CN114723455A - 业务处理方法、装置、电子设备和存储介质 - Google Patents
业务处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114723455A CN114723455A CN202210326808.3A CN202210326808A CN114723455A CN 114723455 A CN114723455 A CN 114723455A CN 202210326808 A CN202210326808 A CN 202210326808A CN 114723455 A CN114723455 A CN 114723455A
- Authority
- CN
- China
- Prior art keywords
- training
- model
- target
- preset
- attribute 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
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/403—Solvency checks
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了业务处理方法、装置、电子设备和存储介质,涉及人工智能技术领域。该方法的一具体实施方式包括:接收目标用户的业务处理请求,从数据库中获取目标用户对应预设场景的场景数据;响应于场景数据满足预设条件,调用数据采集引擎,以采集目标用户的目标属性信息;调用预设的特征参数模型,以基于目标属性信息确定目标用户的特征参数值;调用预设的时序参数模型,以基于目标属性信息确定目标用户的时序参数矩阵;将时序参数矩阵和特征参数值输入预设的计算模型,计算目标用户对应的业务额度,以对目标用户的进行业务处理。该实施方式能够解决通过专家经验来确定信贷的授信额度,不仅效率较低,而且降低准确性的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种业务处理方法、装置、电子设备和存储介质。
背景技术
随着金融业务的发展,信贷业务覆盖越来越广泛,中小微型企业的信贷业务处理也受到重视,尤其对首贷的中小微型企业,如何确定与其相适应的授信额度成为信贷业务处理的重点。由于首贷的中小微型企业,其通常缺少支持确定授信额度的数据,现有技术中,通常是基于首贷企业所能够获取的数据,通过专家经验来确定出信贷的授信额度,但是这种方式过分依赖人工经验,不仅效率较低,而且降低准确性。
发明内容
有鉴于此,本发明实施例提供一种业务处理方法、装置、电子设备和存储介质,能够解决通过专家经验来确定信贷的授信额度,不仅效率较低,而且降低准确性的问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种业务处理方法。
本发明实施例的一种业务处理方法包括:接收目标用户的业务处理请求,从数据库中获取所述目标用户对应预设场景的场景数据;响应于所述场景数据满足预设条件,调用数据采集引擎,以采集所述目标用户的目标属性信息;调用预设的特征参数模型,以基于所述目标属性信息确定所述目标用户的特征参数值;调用预设的时序参数模型,以基于所述目标属性信息确定所述目标用户的时序参数矩阵;将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,以对所述目标用户的进行业务处理。
在一个实施例中,所述计算模型包括第一计算模型和第二计算模型;
将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,包括:
将所述时序参数矩阵输入预设的第一计算模型,以计算所述目标用户对应的预测业务额度;
拼接所述特征参数值和所述预测业务额度,输入预设的第二计算模型,以得出所述目标用户的目标业务额度。
在又一个实施例中,在所述接收目标用户的业务处理请求之前,还包括:
筛选模型训练用户,以获取所述模型训练用户的训练属性信息;
从所述训练属性信息中,统计所述模型训练用户在预设时间段内每个第一预设周期的还款额度,以确定所述训练用户的训练目标额度;
基于所述训练属性信息确定所述模型训练用户的特征参数值,以及基于所述训练属性信息确定所述模型训练用户的时序参数矩阵;
基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,以得出训练后的计算模型。
在又一个实施例中,所述建立的计算模型包括第一计算模型和第二计算模型;
基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,包括:
