CN114971240A - 一种阅读行为风险评估处理方法及装置 - Google Patents
一种阅读行为风险评估处理方法及装置 Download PDFInfo
- Publication number
- CN114971240A CN114971240A CN202210524238.9A CN202210524238A CN114971240A CN 114971240 A CN114971240 A CN 114971240A CN 202210524238 A CN202210524238 A CN 202210524238A CN 114971240 A CN114971240 A CN 114971240A
- Authority
- CN
- China
- Prior art keywords
- reading
- contract
- target user
- preset
- behavior risk
- 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
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Technology Law (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (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)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种阅读行为风险评估处理方法及装置,涉及数据处理技术领域,可用于金融领域或其他技术领域。所述方法包括:获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数。所述装置执行上述方法。本发明实施例提供的阅读行为风险评估处理方法及装置,有助于理财产品提供方或理财服务提供方能够方便和准确的监控、并评估用户阅读理财合同时存在的阅读行为风险。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种阅读行为风险评估处理方法及装置。
背景技术
目前,用户在手机银行签订或者查看理财合同(也包括协议)时,很多时候都没有看合同,都是将合同下滑到最后,然后点击已阅读。这种方式确实能让用户很快办理完业务,但是用户不看合同,导致在遇到问题时,回过头发现因为自己的大意,而忽略风险,造成财产损失,因此,方便理财产品提供方或理财服务提供方能够有效监控、并评估用户阅读理财合同时存在的阅读行为风险,显得尤为重要。
发明内容
针对现有技术中的问题,本发明实施例提供一种阅读行为风险评估处理方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提出一种阅读行为风险评估处理方法,包括:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
其中,所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。
其中,所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;
计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;
根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;
计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;
将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。
其中,所述获取目标用户已完成阅读的合同行数,包括:
接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。
一方面,本发明提出一种阅读行为风险评估处理装置,包括:
获取单元,用于获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
评估单元,用于基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
其中,所述获取单元具体用于:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。
其中,所述获取单元具体用于:
获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;
计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;
根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;
计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;
将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。
其中,所述获取单元还具体用于:
接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。
再一方面,本发明实施例提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下方法:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本发明实施例提供一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本发明实施例提供的阅读行为风险评估处理方法及装置,获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到,有助于理财产品提供方或理财服务提供方能够方便和准确的监控、并评估用户阅读理财合同时存在的阅读行为风险。
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。在附图中:
图1是本发明一实施例提供的阅读行为风险评估处理方法的流程示意图。
图2是本发明另一实施例提供的阅读行为风险评估处理方法的流程示意图。
图3是本发明另一实施例提供的阅读行为风险评估处理方法的流程示意图。
图4是本发明一实施例提供的阅读行为风险评估处理装置的结构示意图。
图5为本发明实施例提供的计算机设备实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一实施例提供的阅读行为风险评估处理方法的流程示意图,如图1所示,本发明实施例提供的阅读行为风险评估处理方法,包括:
步骤S1:获取目标用户在阅读目标理财合同时的阅读完成率。
步骤S2:基于预设阅读行为风险评估模型对所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
在上述步骤S1中,装置获取目标用户在阅读目标理财合同时的阅读完成率。装置可以是执行该方法的计算机设备等,例如为服务器,具体可以是手机银行后台服务器。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。
所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。
所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;举例说明如下:
如果预设合同行数顺序位置为第一行,该合同行内容的重要程度为一般重要,与其对应的预设权重值为2。
如果预设合同行数顺序位置为第二行,该合同行内容的重要程度为重要,与其对应的预设权重值为3。
如果预设合同行数顺序位置为第三行,该合同行内容的重要程度为不重要,与其对应的预设权重值为1。
如果预设合同行数顺序位置为第四行,该合同行内容的重要程度为特别重要,与其对应的预设权重值为4,以此类推,不再赘述。
如果合同行数为60行,其中,30行对应的权重值为1、15行对应的权重值为2、10行对应的权重值为3、5行对应的权重值为4。
则合同分类行数分别为30行、15行、10行和5行。
计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;可以根据如下公式计算:
第一求和结果=30行×1+15行×2+10行×3+5行×4=110行。
根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;如果合同行数为100行,其中,40行对应的权重值为1、25行对应的权重值为2、20行对应的权重值为3、15行对应的权重值为4。
