CN114819941A - 留学用户缴费生命周期模型生成方法及装置 - Google Patents

留学用户缴费生命周期模型生成方法及装置 Download PDF

Info

Publication number
CN114819941A
CN114819941A CN202210483920.8A CN202210483920A CN114819941A CN 114819941 A CN114819941 A CN 114819941A CN 202210483920 A CN202210483920 A CN 202210483920A CN 114819941 A CN114819941 A CN 114819941A
Authority
CN
China
Prior art keywords
payment
user
feature information
life cycle
time
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
CN202210483920.8A
Other languages
English (en)
Inventor
盛峥山
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.)
Beijing Yisihui Business Service Co ltd
Original Assignee
Beijing Yisihui Business Service 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 Beijing Yisihui Business Service Co ltd filed Critical Beijing Yisihui Business Service Co ltd
Priority to CN202210483920.8A priority Critical patent/CN114819941A/zh
Publication of CN114819941A publication Critical patent/CN114819941A/zh
Pending legal-status Critical Current

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
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G06Q20/102—Bill distribution or payments
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G06F16/212—Schema design and management with details for data modelling support
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种留学用户缴费生命周期模型生成方法及装置，所述方法包括获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。本发明通过留学用户缴费生命周期模型能够智能分析留学用户的缴费需求，还能够方便业务人员进行精细化运营。