将所述模型训练用户的时序参数矩阵作为第一计算模型的输入,将所述第一计算模型的输出与所述模型训练用户的特征参数值拼接,以作为第二授信模型的输入,以所述训练目标额度为模型训练目标,对所述构建的计算模型进行训练。
在又一个实施例中,确定所述训练用户的训练目标额度,包括:
按照所述还款额度由大到小的顺序,对所述每个第一预设周期的还款额度进行排序,以将顺序位于目标位置的还款额度,确定为所述训练用户的训练目标额度。
在又一个实施例中,基于所述目标属性信息确定所述目标用户的特征参数值,包括:
基于所述目标属性信息,获取所述目标用户对应的企业业务参数,以统计预设特征参数的第一参数值;
基于所述目标属性信息,获取所述目标用户对应的个人业务参数,以统计预设特征参数的第二参数值;
将所述第一参数值和所述第二参数值中较大的数值确定为预设特征参数的特征参数值。
在又一个实施例中,基于所述目标属性信息确定所述目标用户的时序参数矩阵,包括:
基于预设历史时长内时间先后顺序,从所述目标属性信息中统计各预设时序参数在第二预设周期的参数值,以拼接所述参数值,生成对应的时序参数矩阵。
在又一个实施例中,在所述响应于所述场景数据满足预设条件之前,还包括:
判断所述场景数据是否为空;
若是,则确定所述场景数据不满足所述预设条件;若否,则确定所述场景数据满足所述预设条件。
本发明实施例的一种业务处理装置包括:接收单元,用于接收目标用户的业务处理请求,从数据库中获取所述目标用户对应预设场景的场景数据;采集单元,用于响应于所述场景数据满足预设条件,调用数据采集引擎,以采集所述目标用户的目标属性信息;确定单元,用于调用预设的特征参数模型,以基于所述目标属性信息确定所述目标用户的特征参数值;调用预设的时序参数模型,以基于所述目标属性信息确定所述目标用户的时序参数矩阵;计算单元,用于将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,以对所述目标用户的进行业务处理。
所述计算模型包括第一计算模型和第二计算模型;
所述计算单元,具体用于:
将所述时序参数矩阵输入预设的第一计算模型,以计算所述目标用户对应的预测业务额度;
拼接所述特征参数值和所述预测业务额度,输入预设的第二计算模型,以得出所述目标用户的目标业务额度。
在又一个实施例中,所述装置还包括:
筛选单元,用于筛选模型训练用户,以获取所述模型训练用户的训练属性信息;
所述确定单元,还用于从所述训练属性信息中,统计所述模型训练用户在预设时间段内每个第一预设周期的还款额度,以确定所述训练用户的训练目标额度;
所述确定单元,还用于基于所述训练属性信息确定所述模型训练用户的特征参数值,以及基于所述训练属性信息确定所述模型训练用户的时序参数矩阵;
所述装置还包括:
训练单元,用于基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,以得出训练后的计算模型。
在又一个实施例中,所述建立的计算模型包括第一计算模型和第二计算模型;
所述训练单元,具体用于:
将所述模型训练用户的时序参数矩阵作为第一计算模型的输入,将所述第一计算模型的输出与所述模型训练用户的特征参数值拼接,以作为第二授信模型的输入,以所述训练目标额度为模型训练目标,对所述构建的计算模型进行训练。
在又一个实施例中,所述确定单元,具体用于:
按照所述还款额度由大到小的顺序,对所述每个第一预设周期的还款额度进行排序,以将顺序位于目标位置的还款额度,确定为所述训练用户的训练目标额度。
在又一个实施例中,所述确定单元,具体用于:
基于所述目标属性信息,获取所述目标用户对应的企业业务参数,以统计预设特征参数的第一参数值;
基于所述目标属性信息,获取所述目标用户对应的个人业务参数,以统计预设特征参数的第二参数值;
将所述第一参数值和所述第二参数值中较大的数值确定为预设特征参数的特征参数值。
在又一个实施例中,所述确定单元,具体用于:
基于预设历史时长内时间先后顺序,从所述目标属性信息中统计各预设时序参数在第二预设周期的参数值,以拼接所述参数值,生成对应的时序参数矩阵。
在又一个实施例中,所述确定单元,还用于:
判断所述场景数据是否为空;
若是,则确定所述场景数据不满足所述预设条件;若否,则确定所述场景数据满足所述预设条件。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
本发明实施例的一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的业务处理方法。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的业务处理方法。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机程序产品。
