置信息的差别分别位于不同的地理范围之内,例如1公里范围、10公里范围、50公里范围等,分别对应不同的匹配度参数,通过映射的方式即可确定所述第二匹配度参数。
(4)根据所述参考数据信息对应的业务操作的业务类型信息与所述当前业务操作的业务类型信息计算得到所述参考数据信息与所述当前业务操作的第三匹配度参数。例如,可以根据预先设定的业务类型相似度计算规则计算所述参考数据信息对应的业务操作的业务类型信息与所述当前业务操作的业务类型信息之间的相似度,将计算得到的相似度作为所述第三匹配度参数,具体的相似度计算方式例如可以是基于皮尔逊相关系数的计算方式,具体不进行限定。
(5)根据所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数计算得到所述参考数据信息与所述当前业务操作的匹配度,当所述匹配度达到设定匹配度阈值时,则将所述参考数据信息确定为所述推荐参考信息。
其中,在步骤(5)中,根据所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数计算得到所述参考数据信息与所述当前业务操作的匹配度,具体的实现的方式可以是以下两种方式的其中任意一种。
一、计算所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数的匹配度参数均值,作为所述参考数据信息与所述当前业务操作的匹配度。
二、根据预设规则分别为所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数设置对应的第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数;根据所述第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数对所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数进行加权求和,将加权求和的结果作为所述参考数据信息与所述当前业务操作的匹配度。其中,所述第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数之和为1。例如,本实施例中,针对时间偏差特征对应的第一匹配度参数,由于操作时间对于操作习惯的影响相对比操作位置的影响面更大,可以将第一匹配度参数对应的第一匹配度权重系数设置为大于第二匹配度权重系数,相应地,业务类型相对应操作时间的重要性更高,因此对应于业务类型的第三匹配度参数的第三匹配度权重系数可以设置为大于第一匹配度权重系数。因此,优选地,本实施例中,所述第三匹配度权重系数大于所述第一匹配度权重系数,所述第一匹配度权重系数大于所述第二匹配度权重系数。
子步骤S138,根据所述当前业务操作的操作行为特征的特征描述序列和所述下一次业务操作的推荐参考信息,生成所述当前业务操作的信息推荐特征描述序列。例如,在一种可能的实现方式中,可以按照预先确定的信息融合方式将所述特征描述序列和所述推荐参考信息进行信息融合,得到所述信息推荐特征描述序列。例如,首先可以将所述推荐参考信息转化为所述特征描述序列中的数据相同的数据表现形式得到推荐参考信息序列,然后再将所述特征描述序列和所述推荐参考信息序列进行合并得到所述信息推荐特征描述序列。
综上所述,在得到所述目标业务对象的信息推荐特征描述序列时,充分分析了与所述目标业务对象具有亲密关系的匹配参考业务对象的相关数据信息。由于具有亲密关系的其它业务对象的历史操作数据在某种程度上对所述目标业务对象具有较高的参考性,因此基于上述方法而得到的目标业务对象的信息推荐特征描述序列,在后期进行信息推荐等应用时,可以提升后期应用的效果。
例如,示例性地,上述方法获得的信息推荐特征描述序列可以应用于针对数字金融服务平台100提供的业务项目进行业务推荐,例如一种可以实现的业务推荐方法可以包括下述的步骤S10-步骤S60,举例描述如下。
步骤S10,获取所述数字金融服务平台的各业务对象针对各业务项目的历史业务使用信息,所述历史业务使用信息包括各个业务对象使用过的业务项目。
步骤S20,根据所述历史业务使用信息,构建业务对象数据结构和业务项目数据结构。本实施例中,所述业务对象数据结构用于表示各个业务对象的业务项目兴趣画像,并通过数据节点存储使用过关联业务项目的业务对象;所述业务项目数据结构用于表示业务项目之间的相关性,并通过数据节点存储被同一业务对象使用过的业务项目。所述业务对象数据结构以及业务项目数据结构均可以是一种用于记录不同对象(节点)之间的关联信息的知识图谱,也就是说,所述业务对象数据结构以及业务项目数据结构可以是一种图结构。例如,本实施例所述的数据结构可以是由数据节点组成的节点序列和数据节点之间的数据节点连线组成的连线序列而构成的一种非线性的图结构。
