CN113706298A - 一种延期业务处理方法及装置 - Google Patents
一种延期业务处理方法及装置 Download PDFInfo
- Publication number
- CN113706298A CN113706298A CN202111040340.3A CN202111040340A CN113706298A CN 113706298 A CN113706298 A CN 113706298A CN 202111040340 A CN202111040340 A CN 202111040340A CN 113706298 A CN113706298 A CN 113706298A
- Authority
- CN
- China
- Prior art keywords
- data
- grade
- delay
- target data
- determining
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 5
- 230000003111 delayed effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 239000000463 material Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种延期业务处理方法及装置，可以应用于人工智能领域或金融领域，在用户需要办理延期业务时，获取用户输入的目标数据，该目标数据为用户申请延期对应的原因。根据目标数据确定该目标数据对应的数据等级，该数据等级用于反映申请延期原因的不可抗等级。在确定出目标数据的数据等级后，根据目标数据的数据等级以及业务信息确定延期日期。也就是，在用户需要办理延期业务时，只需将申请延期的原因数据输入处理装置中，由处理装置自动确定该原因数据的数据等级，并根据数据等级以及具体业务信息确定出延期日期，无需人工参与，不仅可以满足用户需求，还可以实现风险防控。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种延期业务处理方法及装置。
背景技术
随着经济的不断发展，加强征信体系建设是社会信用体系建设的核心。尤其在银行业务办理中，个人征信更为重要。然而，在一些应用场景下，用户可能因为不可抗拒因素影响征信的，例如自然灾害导致失去收入来源，无法按时还款，如果不考虑不可抗拒因素直接判定用户的征信存在问题，无论对于用户还是银行，均带来不良影响。
发明内容
有鉴于此，本申请实施例提供一种延期业务处理方法及装置，以实现针对用户的不可抗拒因素给予延期处理，并给出延期日期，提升客户体验。
为实现上述目的，本申请实施例提供的技术方案如下：
在本申请实施例第一方面，提供了一种延期业务处理方法，所述方法包括：
获取目标数据，所述目标数据为用户申请延期所对应的原因信息；
根据所述目标数据确定所述目标数据对应的数据等级，所述数据等级用于反映所述目标数据的不可抗等级；
根据业务信息以及所述数据等级确定延期日期，所述业务信息为所述用户申请延期所对应的业务信息。
在一种具体的实现方式中，所述根据业务信息以及所述数据等级确定延期日期，包括：
将所述业务信息以及所述数据等级输入第一模型，获取所述第一模型输出的延迟天数，所述第一模型是根据第一待训练数据以及第一待训练数据对应的标签训练生成的，所述第一待训练数据包括待训练业务信息和待训练数据等级，所述第一待训练数据对应的标签为延迟天数；
根据履约日期和所述延迟天数确定延期日期。
在一种具体的实现方式中，所述根据所述目标数据确定所述目标数据对应的数据等级，包括：
将所述目标数据输入第二模型，获取所述第二模型的输出结果，所述第二模型是根据第二待训练数据以及第二待训练数据对应的标签训练生成的，所述第二待训练数据包括延期原因，所述第二待训练数据对应的标签为数据等级；
根据所述输出结果确定所述目标数据的数据等级。
在一种具体的实现方式中，所述根据所述输出结果确定所述目标数据的数据等级包括：
将所述输出结果中概率最大的数据等级确定为所述目标数据的数据等级，所述输出结果包括多个数据等级以及所述多个数据等级中每个数据等级对应的概率。
在一种具体的实现方式中，所述方法还包括：
显示所述延期日期；
响应于用户对于所述延期日期的确认操作，保存所述延期日期。
在一种具体的实现方式中，所述目标数据的数据等级越高，所述延期日期越长。
在一种具体的实现方式中，在根据所述目标数据确定所述目标数据对应的数据等级之前，所述方法还包括：
根据所述目标数据以及所述业务信息确定所述业务信息对应的业务允许延期处理。
在本申请实施例第二方面，提供了一种延期业务处理装置，所述装置包括：