本发明实施例的一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现本发明实施例提供的业务处理方法。
上述发明中的一个实施例具有如下优点或有益效果:本发明实施例中,接收目标用户的业务处理请求后,可以基于目标用户对应预设场景的场景数据确定是否满足预设条件,在目标用户满足预设条件后,可以采集用户的目标属性信息,以确定目标用户的特征参数值和时序参数矩阵,进而输入计算模型来计算业务额度,从而对业务进行处理。本发明实施例中,通过预设条件来确定目标用户为首贷中小微型的企业后,可以基于目标属性信息来确定出目标用户的特征参数值和时序参数矩阵,进而计算出业务额度,即授信额度,如此从目标属性信息中进行信息提取,并结合特征参数和时序参数来计算授信额度,从而提高授信额度计算的准确性,并且预先构建了授信额度模型,以通过授信额度模型来计算授信额度,提高了授信额度计算的效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的业务处理方法的一种主要流程的示意图;
图2是根据本发明实施例的计算模型构建方法的一种主要流程的示意图;
图3是根据本发明实施例的业务处理方法的又一种主要流程的示意图;
图4是根据本发明实施例的业务处理装置的主要单元的示意图;
图5是本发明实施例可以应用于其中的一种示例性系统架构图;
图6是适于用来实现本发明实施例的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以互相组合。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
本发明实施例提供了一种业务处理方法,该方法可由业务处理系统执行,如图1所示,该方法包括:
S101:接收目标用户的业务处理请求,从数据库中获取目标用户对应预设场景的场景数据。
其中,业务处理请求可以具体为信贷业务的处理请求。目标用户可以具体为企业用户,例如可以为中小微型企业。信贷处理请求可以为目标用户在申请信贷时发送的,接收信贷处理请求后,可以从中获取目标用户的用户标识,进而可以从数据库中获取目标用户对应预设场景的场景数据。预设场景可以基于具体需求和功能设置,例如,本发明实施例中场景数据用户确定目标用户是否为首贷用户,而首贷用户表示行内未申请过信贷,也就是系统内数据库中无信贷记录,所以可以设置预设场景为信贷申请场景。
S102:响应于场景数据满足预设条件,调用数据采集引擎,以采集目标用户的目标属性信息。
其中,预设条件可以基于需求设置,例如本发明实施例中为判断目标用户是否为首贷用户,所以预设场景可以为信贷申请场景,本步骤中可以通过获取的场景数据是否为空,来判断目标星湖是否为首贷用户,即预设条件为场景数据为空。如果获取的场景数据为空,则说明用户未申请过信贷,即没有信贷记录,可以确定为场景数据满足预设条件;如果获取的场景数据不为空,则说明用户申请过信贷,即有信贷记录,可以确定为场景数据不满足预设条件。对应的,目标属性具体可以为征信属性,所以目标属性信息可以具体为征信信息。
在确定场景数据满足预设条件后,可以对目标数据的目标属性信息进行采集,以计算目标用户的业务额度。本发明实施例中,以目标属性为征信为例,由于目标用户没有信贷记录,所以通常需要从外部系统中进行征信信息的采集,所以本发明实施例中可以预设数据采集引擎,以通过调用数据采集引擎从外部系统中采集目标用户的征信信息。
具体的,征信信息可以包括多种,例如,可以为征信报告。目标用户可以为中小微型企业,为了更准确的计算授信额度,所以征信信息中可以包括企业的企业信贷参数,如信贷数据、借贷数据、担保数据等等,还可以包括企业法人的个人信贷参数,如信贷数据、借贷数据、担保数据、消费贷数据、贷记卡数据、征信查询数据等等。
S103:调用预设的特征参数模型,以基于目标属性信息确定目标用户的特征参数值;调用预设的时序参数模型,以基于目标属性信息确定目标用户的时序参数矩阵。
其中,特征参数模型和时序参数模型均为预先构建和训练的,特征参数值表示预设特征参数的参数值,时序参数矩阵表示预设时序参数的参数值构成的矩阵。
本发明实施例中,可以用于对信贷业务的处理,具体的用于计算信贷业务的授信额度,所以本发明实施例中以目标属性为征信为例,预设特征参数可以包括信贷历史标签(最大授信金额、最早授信距今时长、最大授信金额等)、负债状况标签(如当前授信总金额、当前授信总余额、当前逾期金额等、当前担保总金额)、借贷行为标签(如近1年新增贷款授信总金额、近1年月均还款总金额等)。由于征信信息中即可以包括企业信贷参数和个人信贷参数,所以可以获取目标用户对应的企业信贷参数,以统计预设特征参数的第一参数值,以及获取目标用户对应的个人信贷参数,以统计预设特征参数的第二参数值,进而将第一参数值和第二参数值中较大的数值来确定为预设特征参数的特征参数值。