步骤S30,分别对所述业务对象数据结构以及所述业务项目数据结构进行数据节点特征提取,得到各个业务对象对应的业务项目兴趣画像特征,以及不同业务项目的相关性特征。例如本实施例中,可以通过数据结构学习算法进行数据节点特征提取,如用向量的数据形式表示数据结构和数据节点属性,将数据节点映射到相应的向量空间,得到相应的各数据节点对应的特征向量,进而实现对应数据节点的特征提取。
步骤S40,当检测到任意目标业务对象针对所述数字金融服务平台提供的任意业务项目的使用操作时,获取所述数字金融服务平台针对所述目标业务对象在上一次业务操作时通过业务数据分析得到的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息。
步骤S50,获取所述目标业务对象的对象属性描述信息和待进行业务推荐的目标业务项目的项目属性描述信息。其中,所述目标业务项目可以是预先根据所述目标业务对象的业务项目兴趣画像特征而确定的至少一个业务项目,也可以是预先根据各业务项目的重要性程度以及各业务项目的被使用频次而预先确定的业务项目,具体不进行限定。
步骤S60,根据所述信息推荐特征描述序列、所述业务项目兴趣画像特征、所述相关性特征、所述对象属性描述信息和所述项目属性描述信息,向所述目标业务对象进行目标业务项目推荐。
综上所述,本发明实施例在对目标业务对象进行业务推荐之前,通过分析业务对象的历史业务使用信息对各业务对象进行业务项目兴趣画像。同时,进一步获取目标业务对象上一次业务操作时得到的信息推荐特征描述序列,考虑了上一次业务操作所产生的推荐参考信息,再对所述目标业务对象进行目标业务项目的推荐,如此可以提升业务推荐的精准性以及业务推荐的成功率,提升信息推荐的效果。
下面将结合具体的且可替代的示例性实施方式对上述各步骤中的其中至少一个必要步骤进行详细的介绍。
本实施例中,上述步骤S60可以通过一下描述的子步骤S601-S605实现,具体描述如下。
子步骤S601,从所述业务项目兴趣画像特征中获取所述目标业务对象的目标业务项目兴趣画像特征,以及从所述相关性特征中获取所述目标业务对象使用过的业务项目的目标相关性特征。其中,所述目标相关性特征是指所述目标业务对象曾经使用过的业务项目对应的相关性特征。
子步骤S602,根据所述目标业务项目兴趣画像特征、所述目标相关性特征、所述对象属性描述信息、和所述项目属性描述信息,获取所述目标业务对象针对各个目标业务项目的兴趣画像结果。本实施例中,所述兴趣画像结果包括所述目标业务对象对各所述目标业务项目的感兴趣程度值。
其中,对象属性描述信息可以包括目标业务对象的各种特征标签信息,项目属性描述信息可以包括各业务项目的项目特征标签信息。例如,目标业务对象的特征标签信息可以包括用户等级、消费能力、年龄阶段、最大消费金额、社交特征标签等等。所述项目属性描述信息可以包括项目类型、项目对应的目标群体、项目受欢迎程度等等,具体不进行限定。
子步骤S603,从所述信息推荐特征描述序列中获取所述推荐参考信息,并从所述推荐参考信息中获取至少一个推荐参考业务项目。本实施例中,所述信息推荐特征描述序列中获取所述推荐参考信息中可以包括一个或多个推荐参考业务项目,这些推荐参考业务项目是在所述目标业务对象上一次业务操作中分析获得,可用于在对所述目标业务对象的下一次业务操作时进行业务推荐的过程中作为参考数据。
子步骤S604,根据所述至少一个推荐参考业务项目对所述目标业务对象针对各个目标业务项目的兴趣画像结果进行调整。例如,本实施例中,可以首先根据所述至少一个推荐参考业务项目在所述信息推荐特征描述序列中的排列顺序为每个推荐参考业务项目配置一参考权重参数;然后,将所述至少一个推荐参考业务项目分别与各所述目标业务对象进行匹配,并将与所述推荐参考业务项目匹配的目标业务项目作为待调整目标业务项目;最后,根据为所述推荐参考业务项目配置的参考权重参数,调整与所述推荐参考业务项目对应的待调整目标业务项目对应的感兴趣程度值,进而调整所述目标业务对象针对各个目标业务项目的兴趣画像结果。
子步骤S605,根据调整后的兴趣画像结果向所述目标业务对象进行业务项目推荐。例如,可以根据调整后的兴趣画像结果中的感兴趣程度值对各目标业务项目进行排序,根据排序结果选择排列在前预设数量个的目标业务项目对所述目标业务对象进行业务推荐,具体不进行限定。
进一步地,本实施例中,为了更好地体现业务对象和业务项目的相关特征,进而提升针对业务项目的推荐效果,本实施例提出了基于数据结构的特征提取方式。例如,本申请基于业务对象使用业务项目形成的历史业务使用信息构建两个数据结构,这两个数据结构分别定义为业务对象数据结构和业务项目数据结构。其中,业务对象数据结构也可以理解为业务对象针对业务项目的兴趣画像数据结构,业务项目数据结构也可以理解为体现业务项目彼此之间相关性的数据结构。