获取单元，用于获取目标数据，所述目标数据为用户申请延期所对应的原因信息；
第一确定单元，用于根据所述目标数据确定所述目标数据对应的数据等级，所述数据等级用于反映所述目标数据的不可抗等级；
第二确定单元，用于根据业务信息以及所述数据等级确定延期日期，所述业务信息为所述用户申请延期所对应的业务信息。
在本申请实施例第四方面，提供了一种电子设备，包括：处理器，存储器；
所述存储器，用于存储计算机可读指令或者计算机程序；
所述处理器，用于读取所述计算机可读指令或所述计算机程序，以使得所述设备实现第一方面所述的延期业务处理方法。
在本申请实施例第五方面，提供了一种计算机可读存储介质，包括指令或计算机程序，当其在计算机上运行时，使得计算机执行以上第一方面所述的延期业务处理方法。
由此可见，本申请实施例具有如下有益效果：
本申请实施例中，当用户需要办理业务延期时，获取用户输入的延期对应的原因信息，即目标数据。根据目标数据确定目标数据对应的数据等级，该数据等级可以反映目标数据的不可抗等级。再根据目标数据的数据等级以及具体的业务信息确定延期日期。也就是，当用户由于不可抗原因申请延期时，可以根据原因所对应的不可抗等级以及业务信息确定合理的延期日期，既可以满足用户延期需求，也可以防控风险。
附图说明
图1为本申请实施例提供的一种延期业务处理方法流程图；
图2为本申请实施例提供的一种延期业务处理框架图；
图3为本申请实施例提供的一种延期业务处理装置结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
在实际应用场景中，存在一些用户可能因为特殊原因，例如自然灾害等不可抗因素使得用户无法按期履约，如果因为不可抗因素造成用户征信存在问题，无论对于用户或商家均存在影响。基于此，可以针对用户因为特殊原因发生的违约行为进行处理。然而，目前处理的操作是需要用户到特定地点进行申请，人工核实后方可办理延期。即，传统的延期办理需要人工参与，需要通过人工经验确定用户所申请的延期的原因是否属于不可抗因素，而人工经验很难管控风险。而且，具体的延期时间只能按照预先确定的延期规则进行确定，无法根据实际情况进行确定。
基于此，本申请实施例提供的一种延期业务处理方法，在用户需要办理延期业务时，获取用户输入的目标数据，该目标数据为用户申请延期对应的原因信息。根据目标数据确定该目标数据对应的数据等级，该数据等级用于反映申请延期的原因的不可抗等级。当用户申请延期的原因客观性越强，其对应的不可抗等级越高。在确定出目标数据的数据等级后，根据目标数据的数据等级以及业务信息确定延期日期。也就是，在用户需要办理延期业务时，只需将申请延期的原因输入处理装置中，由处理装置自动确定该原因的数据等级，并根据数据等级以及所申请延期的具体业务信息确定出延期日期，无需人工参与，不仅可以满足用户需求，还可以实现风险防控。
需要说明的是，本发明提供的延期业务处理方法可用于人工智能领域或金融领域。上述仅为示例，并不对本发明提供的延期业务处理方法的应用领域进行限定。为便于理解，下面以应用于金融领域中的银行还款为例进行说明。例如，由于自然灾害原因导致一些用户失去收入来源，无法按时还款，该情况下，用户可以通过银行客户端，如手机银行或网上银行，申请延期还款，用户在该银行客户端填写违约的业务信息以及原因说明，并上传相关的证明材料，该证明材料用于证明造成违约原因的真实性。上传完成以后，银行后台服务器将根据用户提交的信息查询与该用户所对应的还款信息，并在确定存在还款信息后，确定用户所提交延期原因的不可抗等级。在确定出不可抗等级后，根据不可抗等级以及业务信息(还款信息)确定出合理的延期日期。
为便于理解本申请实施例的技术方案，下面将结合附图进行说明。
参见图1，该图为本申请实施例提供的一种延期业务处理方法流程图，如图1所示，该方法可以包括：
S101：获取目标数据，该目标数据为用户申请延期对应的原因信息。
本实施例中，当用户由于不可抗因素或特殊原因造成无法在规定时间履约时，可以通过相应的客户端申请延期办理，通过该客户端用户可以填写即将违约的业务信息、延期理由以及上传相关证明材料。其中，证明材料可以为图片格式。在用户通过客户端申请后，与客户端对应的服务器可以收集用户提交的信息，服务器从用户提交的信息中提取原因信息，即目标数据。
需要说明的是，服务器可以通过图像识别技术判断所提交的证明材料是否可以证明客户所填写的延期原因，如果可以证明，则保持证明材料，并可以提示用户材料审核通过；如果不可以证明，则提示用户补充上传证明材料。
S102：根据目标数据确定目标数据对应的数据等级，该数据等级用于反映目标数据的不可抗等级。
本实施例中，在获取到目标数据后，将根据目标数据确定目标数据对应的数据等级，该数据等级用于反映申请延期原因的不可抗等级。其中，申请延期原因的不可抗力越大，其对应的不可抗等级越高。