则合同分类行数分别为40行、25行、20行和15行。
计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;可以根据如下公式计算:
第二求和结果=40行×1+25行×2+20行×3+15行×4=210行。
将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。
阅读完成率=110行/210行=52.38%。
所述获取目标用户已完成阅读的合同行数,包括:
接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。
当目标用户点击目标理财合同时,此时认为目标用户开始阅读目标理财合同,目标用户使用的终端(可以包括手机)可以通过手机银行软件开启监控服务,通过眼球追踪技术,配合手机的前置摄像头,手机银行软件开启前置摄像头拍照,实现根据目标用户目光所及范围获取目标用户已完成阅读的合同行数。
可以动态的将合同所涉及的行的字体进行放大,当目标用户看完该行后,自动恢复为正常字体,且目标用户读完的文字,用红色字体进行标记,通过这种方式,在目标用户读完合同后,后台可查看目标用户哪些文字部分没有读,哪些文字读了,读过的部分,后台通过计算目标用户阅读该合同已读部分的权重,计算目标用户对于该目标理财合同的阅读完成率。
同时计算目标用户阅读该目标理财合同的时间,并根据第一平均时间以及第二平均时间,将这几个字段输入到预设阅读行为风险评估模型中,预设阅读行为风险评估模型输出风险评估指标参数(该风险评估指标参数至越高可以反映目标用户阅读行为风险越高;该风险评估指标参数至越低可以反映目标用户阅读行为风险越低)。
如果风险评估指标参数大于预设阈值,则提示目标用户需要重新阅读目标理财合同。
如果风险评估指标参数小于预设阈值,则可进行后续交易处理流程。
在上述步骤S2中,装置基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。风险评估样本数据可以为有标记的样本数据。样本数据可以具体为上述阅读时间、阅读完成率、第一平均时间和第二平均时间的历史数据。
神经网络可以为BP神经网络,进一步可以通过BP神经网络和遗传算法建立模型,在BP神经网络的权值和阈值的优化方面引入遗传算法,构建GA-BP神经网络模型。
确定GA-BP神经网络结构,根据网络输入输出的个数确定BP神经网络结构,进而确定了遗传算法中需要优化的参数个数。
根据kolmogorov原理,一个三层BP神经网络足以完成任意的n维到m维的映射,一般只需要采用一个隐层即可,隐层节点个数采用试凑法确定,从而确定GA-BP神经网络结构。
通过遗传算法输出的最优个体作为BP神经网络初始权值和阈值进行BP神经网络训练和学习。可以把样本数据分为训练集和测试集,基于样本数据分析,对GA-BP神经网络模型进行训练,并使用测试样本对模型的预测准确率进行验证。模型在使用过程中通过机器学习方法不断对模型进行优化,提高模型的有效性。
本发明实施例提供的阅读行为风险评估处理方法,获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到,有助于理财产品提供方或理财服务提供方能够方便和准确的监控、并评估用户阅读理财合同时存在的阅读行为风险。
所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。可参照上述说明,不再赘述。
进一步地,如图2所示,所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
S101:获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;可参照上述说明,不再赘述。
S102:计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;可参照上述说明,不再赘述。
S103:根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;可参照上述说明,不再赘述。
S104:计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;可参照上述说明,不再赘述。
S105:将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。可参照上述说明,不再赘述。
进一步地,如图3所示,所述获取目标用户已完成阅读的合同行数,包括:
S101’:接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。可参照上述说明,不再赘述。
需要说明的是,本发明实施例提供的阅读行为风险评估处理方法可用于金融领域,也可用于除金融领域之外的任意技术领域,本发明实施例对阅读行为风险评估处理方法的应用领域不做限定。
图4是本发明一实施例提供的阅读行为风险评估处理装置的结构示意图,如图4所示,本发明实施例提供的阅读行为风险评估处理装置,包括获取单元401和评估单元402,其中:
获取单元401用于获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;评估单元402用于基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
具体的,装置中的获取单元401用于获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;评估单元402用于基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本发明实施例提供的阅读行为风险评估处理装置,获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到,有助于理财产品提供方或理财服务提供方能够方便和准确的监控、并评估用户阅读理财合同时存在的阅读行为风险。
进一步地,所述获取单元401具体用于:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。
进一步地,所述获取单元401具体用于:
获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;
计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;
根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;
计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;
将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。
进一步地,所述获取单元401还具体用于:
接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。
本发明实施例提供阅读行为风险评估处理装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图5为本发明实施例提供的计算机设备实体结构示意图,如图5所示,所述计算机设备包括:存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序,所述处理器502执行所述计算机程序时实现如下方法:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本实施例公开一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下方法:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
本发明实施例中,获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到,有助于理财产品提供方或理财服务提供方能够方便和准确的监控、并评估用户阅读理财合同时存在的阅读行为风险。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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装置的制造品,该指令装置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。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,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。