基于上述内容,所述业务对象数据结构以及所述业务项目数据结构分别包括多个数据节点以及不同数据节点之间的数据节点连线,所述业务对象数据结构中的每个数据节点对应一个业务对象,所述业务对象数据结构中的各条数据节点连线连接使用过关联业务项目的不同业务对象;所述业务项目数据结构中的每个数据节点对应一个业务项目,所述业务项目数据结构中的各条数据节点连线连接被同一业务对象使用过的不同业务项目。其中,所述关联业务项目可以是指相同的业务项目也可以是指属于同一业务类型下的不同业务项目,具体不进行限定。
如图3所示,是本发明实施例提供的数字金融服务平台与业务对象终端的通信架构示意图。本实施例中,所述数字金融服务平台100可以通过网络与多个业务对象终端200通信连接。各所述业务对象终端200的使用者(业务对象)可通过对应的业务对象终端200访问所述数字金融服务平台100,以使用所述数字金融服务平台100提供的各种数字金融服务业务。所述业务对象终端200可以是智能手机、平板电脑、智能穿戴设备、笔记本电脑、个人计算机等终端设备。所述数字金融服务平台100用于实现上述的结合大数据的业务数据分析方法。
如图4所示,是所述数字金融服务平台100的架构示意图。本实施例中,所述数字金融服务平台100可以包括和业务数据分析装置110、存储器120、处理器130
其中,所述存储器120和处理器130相互之间可以直接或间接地电性连接,以进行信息传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述业务数据分析装置110包括至少一个可以计算机可读程序的形式存储于所述存储器120中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行的计算机程序,例如,所述业务数据分析装置110所包括的软件功能模块及计算机程序等,以实现上述本申请实施例提供的结合大数据的业务数据分析方法。
所述存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等类型的计算机可读存储介质。
并且,所述处理器130可以是中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)、字信号处理器(DSP)等具有运算能力的器件或芯片元件。
本实施例中,所述业务数据分析装置110可以包括第一数据获取模块1101、第二数据获取模块1102、以及业务数据分析模块1103。下面将对上述各功能模块进行详细的介绍。
第一数据获取模块1101,用于在任意目标业务对象在使用所述数字金融服务平台提供的数字金融业务时,获取所述目标业务对象在当前业务操作中产生的当前业务操作数据信息。本实施例中,所述目标业务对象可以是任意一个当前正在使用所述数字金融服务平台提供的数字金融业务的平台用户。所述当前业务操作数据信息可以包括所述目标业务对象所操作的目标业务有关的数据信息,例如,当前业务操作针对的业务项目、服务产品、操作类型、账户字段信息、操作过程产生的操作日志信息等,具体不进行限定。
第二数据获取模块1102,用于获取使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息。本实施例中,所述参考业务对象可以是历史使用过所述数字金融服务平台提供的数字金融业务的至少一个平台用户,所述历史业务操作数据信息可以从所述数字金融服务平台上建立的专门用于存储各用户的操作数据的数据存储空间中进行获取。
业务数据分析模块1103,用于根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息,以用于对所述目标业务对象进行业务信息推荐。本实施例中,所述信息推荐特征描述序列不仅包括所述目标业务对象的当前业务操作相关的操作行为特征,例如可以包括当前操作的目标业务项目、操作时间周期、支付额度、购买的产品项目等等一系列可以用于对所述目标业务对象的当前业务操作的特征进行再现或重构的操作行为特征信息,此外,还可以包括通过对其它业务对象(参考业务对象)的历史业务操作数据进行大数据分析而得到的与所述目标业务对象有关的关联行为特征,如此,可以通过与所述目标业务对象在其他维度具有关联的参考业务对象的历史操作数据来扩充所述目标业务对象的操作行为特征。如此,在后期对所述目标业务对象进行相应的业务信息推荐等后期应用时,扩大了信息推荐的参考维度,并增加前期针对目标业务对象的数据分析范围,进而可以提升后期基于数据分析结果的应用效果。
本实施例中,所述业务数据分析模块1103具体通过以下方式实现:
对所述当前业务操作数据信息输入预先训练得到的操作行为特征识别模型进行特征信息提取,得到所述当前业务操作数据对应的操作行为特征提取结果,并根据所述操作行为特征提取结果得到所述当前业务操作的操作行为特征的特征描述序列;