本发明实施例中,基于目标用户的征信信息,可以为对预设历史时长内每个第二预设周期所统计的预设时序参数值,所以预设时序参数值可以体现出目标用于相对时间的征信变化。具体的,预设时序参数可以包括:企业的借贷参数和担保参数对应各第二周期内的笔数、金额、逾期笔数和逾期金额,个人的贷款参数和贷记卡参数对应各第二周期内的笔数、金额、逾期笔数和逾期金额,个人对应各第二周期内征信查询次数,个人和企业对应信贷历史时长、当前贷款笔数、贷记卡卡数、授信总金额、余额等等。第二预设时间段和预设历史时长可以基于场景设置,例如第二时间段可以设置为一个月,预设历史时长可以设置为5年、2年等等。
本发明实施例中,还可以基于不同的预设时序参数来设置对应的历史时长,例如,对于企业的借贷参数和担保参数对应各第二周期内的笔数、金额、逾期笔数和逾期金额,可以设置历史时长为5年;对于个人的贷款参数和贷记卡参数对应各第二周期内的笔数、金额、逾期笔数和逾期金额,可以设置历史时长为5年;对于个人对应各第二周期内征信查询次数,可以设置历史时长为2年;个人和企业对应信贷历史时长、当前贷款笔数、贷记卡卡数、授信总金额、余额,可以不设置历史时长。如此,以第二时间段可以设置为一个月为例,基于企业的借贷参数和担保参数对应各第二周期内的笔数、金额、逾期笔数和逾期金额,可以得出8个1*60的向量;基于个人的借贷参数和担保参数对应各第二周期内的笔数、金额、逾期笔数和逾期金额,可以又得出8个1*60的向量;基于个人对应各第二周期内征信查询次数,可以得出2个1*20的向量;基于个人和企业对应信贷历史时长、当前贷款笔数、贷记卡卡数、授信总金额、余额,可以得出1个1*5的向量.在得出上述向量,即为各预设时序参数在第二预设周期的参数值,进而将这些向量拼接,即可生成时序参数矩阵。
需要说明的是,在生成时序参数矩阵时,如果出现位数不足,则可以用0来补齐。
S104:将时序参数矩阵和特征参数值输入预设的计算模型,计算目标用户对应的业务额度,以对目标用户的进行业务处理。
其中,业务额度可以具体为信贷业务的授信额度,计算模型为预先设置,用于计算目标用户的授信额度。具体的,本发明实施例中计算模型包括第一计算模型和第二计算模型。第一计算模型可以以时序参数矩阵为输入,并计算出一个预测业务额度,然后将预测业务额度和特征参数值拼接为一个入参,输入到第二计算模型,以计算出最终的业务额度,即目标授信额度。从而可以基于业务额度来进行目标用户的业务进行处理。
本发明实施例中,第一计算模型可以为LSTM(长短期记忆网络)模型,LSTM是一种能够学习长期的规律的特殊递归神经网络(RNN),其具有神经网络重复模块链的形式,通过门(gate)结构实现保护和控制信息流向量状态。第二授信模型可以为TOBIT模型,也称为截尾回归模型或删失回归模型,是针对目标变量整体在正值上大致连续分布,同时包含一部分以正概率取值为0的观察值的一类模型。
本发明实施例中,通过预设条件来确定目标用户为首贷中小微型的企业后,可以基于目标属性信息来确定出目标用户的特征参数值和时序参数矩阵,进而计算出业务额度,即授信额度,如此从目标属性信息中进行信息提取,并结合特征参数和时序参数来计算授信额度,从而提高授信额度计算的准确性,并且预先构建了授信额度模型,以通过授信额度模型来计算授信额度,提高了授信额度计算的效率。
在执行步骤S101之前,还需要完成计算模型的构建,下面结合图1所示的实施例,对本发明实施例中计算模型的构建方法进行具体说明,如图2所示,该方法包括:
S201:筛选模型训练用户,以获取模型训练用户的训练属性信息。
其中,训练属性信息表示用于模型训练的属性信息,本发明实施例中,训练属性信息具体可以为训练用户的征信属性信息。模型训练用户可以为未进行信贷的用户、同时用户的征信信息为非征信白户,即存在征信信息的用户,以便于可以计算出业务的目标额度,即训练目标额度。
需要说明的是,由于模型训练需要较多的样本数据,所以本步骤中可以筛选出多个模型训练用户,以作为训练样本。
S202:从训练属性信息中,统计模型训练用户在预设时间段内每个第一预设周期的还款额度,以确定训练用户的训练目标额度。
其中,第一预设周期和预设时间段可以基于场景设置,例如预设时间段可以为最近一年,第一预设周期可以为一个月。如此将预设时间段按照第一预设周期划分后,可以统计出各第一预设周期的还款额度。然后可以按照还款额度由达到小的顺序,对每个第一预设周期的还款额度进行排序,以将顺序位于目标位置的还款额度,确定为训练用户的训练目标额度。目标位置可以具体为第6位,从而可以提高训练用户能够及时还款6个月的可能性,以减少信贷损失。