在一种具体的实现方式中，可以将目标数据输入第二模型，获取第二模型的输出结果；根据输出结果确定目标数据的数据等级。其中，第二模型是根据第二待训练数据以及第二待训练数据对应的标签训练生成的，该第二待训练数据包括延期原因，第二待训练数据对应的标签为数据等级。也就是，通过预先训练生成的第二模型来确定目标数据的数据等级。其中，第二模型可以为分类模型，用于对目标数据进行分类，例如，第二模型为朴素贝叶斯模型。具体地，第二模型的输出结果中可以包括多个数据等级，以及每个数据等级所对应的概率，将输出结果中概率最大的数据等级确定为目标数据的数据等级。
其中，第二模型的训练过程为，收集用户所申请的延期业务信息以及延期原因，通过人工经验确定延期原因的不可抗等级，将业务信息、延期原因以及延期原因对应的不可抗等级作为历史数据对初始模型进行训练，以使得训练生成的第二模型可以学习到延期原因与不可抗等级之间的映射关系。例如，以延期原因x＝{A1、A2，…，Am}，其中，Ai为原因x的特征属性，该特征属性可以包括非人可控和人为可控，其中，人为可控还可以包括社会认可、社会不认可等。不可抗等级C＝{Y1、Y2、Y3、Y4、Y5、Y6}，训练的目标计算P(Y1|x)与P(Y2|x)…，即不可抗因素x分别为六个等级的概率。具体计算过程如下：
1)、收集已知分类的待分类项集合，这个集合叫做训练样本，即过往历史数据，即得到现有x＝{A1,A2...Am}与C＝(Y1,Y2，Y3，Y4，Y5，Y6)的对应关系；
2)统计得到在各类别下各个特征属性的条件概率估计。即P(A1|Y1)、P(A2|Y1)、…、P(Am|Y1)；P(A1|Y2)、P(A2|Y2)、…、P(Am|Y2)；…。即求在每个等级条件下每种属性的概率。
3)根据贝叶斯定理有如下推导：
P(Yi|x)＝P(x|Yi)*P(Yi)/P(x)，因为分母对所有的类别为常数，因此只需求分子即可，通过分子的归一化可以得到相应概率：
P(x|Yi)*P(Yi)＝P(A1|Yi)*P(A2|Yi)*…*P(Am|Yi)*P(Yi)
4)通过步骤3)可以确定各个后验概率：
P(Y1|x)＝P(x|Y1)*P(Y1)＝P(A1|Y1)*P(A2|Y1)*…*P(Am|Y1)*P(Y1)；P(Y2|x)＝P(x|Y2)*P(Y2)＝P(A1|Y2)*P(A2|Y2)*…*P(Am|Y2)*P(Y2)……。
5)将P(Y1|x)、P(Y2|x)…中概率最大的值为对应等级。
需要说明的是，对于一些特殊的业务可能无法做延期处理，针对该情况，在根据目标数据确定目标数据对应的数据等级之前，处理延期业务的设备可以根据用户提交的业务信息查询该业务信息所对应的业务是否可以进行延期处理，如果不可以，则向用户对应的终端设备发送消息，以通知用户不允许进行延期处理，并提示用户按期履约。如果可以进行延期处理，则根据目标数据确定目标数据对应的数据等级。
S103：根据业务信息以及数据等级确定延期日期，该业务信息为用户申请延期对应的业务信息。
在确定出数据等级后，根据业务信息以及数据等级确定延期日期。其中，业务信息是指用户申请延期的业务信息。具体地，可以将业务信息以及数据等级输入第一模型，获取第一模型输出的延迟天数；根据履约日期和延迟天数确定延期日期。即，利用人工智能的方式来确定延期日期。需要说明的是，当数据等级越高表明不可抗力越大，则对应的延迟天数越多，延期日期越长。
其中，第一模型是根据第一待训练数据以及第一待训练数据对应的标签训练生成的，第一待训练数据包括待训练业务信息和待训练数据等级，第一待训练数据对应的标签为延迟天数。其中，第一待训练数据对应的标签可以通过人工经验判断的方式确定。也就是，收集过往的业务信息、不可抗等级，通过人工经验判断的方式决定延迟天数，将上述历史数据作为训练集对初始模型进行训练得到第一模型。其中，第一模型可以为反向传播(back propagation，BP)神经网络模型，可以包括三层网络，即输入层、输出层和一个隐藏层。
在一种具体的实现方式中，当确定出延迟日期后，可以通过用户的客户端显示该延迟日期；响应于用户对于该延期日期的确认操作，保存该延期日期。进一步地，当用户触发确认操作后，可以提示用户尽快到网点办理延期业务。当用户办理该延期业务时，服务人员可以根据用户的身份信息查询到所申请的延期业务，并为用户办理延期业务，从而不仅提高工作效率，还可以提升用户体验。
通过上述可知，在用户需要办理延期业务时，获取用户输入的目标数据，该目标数据为用户申请延期对应的原因。根据目标数据确定该目标数据对应的数据等级，该数据等级用于反映申请延期的原因的不可抗等级。当用户申请延期的原因客观性越强，其对应的不可抗等级越高。在确定出目标数据的数据等级后，根据目标数据的数据等级以及业务信息确定延期日期。也就是，在用户需要办理延期业务时，只需将申请延期的原因输入处理装置中，由处理装置自动确定该原因的数据等级，并根据数据等级以及所申请延期的具体业务信息确定出延期日期，无需人工参与，不仅可以满足用户需求，还可以实现风险防控。