根据所述操作行为特征提取结果,确定所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数;
获取针对所述目标业务对象预先建立的社交关系知识图谱,根据所述社交关系知识图谱获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象;
根据所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数,从各个所述参考业务对象的历史业务操作中确定与所述目标业务对象的当前业务操作匹配的目标业务操作;
将在所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息确定为参考数据信息;
从各参考业务对象的历史业务操作的业务操作数据信息中,获取各业务操作数据信息的操作热度参数;然后,根据各所述业务操作数据信息的操作热度参数,将操作热度参数满足预设热度规则的业务操作数据信息确定为所述参考数据信息;
确定所述目标业务对象的匹配参考业务对象,根据所述匹配参考业务对象对所述参考数据信息的匹配度,确定所述目标业务对象对所述参考数据信息的匹配度;
从各所述参考数据信息中,将所述目标业务对象的匹配度达到设定条件的参考数据信息,确定为所述目标业务对象下一次业务操作的推荐参考信息;
根据所述当前业务操作的操作行为特征的特征描述序列和所述下一次业务操作的推荐参考信息,生成所述当前业务操作的信息推荐特征描述序列。
本实施例中,可以理解的是,所述第一数据获取模块1101、第二数据获取模块1102、以及业务数据分析模块1103分别对应执行本发明实施例提供的结合大数据的业务数据分析方法中的步骤S110、S120、以及S130,关于该等模块更多的具体实现方式可以参照上述对该相应步骤的详细内容,这里不再赘述。
综上所述,本发明实施例提供的结合大数据的业务数据分析方法及数字金融服务平台,在任意目标业务对象在使用所述数字金融服务平台提供的数字金融业务时,获取所述目标业务对象在当前业务操作中产生的当前业务操作数据信息,然后获取使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息,最后根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息,以用于对所述目标业务对象进行业务信息推荐。如此,在得到所述目标业务对象的信息推荐特征描述序列时,充分分析了与所述目标业务对象具有亲密关系的匹配参考业务对象的相关数据信息。由于具有亲密关系的其它业务对象的历史操作数据在某种程度上对所述目标业务对象具有较高的参考性,因此基于上述方法而得到的目标业务对象的信息推荐特征描述序列,在后期进行信息推荐等应用时,可以提升后期应用的效果。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围,而仅仅是表示本发明的选定实施例。因此,本发明的保护范围应以权利要求的保护范围为准。此外,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例,都应属于本发明保护的范围。
Claims (10)
1.一种结合大数据的业务数据分析方法,应用于提供数字金融业务服务的所述数字金融服务平台,其特征在于,包括:
当任意目标业务对象在使用所述数字金融服务平台提供的数字金融业务时,获取所述目标业务对象在当前业务操作中产生的当前业务操作数据信息;
获取使用过所述数字金融服务平台提供的数字金融业务服务的各个参考业务对象的历史业务操作对应的历史业务操作数据信息;
根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,所述信息推荐特征描述序列包括针对所述目标业务对象的下一次操作的推荐参考信息,以用于对所述目标业务对象进行业务信息推荐。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前业务操作数据信息以及所述历史业务操作数据信息进行大数据分析,得到所述目标业务对象的信息推荐特征描述序列,包括:
将所述当前业务操作数据信息输入预先训练得到的操作行为特征识别模型进行特征信息提取,得到所述当前业务操作数据对应的操作行为特征提取结果,并根据所述操作行为特征提取结果得到所述当前业务操作的操作行为特征的特征描述序列;
根据所述操作行为特征提取结果,确定所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数;
获取针对所述目标业务对象预先建立的社交关系知识图谱,根据所述社交关系知识图谱获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象;