Claims (11)
1.一种阅读行为风险评估处理方法,其特征在于,包括:
获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
2.根据权利要求1所述的阅读行为风险评估处理方法,其特征在于,所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。
3.根据权利要求1所述的阅读行为风险评估处理方法,其特征在于,所述获取目标用户在阅读目标理财合同时的阅读完成率,包括:
获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;
计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;
根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;
计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;
将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。
4.根据权利要求2或3所述的阅读行为风险评估处理方法,其特征在于,所述获取目标用户已完成阅读的合同行数,包括:
接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。
5.一种阅读行为风险评估处理装置,其特征在于,包括:
获取单元,用于获取目标用户在阅读目标理财合同时的阅读完成率以及阅读时间;
评估单元,用于基于预设阅读行为风险评估模型对所述阅读时间、所述阅读完成率、第一平均时间和第二平均时间进行风险评估处理,得到所述目标用户的阅读行为风险评估指标参数;
其中,所述第一平均时间为所述目标用户已完成阅读的理财合同需要的平均时间,所述第二平均时间为已完成阅读所述目标理财合同的用户需要的第二平均时间;
所述预设阅读行为风险评估模型根据阅读行为风险评估样本数据训练神经网络得到。
6.根据权利要求5所述的阅读行为风险评估处理装置,其特征在于,所述获取单元具体用于:
获取目标用户已完成阅读的合同行数,将所述合同行数与合同总行数的比值作为所述阅读完成率。
7.根据权利要求5所述的阅读行为风险评估处理装置,其特征在于,所述获取单元具体用于:
获取目标用户已完成阅读的合同行数,根据预设对应关系对所述合同行数进行分类,得到具有相同权重值对应的合同分类行数;所述预设对应关系包括预设合同行数顺序位置与预设权重值之间的对应关系;预设权重值反映合同行内容的重要程度;
计算各合同分类行数与各自对应的权重值的第一乘积结果,对所有第一乘积结果求和,得到第一求和结果;
根据所述预设对应关系对合同总行数进行分类,得到具有相同权重值对应的合同分类总行数;
计算各合同分类总行数与各自对应的权重值的第二乘积结果,对所有第二乘积结果求和,得到第二求和结果;
将所述第一求和结果与所述第二求和结果的比值作为所述阅读完成率。
8.根据权利要求6或7所述的阅读行为风险评估处理装置,其特征在于,所述获取单元还具体用于:
接收终端通过眼球追踪技术得到的目标用户已完成阅读的合同行数。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至4任一所述方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至4任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210524238.9A CN114971240A (zh) | 2022-05-13 | 2022-05-13 | 一种阅读行为风险评估处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210524238.9A CN114971240A (zh) | 2022-05-13 | 2022-05-13 | 一种阅读行为风险评估处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971240A true CN114971240A (zh) | 2022-08-30 |
Family
ID=82983477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210524238.9A Pending CN114971240A (zh) | 2022-05-13 | 2022-05-13 | 一种阅读行为风险评估处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971240A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252690A (zh) * | 2023-11-17 | 2023-12-19 | 杭州钱袋数字科技有限公司 | 一种贷款合同在线签订方法与系统 |
-
2022
- 2022-05-13 CN CN202210524238.9A patent/CN114971240A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252690A (zh) * | 2023-11-17 | 2023-12-19 | 杭州钱袋数字科技有限公司 | 一种贷款合同在线签订方法与系统 |
CN117252690B (zh) * | 2023-11-17 | 2024-02-23 | 杭州钱袋数字科技有限公司 | 一种贷款合同在线签订方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102061987B1 (ko) | 위험 평가 방법 및 시스템 | |
CN106875206A (zh) | 信息获取、评估、问卷调查方法、装置及服务器 | |
CN111667267A (zh) | 一种区块链交易风险识别方法及装置 | |
CN109976998B (zh) | 一种软件缺陷预测方法、装置和电子设备 | |
CN113656558B (zh) | 基于机器学习对关联规则进行评估的方法及装置 | |
CN107403381A (zh) | 用于风险测评的数据采集方法及装置和电子设备 | |
CN109872026A (zh) | 评测结果生成方法、装置、设备及计算机可读存储介质 | |
CN111815169A (zh) | 业务审批参数配置方法及装置 | |
CN110634060A (zh) | 一种用户信用风险的评估方法、系统、装置及存储介质 | |
CN111160783A (zh) | 数字资产价值的评价方法、系统及电子设备 | |
CN114154672A (zh) | 一种用于客户流失预测的数据挖掘方法 | |
CN110517142B (zh) | 策略评估信息的输出方法及装置 | |
CN114971240A (zh) | 一种阅读行为风险评估处理方法及装置 | |
Cristea | Romanian auditors’ perception concerning the IT impact in the big data era | |
CN113094284A (zh) | 应用故障检测方法及装置 | |
CN115829722A (zh) | 信用风险评分模型的训练方法及信用风险评分方法 | |
CN113115311B (zh) | 一种基于支持向量机模型的欺诈行为的识别方法及系统 | |
CN112131354B (zh) | 答案筛选方法、装置、终端设备和计算机可读存储介质 | |
CN112785415B (zh) | 评分卡模型构建方法、装置、设备及计算机可读存储介质 | |
CN110210959A (zh) | 财务数据的分析方法、装置及存储介质 | |
CN113536672B (zh) | 目标对象处理方法及装置 | |
CN116703606B (zh) | 一种基于实时持仓分析的精细化固收资管投研一体化方法 | |
Praba et al. | Real Time Automation on Real Estate using API | |
CN115131138A (zh) | 基于企业财务稳健度的信用评估方法、装置、设备及介质 | |
CN115631050A (zh) | 金融产品推荐方法及装置 |
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 |