Description

留学用户缴费生命周期模型生成方法及装置
技术领域
本发明属于金融技术领域，具体涉及一种留学用户缴费生命周期模型生成方法及装置。
背景技术
随着国家经济和社会的发展，人民的生活水平不断提高，越来越多人将目光投向了海外教育。通过留学进入国外高校提升自己的受教育水平，丰富自己的人生阅历。
相关技术中，留学用户越来越多，企业人员对每个用户的缴费情况需要了解的很清楚，但是因为人数越来越多且每个学校、每个阶段的缴费均不相同，会导致企业人员在核对留学用户的缴费情况时效率低下甚至出现差错。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种留学用户缴费生命周期模型生成方法及装置，以解决现有技术中企业人员在核对留学用户的缴费情况时效率低下甚至出现差错的问题。
为实现以上目的，本发明采用如下技术方案：一种留学用户缴费生命周期模型生成方法，包括：
获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；
提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；
将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
进一步的，所述维度包括国家、大区、学校及用户；
所述属性包括学校所读阶段，各个学校所读阶段对应的缴费周期和毕业分析。
进一步的，提取所述历史订单信息中的特征信息之后，还包括：
对所述特征信息进行特征处理，包括：
根据预设的映射关系，将所述特征信息进行数字化。
进一步的，还包括：
利用历史订单信息中的特征信息对缴费生命周期模型进行参数修正。
进一步的，所述用户唯一标识为用户的身份证号。
进一步的，所述神经网络采用决策树模型或KNN模型。
进一步的，所述缴费生命周期模型用于接收输入的待处理特征信息，根据所述待处理特征信息输出用户需要缴费的时间段和缴费金额。
本申请实施例提供一种留学用户缴费生命周期模型生成装置，包括：
获取模块，用于获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；
提取模块，用于提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；
生成模块，用于将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
本发明采用以上技术方案，能够达到的有益效果包括：
本发明提供一种留学用户缴费生命周期模型生成方法及装置，能够通过留学用户缴费生命周期模型能够智能分析留学用户的缴费需求，还能够方便业务人员进行精细化运营。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于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的附图。
图1为本发明留学用户缴费生命周期模型生成方法的步骤示意图；
图2为本发明历史数据的不同维度的结构示意图；
图3为本发明不同维度的属性的结构示意图；
图4为本发明留学用户缴费生命周期模型生成装置的结构示意图；
图5为本发明留学用户缴费生命周期模型生成方法实施的硬件环境示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的留学用户缴费生命周期模型生成方法及装置。
如图1所示，本申请实施例中提供的留学用户缴费生命周期模型生成方法，包括：
S101，获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；
S102，提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；
S103，将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
留学用户缴费生命周期模型生成方法的工作原理为：本申请首先根据历史数据的不同维度和属性建一个基础数据知识库，可以理解的是，基础数据知识库中具有用户的历史订单信息，历史订单信息是根据历史数据得来的；然后提取历史订单信息中的特征信息，特征信息主要包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额，还可以包括其他信息，本申请在此不做限定。将特征信息和预设的分类目标值输入到神经网络中进行训练，至神经网络收敛，即可得到得到缴费生命周期模型。
一些实施例中，如图2所示，所述维度包括国家、大区、学校及用户；
所述属性包括学校所读阶段，各个学校所读阶段对应的缴费周期和毕业分析。
具体的，维度层面例如包括国家、大区、学校及用户；例如国家为美国或英国，大区分为美中和美东，学校维度包括哈佛大学和伦敦大学，用户维度还可以根据需要设有特殊需求或分期等。
不同维度还设有不同属性，如图3所示，其中一个维度的属性可以包括：本科和研究生，还可以包括其他，其中，本科包括学校缴费周期和毕业分析，学校缴费周期可以包括多个周期，不同周期设有不同的金额范围，毕业分析包括入学时间、就读几年级毕业时间；研究生同样包括学校缴费周期和毕业分析，同样的学校缴费周期可以包括多个周期，不同周期设有不同的金额范围，除此之外，还设置了是否支持分期的功能，如果支持，则设有分期金额范围及分期周期；与本科相同，毕业分析同样包括入学时间、就读几年级毕业时间。
例如：美国，本科，学校缴费周期一 1月3日~3月15日，缴费金额10000美元。
美国，本科，学校缴费周期二 6月3日~9月15日，缴费金额15000美元。
美国本科入学时间每年9月，就读4年，毕业时间每年6月份。
一些实施例中，提取所述历史订单信息中的特征信息之后，还包括：
对所述特征信息进行特征处理，包括：
根据预设的映射关系，将所述特征信息进行数字化。
具体的，将特征信息进行特征处理，具体为变成数字话，比如本科数值为1，研究生数值为2，方便公式运算，变成“缴费生命周期模型”需要的数据格式。
一些实施例中，利用历史订单信息中的特征信息对缴费生命周期模型进行参数修正。
本申请中将数据格式传入“缴费生命周期模型”，生产对应的用户生命周期模型。会显示出用户未来可能会在哪个时间段内进行缴费，缴费金额大概是多少。如果业务人员发现不对，可以进行修改用户特征信息。然后重复上述步骤，生成修正后的缴费生命周期模型。
可以理解的是，本申请中所述用户唯一标识为用户的身份证号。所述神经网络采用决策树模型或KNN模型。所述缴费生命周期模型用于接收输入的待处理特征信息，根据所述待处理特征信息输出用户需要缴费的时间段和缴费金额。
其中，缴费生命周期模型以窗口展示的方式想业务人员展示，业务人员可以看到最后一张图的信息，可以立马看到这个用户的缴费情况和下一次缴费时间。
如图4所示，本申请实施例提供一种留学用户缴费生命周期模型生成装置，包括：
获取模块401，用于获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；
提取模块402，用于提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；
生成模块403，用于将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
本申请提供的留学用户缴费生命周期模型生成装置的工作原理为，获取模块401获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；提取模块402提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；生成模块403将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
本申请提供一种计算机设备，包括：存储器和处理器，还可以包括网络接口，所述存储器存储有计算机程序，存储器可以包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。该计算机设备存储有操作系统，存储器是计算机可读介质的示例。所述计算机程序被所述处理器执行时，使得所述处理器执行留学用户缴费生命周期模型生成方法，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的留学用户缴费生命周期模型生成方法可以实现为一种计算机程序的形式，计算机程序可在如图5所示的计算机设备上运行。
一些实施例中，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
本申请利用业务积累的知识和历史订单数据通过机器学习和深度学习算法，生成数据模型，然后将新的订单数据提取特征性，进行分类计算，最后生成用户生命周期管理模型。
综上所述，本发明提供一种留学用户缴费生命周期模型生成方法及装置，所述方法包括获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。本发明通过留学用户缴费生命周期模型能够智能分析留学用户的缴费需求，还能够方便业务人员进行精细化运营。
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种留学用户缴费生命周期模型生成方法，其特征在于，包括：
获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；
提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；
将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
2.根据权利要求1所述的方法，其特征在于，
所述维度包括国家、大区、学校及用户；
所述属性包括学校所读阶段，各个学校所读阶段对应的缴费周期和毕业分析。
3.根据权利要求1或2所述的方法，其特征在于，提取所述历史订单信息中的特征信息之后，还包括：
对所述特征信息进行特征处理，包括：
根据预设的映射关系，将所述特征信息进行数字化。
4.根据权利要求1所述的方法，其特征在于，还包括：
利用历史订单信息中的特征信息对缴费生命周期模型进行参数修正。
5.根据权利要求1所述的方法，其特征在于，
所述用户唯一标识为用户的身份证号。
6.根据权利要求1所述的方法，其特征在于，
所述神经网络采用决策树模型或KNN模型。
7.根据权利要求1所述的方法，其特征在于，
所述缴费生命周期模型用于接收输入的待处理特征信息，根据所述待处理特征信息输出用户需要缴费的时间段和缴费金额。
8.一种留学用户缴费生命周期模型生成装置，其特征在于，包括：
获取模块，用于获取用户历史数据，根据所述历史数据的不同维度和属性建立基础数据知识库；所述基础数据知识库中设有用户的历史订单信息；
提取模块，用于提取所述历史订单信息中的特征信息；所述特征信息包括缴费金额、缴费时间、缴费类型、入学时间、毕业时间、所读阶段、是否分期、国家、学校、用户唯一标识、下单时间以及下单金额；
生成模块，用于将所述特征信息和预设的分类目标值输入到神经网络中进行训练，得到缴费生命周期模型；其中，所述分类目标值为缴费周期。
CN202210483920.8A 2022-05-06 2022-05-06 留学用户缴费生命周期模型生成方法及装置 Pending CN114819941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210483920.8A CN114819941A (zh) 2022-05-06 2022-05-06 留学用户缴费生命周期模型生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210483920.8A CN114819941A (zh) 2022-05-06 2022-05-06 留学用户缴费生命周期模型生成方法及装置