根据所述目标业务对象在所述当前业务操作的操作目标信息项和所述操作目标信息项对应的各个目标信息项参数,从各个所述参考业务对象的历史业务操作中确定与所述目标业务对象的当前业务操作匹配的目标业务操作;
将在所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息确定为参考数据信息;
确定所述目标业务对象的匹配参考业务对象,根据所述匹配参考业务对象对所述参考数据信息的匹配度,确定所述目标业务对象对所述参考数据信息的匹配度;
从各所述参考数据信息中,将所述目标业务对象的匹配度达到设定条件的参考数据信息,确定为所述目标业务对象下一次业务操作的推荐参考信息;
根据所述当前业务操作的操作行为特征的特征描述序列和所述下一次业务操作的推荐参考信息,生成所述当前业务操作的信息推荐特征描述序列。
3.根据权利要求2所述的方法,其特征在于,所述将在所述目标业务操作之后的至少一次业务操作中产生的业务操作数据信息确定为参考数据信息,包括:
从各参考业务对象的历史业务操作中所述目标业务操作之后的至少一次业务操作中产生的各业务操作数据信息中,获取各业务操作数据信息的操作热度参数;
根据各所述业务操作数据信息的操作热度参数,将操作热度参数满足预设热度规则的业务操作数据信息确定为所述参考数据信息;
其中,所述预设热度规则包括以下规则中的至少一种:
对应的操作热度参数达到设定的热度参数阈值;
将各热度参数按从大到小的顺序排列后,对应的热度参数排列在前预设数量个热度参数内。
4.根据权利要求2所述的方法,其特征在于,所述从各所述参考数据信息中,将所述目标业务对象的匹配度达到设定条件的参考数据信息,确定为下一次业务操作的推荐参考信息,包括:
获取所述当前业务操作的操作状态信息以及业务类型信息,所述操作状态信息包括所述当前业务操作的操作时间信息和操作位置信息;
将所述当前业务操作的操作状态信息以及业务类型信息与各所述参考数据信息进行匹配,将达到设定匹配条件的参考数据信息确定为所述推荐参考信息。
5.根据权利要求4所述的方法,其特征在于,所述将所述当前业务操作的操作状态信息以及业务类型信息与各所述参考数据信息进行匹配,将达到设定匹配条件的参考数据信息确定为所述推荐参考信息,包括:
针对每个参考数据信息,执行以下步骤:
计算所述参考数据信息对应的业务操作的操作状态信息的操作时间信息与所述当前业务操作的操作状态信息的操作时间信息的时间偏差特征,以及计算所述参考数据信息对应的业务操作的操作状态信息的操作位置信息与所述当前业务操作的操作状态信息的操作位置信息的位置偏差特征;
根据所述时间偏差特征计算得到所述参考数据信息与所述当前业务操作的第一匹配度参数;
根据所述位置偏差特征计算得到所述参考数据信息与所述当前业务操作的第二匹配度参数;
根据所述参考数据信息对应的业务操作的业务类型信息与所述当前业务操作的业务类型信息计算得到所述参考数据信息与所述当前业务操作的第三匹配度参数;
根据所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数计算得到所述参考数据信息与所述当前业务操作的匹配度,当所述匹配度达到设定匹配度阈值时,则将所述参考数据信息确定为所述推荐参考信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数计算得到所述参考数据信息与所述当前业务操作的匹配度,包括:
计算所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数的匹配度参数均值,作为所述参考数据信息与所述当前业务操作的匹配度;或者
根据预设规则分别为所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数设置对应的第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数;根据所述第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数对所述第一匹配度参数、所述第二匹配度参数、以及所述第三匹配度参数进行加权求和,将加权求和的结果作为所述参考数据信息与所述当前业务操作的匹配度;其中,所述第一匹配度权重系数、第二匹配度权重系数、以及第三匹配度权重系数之和为1。
7.根据权利要求2所述的方法,其特征在于,所述确定所述目标业务对象的匹配参考业务对象,包括:
根据所述目标业务对象产生的历史业务操作数据信息获取所述目标业务对象的第一对象特征描述信息;
根据各所述参考业务对象的历史业务操作数据信息获取所述参考业务对象的第二对象特征描述信息;
确定所述第一对象特征描述信息与所述第二对象特征描述信息中信息关联度达到预设关联度的关联对象特征描述信息的关联信息量;