本发明实施例中,还款额度可以基于训练征信信息计算。具体的,本步骤中可以先从训练征信信息中提取预设时间段内企业的借贷参数和/或个人的经营贷款参数,以统计出每个第一预设周期的还款额度。如果训练征信信息中不包括预设时间段内企业的借贷参数和个人的经营贷款参数,则可以获取预设时间段内个人的消费贷及信用卡记录,以统计每个第一预设周期的还款额度。
S203:基于训练属性信息确定模型训练用户的特征参数值,以及基于训练属性信息确定模型训练用户的时序参数矩阵。
其中,本步骤中数据处理原理与步骤S103中对应数据原理相同,在次不再赘述。如此本步骤中可以确定出每个模型训练用户的特征参数值和时序参数矩阵。
S204:基于训练目标额度、模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,以得出训练后的计算模型。
其中,建立的计算模型可以包括第一授信模型和第二授信模型。本步骤中,可以将模型训练用户的时序参数矩阵作为第一计算模型的输入,将第一计算模型的输出与模型训练用户的特征参数值拼接,以作为第二计算模型的输入,以训练目标额度为模型训练目标,对构建的计算模型进行训练。
本发明实施例中,可以基于训练用户的训练属性信息预先构建了计算模型,以通过计算模型来计算目标用户的业务额度,提高了业务额度计算的效率。
结合图1和图2所示的实施例,对本发明实施例中业务处理方法进行具体说明,如图3所示,该方法包括:
S301:接收目标用户的业务处理请求,从数据库中获取目标用户对应预设场景的场景数据。
S302:判断场景数据是否为空;若是,则确定场景数据不满足预设条件,发送提示信息;若否,则执行步骤S303.
S303:调用数据采集引擎,以采集目标用户的目标属性信息。
S304:基于目标属性信息,获取目标用户对应的企业业务参数,以统计预设特征参数的第一参数值;基于目标属性信息,获取目标用户对应的个人业务参数,以统计预设特征参数的第二参数值;将第一参数值和第二参数值中较大的数值确定为预设特征参数的特征参数值。
S305:基于预设历史时长内时间先后顺序,从目标属性信息中统计各预设时序参数在第二预设周期的参数值,以拼接参数值,生成对应的时序参数矩阵。
S306:将时序参数矩阵输入预设的第一计算模型,以计算目标用户对应的预测业务额度。
S307:拼接特征参数值和预测业务额度,输入预设的第二计算模型,以得出目标用户的目标业务额度,以对目标用户的进行业务处理。
需要说明的是,本发明实施例中数据处理原理与图1所示实施例中对应的数据处理原理相同,在此不再赘述。
本发明实施例中,通过预设条件来确定目标用户为首贷中小微型的企业后,可以基于目标属性信息来确定出目标用户的特征参数值和时序参数矩阵,进而计算出业务额度,即授信额度,如此从目标属性信息中进行信息提取,并结合特征参数和时序参数来计算授信额度,从而提高授信额度计算的准确性,并且预先构建了授信额度模型,以通过授信额度模型来计算授信额度,提高了授信额度计算的效率。
为了解决现有技术存在的问题,本发明实施例提供了一种业务处理装置400,如图4所示,该装置400包括:
接收单元401,用于接收目标用户的业务处理请求,从数据库中获取所述目标用户对应预设场景的场景数据;
采集单元402,用于响应于所述场景数据满足预设条件,调用数据采集引擎,以采集所述目标用户的目标属性信息;
确定单元403,用于调用预设的特征参数模型,以基于所述目标属性信息确定所述目标用户的特征参数值;调用预设的时序参数模型,以基于所述目标属性信息确定所述目标用户的时序参数矩阵;
计算单元404,用于将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,以对所述目标用户的进行业务处理。
应理解的是,实施本发明实施例的方式与实施图1所示实施例的方式相同,在此不再赘述。
在一个实施例中,所述计算模型包括第一计算模型和第二计算模型;
所述计算单元404,具体用于:
将所述时序参数矩阵输入预设的第一计算模型,以计算所述目标用户对应的预测业务额度;
拼接所述特征参数值和所述预测业务额度,输入预设的第二计算模型,以得出所述目标用户的目标业务额度。
在又一个实施例中,所述装置400还包括:
筛选单元,用于筛选模型训练用户,以获取所述模型训练用户的训练属性信息;
所述确定单元403,还用于从所述训练属性信息中,统计所述模型训练用户在预设时间段内每个第一预设周期的还款额度,以确定所述训练用户的训练目标额度;
所述确定单元403,还用于基于所述训练属性信息确定所述模型训练用户的特征参数值,以及基于所述训练属性信息确定所述模型训练用户的时序参数矩阵;
所述装置400还包括:
训练单元,用于基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,以得出训练后的计算模型。
在又一个实施例中,所述建立的计算模型包括第一计算模型和第二计算模型;