Publications (1)

Publication Number Publication Date
CN114819941A true CN114819941A (zh) 2022-07-29

Family

ID=82512018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210483920.8A Pending CN114819941A (zh) 2022-05-06 2022-05-06 留学用户缴费生命周期模型生成方法及装置

Country Status (1)

Country Link
CN (1) CN114819941A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115564423A (zh) * 2022-11-10 2023-01-03 北京易思汇商务服务有限公司 基于大数据的留学缴费的分析处理方法
CN115860743A (zh) * 2023-02-27 2023-03-28 北京易思汇商务服务有限公司 留学缴费信息校正方法、装置、设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115564423A (zh) * 2022-11-10 2023-01-03 北京易思汇商务服务有限公司 基于大数据的留学缴费的分析处理方法
CN115860743A (zh) * 2023-02-27 2023-03-28 北京易思汇商务服务有限公司 留学缴费信息校正方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
Lloyd et al. Identifying heterogeneity in rates of morphological evolution: discrete character change in the evolution of lungfish (Sarcopterygii; Dipnoi)
US11966873B2 (en) Data distillery for signal detection
TWI673617B (zh) 使用者背景資訊的收集方法及裝置
CN114819941A (zh) 留学用户缴费生命周期模型生成方法及装置
WO2016184192A1 (zh) 数据处理方法及装置
CN103577388A (zh) 一种基于Excel模板的数据处理方法及装置
CN105260835A (zh) 多来源业务大数据的建模、分析、自我优化的方法
CN110297973A (zh) 一种基于深度学习的数据推荐方法、装置及终端设备
CN111210332A (zh) 贷后管理策略生成方法、装置及电子设备
CN117055859A (zh) 一种基于数据流程分析的低代码开发系统
CN109815448A (zh) 幻灯片生成方法及装置
CN114662832A (zh) 人口流动分析方法、装置及电子设备
CN119149617A (zh) 一种基于arcgis软件的测绘大数据数据库管理方法
CN101778110B (zh) 业务协议挖掘方法及装置
US8711142B2 (en) Visual model importation
CN115796405B (zh) 针对优化模型的求解报告生成方法及计算设备
CN113689173B (zh) 业务逻辑表示模型的建模装置及其建模方法
CN119088368B (zh) 代码生成方法及装置
Gonzalez-Dominguez et al. Automated business process discovery and analysis for the international higher education industry
CN107273494A (zh) 一种数据采集方法和装置
CN106970979B (zh) 基于金数据的油气藏数据管理方法及交互优化方法
Winduasih et al. Optimization Accounting Management Efforts through Design Information System at PT. Rajawali Nusindo Bandung
Kapourani et al. Linked Data Analytics for Business Intelligence SMEs: A Pilot Case in the Pharmaceutical Sector.
Khaire et al. A Web Based Approach towards the Automated Generation of ER-Diagram
CN114037399A (zh) 一种保险行业薪酬管理平台的构建方法及系统

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
CB02 Change of applicant information

Country or region after: China

Address after: 100071 No. 10, West Auto Museum Road, Fengtai District, Beijing Building 9, 1st to 13th floors Room 101, 7th floor, 701

Applicant after: Beijing Si Yi Hui Business Service Co.,Ltd.

Address before: 100089 No. 1, Building 1, Yuan 1, Danling Street, Haidian District, Beijing

Applicant before: Beijing yisihui Business Service Co.,Ltd.

Country or region before: China