计算所述关联信息量与所述第二对象特征描述信息的总信息量的比率,将计算得到的比率确定为所述参考业务对象与所述目标业务对象的匹配度;若所述匹配度达到预设的匹配度阈值,则将所述参考业务对象确定为所述目标业务对象的匹配参考业务对象。
8.根据权利要求2所述的方法,其特征在于,所述确定所述目标业务对象的匹配参考业务对象,包括:
针对每个所述参考业务对象,执行以下操作:
获取所述目标业务对象在预设时间周期内使用过的业务项目得到的第一历史业务项目组合,以及所述参考业务对象使用过的业务项目得到的第二历史业务项目组合;
获取所述第一历史业务项目组合与所述第二历史业务项目组合中的相同业务项目,形成一相同业务项目组合;
根据所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中每个业务项目的操作热度,以及所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中各业务项目的操作热度均值,计算所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度;
判断所述项目关联度是否达到预设关联度阈值,若所述项目关联度达到预设关联度阈值,则将所述参考业务对象确定为所述目标业务对象的匹配参考业务对象;
其中,所述根据所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中每个业务项目的操作热度,以及所述目标业务对象和所述参考业务对象分别对所述相同业务项目组合中各业务项目的操作热度均值,计算所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度,包括:
计算所述目标业务对象对所述相同业务项目组合中每个业务项目的操作热度的热度参数总和,得到第一加总热度参数;
计算所述参考业务对象对所述相同业务项目组合中每个业务项目的操作热度的热度参数总和,得到第二加总热度参数;
计算所述目标业务对象对所述相同业务项目组合中各业务项目的操作热度均值,得到第一热度均值;
计算所述参考业务对象对所述相同业务项目组合中各业务项目的操作热度均值,得到第二热度均值;
获取预先设定的针对加总热度参数的第一权重系数以及针对热度均值的第二权重系数;
将所述第一加总热度参数与所述第二加总热度参数的比值与所述第一权重系数相乘,得到第一加权比值;
将所述第一热度均值与所述第二热度均值的比值与所述第二权重系数相乘,得到第二加权比值;
计算第一加权比值与第二加权比值的和作为所述目标业务对象与所述参考业务对象之间的操作业务项目的项目关联度。
9.根据权利要求2所述的方法,其特征在于,所述根据所述社交关系知识图谱获取与所述目标业务对象的亲密度达到设定条件的业务对象作为参考业务对象,包括:
根据所述社交关系知识图谱中记录的所述目标业务对象在历史业务使用过程中与其它各业务对象的互动数据得到第一业务对象序列,并根据所述社交关系知识图谱记录的所述目标业务对象与其它各业务对象的社交关系得到第二业务对象序列;
基于所述第一业务对象序列各业务对象的第一排列顺序,按照第一赋值规则为各所述业务对象进行第一亲密度赋值操作,得到所述第一业务对象序列中各所述业务对象分别对应的第一亲密度值;
基于所述第二业务对象序列中的各所述业务对象的第二排列顺序,按照第二赋值规则对所述第二业务对象序列中的各所述业务对象进行第二亲密度赋值操作,得到各所述业务对象分别对应的第二亲密度值;
获取所述社交关系知识图谱中所述目标业务对象分别与其它各所述业务对象之间的节点连边记录的针对互动关系的第一预设权重值以及针对社交关系的第二预设权重值;
针对每个所述业务对象,根据所述第一预设权重值以及所述第二预设权重值对所述业务对象对应的所述第一亲密度值和所述第二亲密度值按照设定的加权计算规则进行加权计算,将加权计算的结果作为所述业务对象与所述目标业务对象的实时亲密度值,进而得到各所述业务对象分别与所述目标业务对象的实时亲密度值;
根据各所述业务对象分别与所述目标业务对象的实时亲密度值,确定至少一个业务对象作为所述参考业务对象;
其中:根据各所述业务对象分别与所述目标业务对象的实时亲密度值,确定至少一个业务对象作为所述参考业务对象,包括:
根据各所述业务对象分别与所述目标业务对象的实时亲密度值,对各所述业务对象按照实时亲密度值从大到小的顺序进行降序排列,根据排列结果选择排序靠前的预设数量个业务对象作为所述参考业务对象;或者
将各所述业务对象分别与所述目标业务对象的实时亲密度值与预设的亲密度阈值进行比较,将实时亲密度值大于或等于所述亲密度阈值的业务对象作为所述参考业务对象。