为便于理解，本申请实施例提供了一种延期业务处理框架图，如图2所示，包括等级划分模块201和延迟日期推荐模块202。其中，等级划分模块主要用于对用户所提交的延期原因进行等级评定；延迟日期推荐模块，用于根据用户申请延期的业务信息以及不可抗等级推荐一个合理的延迟日期。
基于上述方法实施例，本申请实施例提供了一种延期业务处理装置，下面将结合附图进行说明。
参见图3，该图为本申请实施例提供的一种延期业务处理装置结构图，如图3所示，该装置可以包括：获取单元301、第一确定单元302和第二确定单元303。
获取单元301，用于获取目标数据，所述目标数据为用户申请延期所对应的原因信息；
第一确定单元302，用于根据所述目标数据确定所述目标数据对应的数据等级，所述数据等级用于反映所述目标数据的不可抗等级；
第二确定单元303，用于根据业务信息以及所述数据等级确定延期日期，所述业务信息为所述用户申请延期所对应的业务信息。
在一种具体的实现方式中，所述第二确定单元，具体用于将所述业务信息以及所述数据等级输入第一模型，获取所述第一模型输出的延迟天数，所述第一模型是根据第一待训练数据以及第一待训练数据对应的标签训练生成的，所述第一待训练数据包括待训练业务信息和待训练数据等级，所述第一待训练数据对应的标签为延迟天数；根据履约日期和所述延迟天数确定延期日期。
在一种具体的实现方式中，所述第一确定单元，具体用于将所述目标数据输入第二模型，获取所述第二模型的输出结果，所述第二模型是根据第二待训练数据以及第二待训练数据对应的标签训练生成的，所述第二待训练数据包括延期原因，所述第二待训练数据对应的标签为数据等级；根据所述输出结果确定所述目标数据的数据等级。
在一种具体的实现方式中，所述第一确定单元，具体用于将所述输出结果中概率最大的数据等级确定为所述目标数据的数据等级，所述输出结果包括多个数据等级以及所述多个数据等级中每个数据等级对应的概率。
在一种具体的实现方式中，所述装置还包括：
显示单元，用于显示所述延期日期；
存储单元，用于响应于用户对于所述延期日期的确认操作，保存所述延期日期。
在一种具体的实现方式中，所述目标数据的数据等级越高，所述延期日期越长。
在一种具体的实现方式中，所述装置还包括：第三确定单元(图中未示出)；
所述第三确定单元，具体用于在执行第一确定单元之前，根据所述目标数据以及所述业务信息确定所述业务信息对应的业务允许延期处理。
需要说明的是，本实施例中各个单元的具体实现可以参见上述方法实施例的相关描述，本实施例在此不再赘述。
另外，本申请实施例还提供了一种电子设备，包括：处理器，存储器；
所述存储器，用于存储计算机可读指令或者计算机程序；
所述处理器，用于读取所述计算机可读指令或所述计算机程序，以使得所述设备实现所述的延期业务处理方法。
本申请实施例提供了一种计算机可读存储介质，包括指令或计算机程序，当其在计算机上运行时，使得计算机执行以上所述的延期业务处理方法。
需要说明的是，本说明书中各个实施例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部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种延期业务处理方法，其特征在于，所述方法包括：
获取目标数据，所述目标数据为用户申请延期所对应的原因信息；
根据所述目标数据确定所述目标数据对应的数据等级，所述数据等级用于反映所述目标数据的不可抗等级；
根据业务信息以及所述数据等级确定延期日期，所述业务信息为所述用户申请延期所对应的业务信息。
2.根据权利要求1所述的方法，其特征在于，所述根据业务信息以及所述数据等级确定延期日期，包括：
将所述业务信息以及所述数据等级输入第一模型，获取所述第一模型输出的延迟天数，所述第一模型是根据第一待训练数据以及第一待训练数据对应的标签训练生成的，所述第一待训练数据包括待训练业务信息和待训练数据等级，所述第一待训练数据对应的标签为延迟天数；
根据履约日期和所述延迟天数确定延期日期。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标数据确定所述目标数据对应的数据等级，包括：
将所述目标数据输入第二模型，获取所述第二模型的输出结果，所述第二模型是根据第二待训练数据以及第二待训练数据对应的标签训练生成的，所述第二待训练数据包括延期原因，所述第二待训练数据对应的标签为数据等级；
根据所述输出结果确定所述目标数据的数据等级。
4.根据权利要求3所述的方法，其特征在于，所述根据所述输出结果确定所述目标数据的数据等级包括：