所述训练单元,具体用于:
将所述模型训练用户的时序参数矩阵作为第一计算模型的输入,将所述第一计算模型的输出与所述模型训练用户的特征参数值拼接,以作为第二授信模型的输入,以所述训练目标额度为模型训练目标,对所述构建的计算模型进行训练。
在又一个实施例中,所述确定单元403,具体用于:
按照所述还款额度由大到小的顺序,对所述每个第一预设周期的还款额度进行排序,以将顺序位于目标位置的还款额度,确定为所述训练用户的训练目标额度。
在又一个实施例中,所述确定单元403,具体用于:
基于所述目标属性信息,获取所述目标用户对应的企业业务参数,以统计预设特征参数的第一参数值;
基于所述目标属性信息,获取所述目标用户对应的个人业务参数,以统计预设特征参数的第二参数值;
将所述第一参数值和所述第二参数值中较大的数值确定为预设特征参数的特征参数值。
在又一个实施例中,所述确定单元403,具体用于:
基于预设历史时长内时间先后顺序,从所述目标属性信息中统计各预设时序参数在第二预设周期的参数值,以拼接所述参数值,生成对应的时序参数矩阵。
在又一个实施例中,所述确定单元403,还用于:
判断所述场景数据是否为空;
若是,则确定所述场景数据不满足所述预设条件;若否,则确定所述场景数据满足所述预设条件。
应理解的是,实施本发明实施例的方式与实施图1、图2或图3所示实施例的方式相同,在此不再赘述。
本发明实施例中,通过预设条件来确定目标用户为首贷中小微型的企业后,可以基于征信信息来确定出目标用户的特征参数值和时序参数矩阵,进而计算出授信额度,如此从征信信息中进行信息提取,并结合特征参数和时序参数来计算授信额度,从而提高授信额度计算的准确性,并且预先构建了授信额度模型,以通过授信额度模型来计算授信额度,提高了授信额度计算的效率。
根据本发明的实施例,本发明实施例还提供了一种电子设备和一种可读存储介质。
本发明实施例的电子设备包括: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执行本发明实施例所提供的业务处理方法。
图5示出了可以应用本发明实施例的业务处理方法或业务处理装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种客户端应用。
终端设备501、502、503可以是但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的业务处理方法一般由服务器505执行,相应地,业务处理装置一般设置于服务器505中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的计算机系统600的结构示意图。图6示出的计算机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。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分,上述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元、采集单元、确定单元和计算单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收单元还可以被描述为“请求接收功能的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行本发明所提供的业务处理方法。
作为另一方面,本发明还提供了一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现本发明实施例提供的业务处理方法。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (15)
1.一种业务处理方法,其特征在于,包括:
接收目标用户的业务处理请求,从数据库中获取所述目标用户对应预设场景的场景数据;
响应于所述场景数据满足预设条件,调用数据采集引擎,以采集所述目标用户的目标属性信息;
调用预设的特征参数模型,以基于所述目标属性信息确定所述目标用户的特征参数值;调用预设的时序参数模型,以基于所述目标属性信息确定所述目标用户的时序参数矩阵;
将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,以对所述目标用户的进行业务处理。
2.根据权利要求1所述的方法,其特征在于,所述计算模型包括第一计算模型和第二计算模型;
将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,包括:
将所述时序参数矩阵输入预设的第一计算模型,以计算所述目标用户对应的预测业务额度;