10.一种数字金融服务平台,其特征在于,包括处理器、存储器,所述存储器用于存储程序、指令或代码,所述处理器用于执行所述存储器中的程序、指令或代码,以实现权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110682298.9A CN113344687A (zh) | 2021-06-20 | 2021-06-20 | 结合大数据的业务数据分析方法及数字金融服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110682298.9A CN113344687A (zh) | 2021-06-20 | 2021-06-20 | 结合大数据的业务数据分析方法及数字金融服务平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344687A true CN113344687A (zh) | 2021-09-03 |
Family
ID=77477799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110682298.9A Withdrawn CN113344687A (zh) | 2021-06-20 | 2021-06-20 | 结合大数据的业务数据分析方法及数字金融服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344687A (zh) |
-
2021
- 2021-06-20 CN CN202110682298.9A patent/CN113344687A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598462B (zh) | 基于协同过滤和深度学习的个性化推荐方法及系统 | |
CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
CN112990972B (zh) | 一种基于异构图神经网络的推荐方法 | |
CN107730389A (zh) | 电子装置、保险产品推荐方法及计算机可读存储介质 | |
CN111144933B (zh) | 商品推荐方法、装置、电子设备及存储介质 | |
CN108230007A (zh) | 一种用户意图的识别方法、装置、电子设备及存储介质 | |
EP4322031A1 (en) | Recommendation method, recommendation model training method, and related product | |
CN113761359B (zh) | 数据包推荐方法、装置、电子设备和存储介质 | |
CN113033090B (zh) | 推送模型训练方法、数据推送方法、装置及存储介质 | |
CN110598120A (zh) | 基于行为数据的理财推荐方法及装置、设备 | |
US20230342797A1 (en) | Object processing method based on time and value factors | |
CN111461827B (zh) | 产品评价信息的推送方法和装置 | |
CN116303963A (zh) | 智慧ai平台的用户反馈分析方法及系统 | |
CN113344687A (zh) | 结合大数据的业务数据分析方法及数字金融服务平台 | |
CN112650935B (zh) | 应用于电商云业务环境的智能化信息处理方法及云服务器 | |
CN115758271A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN115471260A (zh) | 基于神经网络的销售预测方法、装置、设备及介质 | |
CN113327154A (zh) | 基于大数据的电商用户讯息推送方法及系统 | |
CN114429384A (zh) | 基于电商平台的产品智能推荐方法及系统 | |
CN113344688A (zh) | 基于大数据及数字金融的业务推荐方法及业务推荐服务器 | |
CN111860870A (zh) | 交互行为确定模型的训练方法、装置、设备及介质 | |
CN117076962B (zh) | 应用于人工智能领域的数据分析方法、装置及设备 | |
KR20200029647A (ko) | 사용자 개인화에 의한 큐레이터 전자상거래 시스템의 일반화 방법 | |
CN109740671B (zh) | 一种图像识别方法及装置 | |
CN114820085B (zh) | 用户筛选方法、相关装置及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210903 |
|
WW01 | Invention patent application withdrawn after publication |