将所述输出结果中概率最大的数据等级确定为所述目标数据的数据等级，所述输出结果包括多个数据等级以及所述多个数据等级中每个数据等级对应的概率。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
显示所述延期日期；
响应于用户对于所述延期日期的确认操作，保存所述延期日期。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标数据的数据等级越高，所述延期日期越长。
7.根据权利要求1-6任一项所述的方法，其特征在于，在根据所述目标数据确定所述目标数据对应的数据等级之前，所述方法还包括：
根据所述目标数据以及所述业务信息确定所述业务信息对应的业务允许延期处理。
8.一种延期业务处理装置，其特征在于，所述装置包括：
获取单元，用于获取目标数据，所述目标数据为用户申请延期所对应的原因信息；
第一确定单元，用于根据所述目标数据确定所述目标数据对应的数据等级，所述数据等级用于反映所述目标数据的不可抗等级；
第二确定单元，用于根据业务信息以及所述数据等级确定延期日期，所述业务信息为所述用户申请延期所对应的业务信息。
9.一种电子设备，其特征在于，包括：处理器，存储器；
所述存储器，用于存储计算机可读指令或者计算机程序；
所述处理器，用于读取所述计算机可读指令或所述计算机程序，以使得所述设备实现如权利要求1-7中任意一项所述的延期业务处理方法。
10.一种计算机可读存储介质，包括指令或计算机程序，当其在计算机上运行时，使得计算机执行以上权利要求1-7任意一项所述的延期业务处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111040340.3A CN113706298A (zh) | 2021-09-06 | 2021-09-06 | 一种延期业务处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111040340.3A CN113706298A (zh) | 2021-09-06 | 2021-09-06 | 一种延期业务处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113706298A true CN113706298A (zh) | 2021-11-26 |
Family
ID=78660667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111040340.3A Pending CN113706298A (zh) | 2021-09-06 | 2021-09-06 | 一种延期业务处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113706298A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114726956A (zh) * | 2022-04-11 | 2022-07-08 | 中国联合网络通信集团有限公司 | 一种电话呼入处理方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539780A (zh) * | 2019-09-04 | 2020-08-14 | 拉扎斯网络科技（上海）有限公司 | 一种任务处理方法、装置、存储介质和电子设备 |
| CN112991036A (zh) * | 2021-02-08 | 2021-06-18 | 中国建设银行股份有限公司 | 一种资源量确定方法、装置和设备 |
| US20210192635A1 (en) * | 2019-12-20 | 2021-06-24 | Alpha Health Inc. | Claim analysis with deep learning |
| CN113159926A (zh) * | 2021-04-30 | 2021-07-23 | 中国银行股份有限公司 | 贷款业务的还款日期确定方法及装置 |
-
2021
- 2021-09-06 CN CN202111040340.3A patent/CN113706298A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539780A (zh) * | 2019-09-04 | 2020-08-14 | 拉扎斯网络科技（上海）有限公司 | 一种任务处理方法、装置、存储介质和电子设备 |
| US20210192635A1 (en) * | 2019-12-20 | 2021-06-24 | Alpha Health Inc. | Claim analysis with deep learning |