拼接所述特征参数值和所述预测业务额度,输入预设的第二计算模型,以得出所述目标用户的目标业务额度。
3.根据权利要求1所述的方法,其特征在于,在所述接收目标用户的业务处理请求之前,还包括:
筛选模型训练用户,以获取所述模型训练用户的训练属性信息;
从所述训练属性信息中,统计所述模型训练用户在预设时间段内每个第一预设周期的还款额度,以确定所述训练用户的训练目标额度;
基于所述训练属性信息确定所述模型训练用户的特征参数值,以及基于所述训练属性信息确定所述模型训练用户的时序参数矩阵;
基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,以得出训练后的计算模型。
4.根据权利要求3所述的方法,其特征在于,所述建立的计算模型包括第一计算模型和第二计算模型;
基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,包括:
将所述模型训练用户的时序参数矩阵作为第一计算模型的输入,将所述第一计算模型的输出与所述模型训练用户的特征参数值拼接,以作为第二授信模型的输入,以所述训练目标额度为模型训练目标,对所述构建的计算模型进行训练。
5.根据权利要求3所述的方法,其特征在于,确定所述训练用户的训练目标额度,包括:
按照所述还款额度由大到小的顺序,对所述每个第一预设周期的还款额度进行排序,以将顺序位于目标位置的还款额度,确定为所述训练用户的训练目标额度。
6.根据权利要求1所述的方法,其特征在于,基于所述目标属性信息确定所述目标用户的特征参数值,包括:
基于所述目标属性信息,获取所述目标用户对应的企业业务参数,以统计预设特征参数的第一参数值;
基于所述目标属性信息,获取所述目标用户对应的个人业务参数,以统计预设特征参数的第二参数值;
将所述第一参数值和所述第二参数值中较大的数值确定为预设特征参数的特征参数值。
7.根据权利要求1所述的方法,其特征在于,基于所述目标属性信息确定所述目标用户的时序参数矩阵,包括:
基于预设历史时长内时间先后顺序,从所述目标属性信息中统计各预设时序参数在第二预设周期的参数值,以拼接所述参数值,生成对应的时序参数矩阵。
8.根据权利要求1所述的方法,其特征在于,在所述响应于所述场景数据满足预设条件之前,还包括:
判断所述场景数据是否为空;
若是,则确定所述场景数据不满足所述预设条件;若否,则确定所述场景数据满足所述预设条件。
9.一种业务处理装置,其特征在于,包括:
接收单元,用于接收目标用户的业务处理请求,从数据库中获取所述目标用户对应预设场景的场景数据;
采集单元,用于响应于所述场景数据满足预设条件,调用数据采集引擎,以采集所述目标用户的目标属性信息;
确定单元,用于调用预设的特征参数模型,以基于所述目标属性信息确定所述目标用户的特征参数值;调用预设的时序参数模型,以基于所述目标属性信息确定所述目标用户的时序参数矩阵;
计算单元,用于将所述时序参数矩阵和所述特征参数值输入预设的计算模型,计算所述目标用户对应的业务额度,以对所述目标用户的进行业务处理。
10.根据权利要求9所述的装置,其特征在于,所述计算模型包括第一计算模型和第二计算模型;
所述计算单元,具体用于:
将所述时序参数矩阵输入预设的第一计算模型,以计算所述目标用户对应的预测业务额度;
拼接所述特征参数值和所述预测业务额度,输入预设的第二计算模型,以得出所述目标用户的目标业务额度。
11.根据权利要求9所述的装置,其特征在于,还包括:
筛选单元,用于筛选模型训练用户,以获取所述模型训练用户的训练属性信息;
所述确定单元,还用于从所述训练属性信息中,统计所述模型训练用户在预设时间段内每个第一预设周期的还款额度,以确定所述训练用户的训练目标额度;
所述确定单元,还用于基于所述训练属性信息确定所述模型训练用户的特征参数值,以及基于所述训练属性信息确定所述模型训练用户的时序参数矩阵;
所述装置还包括:
训练单元,用于基于所述训练目标额度、所述模型训练用户的时序参数矩阵和特征参数值,对建立的计算模型进行训练,以得出训练后的计算模型。
12.根据权利要求11所述的装置,其特征在于,所述建立的计算模型包括第一计算模型和第二计算模型;
所述训练单元,具体用于:
将所述模型训练用户的时序参数矩阵作为第一计算模型的输入,将所述第一计算模型的输出与所述模型训练用户的特征参数值拼接,以作为第二授信模型的输入,以所述训练目标额度为模型训练目标,对所述构建的计算模型进行训练。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
15.一种计算机程序产品,包括计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210326808.3A CN114723455A (zh) | 2022-03-30 | 2022-03-30 | 业务处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210326808.3A CN114723455A (zh) | 2022-03-30 | 2022-03-30 | 业务处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114723455A true CN114723455A (zh) | 2022-07-08 |
Family
ID=82240773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210326808.3A Pending CN114723455A (zh) | 2022-03-30 | 2022-03-30 | 业务处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723455A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578405A (zh) * | 2023-07-13 | 2023-08-11 | 中国船舶集团有限公司第七〇七研究所 | 基于虚拟化架构的模拟训练方法及系统 |
-
2022
- 2022-03-30 CN CN202210326808.3A patent/CN114723455A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578405A (zh) * | 2023-07-13 | 2023-08-11 | 中国船舶集团有限公司第七〇七研究所 | 基于虚拟化架构的模拟训练方法及系统 |
CN116578405B (zh) * | 2023-07-13 | 2023-09-08 | 中国船舶集团有限公司第七〇七研究所 | 基于虚拟化架构的模拟训练方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543946B (zh) | 用于训练模型的方法和装置 | |
CN109976997B (zh) | 测试方法和装置 | |
CN112132674A (zh) | 一种交易处理方法和装置 | |
CN111127214A (zh) | 资产组合的方法和装置 | |
CN109933508B (zh) | 用于发送信息的方法和装置 | |
CN114723455A (zh) | 业务处理方法、装置、电子设备和存储介质 | |
CN117193980A (zh) | 任务剩余时长的计算方法和装置 | |
CN110795638A (zh) | 用于输出信息的方法和装置 | |
CN115730812A (zh) | 指标信息生成方法、装置、电子设备和可读介质 | |
CN115914363A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN115983902A (zh) | 基于用户实时事件的信息推送方法及系统 | |
CN112488857B (zh) | 事件识别的方法、装置、电子设备和存储介质 | |
CN114924937A (zh) | 批量任务处理方法、装置、电子设备及计算机可读介质 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、存储介质 | |
CN114170006A (zh) | 基于状态机的资讯数据获取方法、装置、设备及介质 | |
CN112907362A (zh) | 贷款业务的处理方法、装置、电子设备和存储介质 | |
CN111161067A (zh) | 一种交易路由的确定方法和装置 | |
CN111429257A (zh) | 一种交易监控方法和装置 | |
CN114997977B (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
CN118227775A (zh) | 咨询数据处理的方法、装置、电子设备和存储介质 | |
CN111131355B (zh) | 用于处理信息的方法和装置 | |
CN114118556A (zh) | 预测式服务方法、装置、计算机设备、存储介质 | |
CN114282674A (zh) | 员工状态预测方法、装置、电子设备及计算机可读介质 | |
CN114358898A (zh) | 账务数据的处理方法、装置、电子设备和存储介质 | |
CN117689253A (zh) | 产品模型流量信息生成方法、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 |