| CN112991036A (zh) * | 2021-02-08 | 2021-06-18 | 中国建设银行股份有限公司 | 一种资源量确定方法、装置和设备 |
| CN113159926A (zh) * | 2021-04-30 | 2021-07-23 | 中国银行股份有限公司 | 贷款业务的还款日期确定方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114726956A (zh) * | 2022-04-11 | 2022-07-08 | 中国联合网络通信集团有限公司 | 一种电话呼入处理方法及装置 |
| CN114726956B (zh) * | 2022-04-11 | 2024-03-19 | 中国联合网络通信集团有限公司 | 一种电话呼入处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210216979A1 (en) | Identifying, soliciting, selecting and scheduling service providers | |
| US20130151383A1 (en) | Recommender engine for collections treatment selection | |
| CN108133013A (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
| US20230013086A1 (en) | Systems and Methods for Using Machine Learning Models to Automatically Identify and Compensate for Recurring Charges | |
| JP2009265747A (ja) | マーケティング支援システム、マーケティング支援方法、マーケティング支援プログラム及びコンピュータ読み取り可能な媒体 | |
| JP2019057160A (ja) | 口座管理装置、口座管理方法及び口座管理用プログラム | |
| CN111461859A (zh) | 借贷配对系统和方法 | |
| CN111091460B (zh) | 一种数据处理方法及装置 | |
| CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
| CN112925911B (zh) | 基于多模态数据的投诉分类方法及其相关设备 | |
| US20140195312A1 (en) | System and method for management of processing workers | |
| WO2023165145A1 (zh) | 时序流量预测方法及装置、存储介质及电子设备 | |
| US11836769B2 (en) | Methods and systems for providing estimated transactional data | |
| CA3169417A1 (en) | Method of and system for appraising risk | |
| WO2024212418A1 (zh) | 联邦学习系统、联邦学习方法和装置 | |
| CN112950359A (zh) | 一种用户识别方法和装置 | |
| CN111752985B (zh) | 一种主体画像生成的方法、装置和存储介质 | |
| CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
| CN113706298A (zh) | 一种延期业务处理方法及装置 | |
| CN114330837A (zh) | 对象处理方法、装置、计算机设备和存储介质 | |
| JP7345032B1 (ja) | 与信審査装置、方法及びプログラム | |
| CN115578170A (zh) | 一种财务批量制证方法、装置、设备及存储介质 | |
| CN114298825A (zh) | 还款积极度评估方法及装置 | |
| CN113723974A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
| CN112307334A (zh) | 信息推荐方法、信息推荐装置、存储介质与电子设备 |
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 |