CN115099680A - 风险管理方法、装置、设备及存储介质 - Google Patents

风险管理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115099680A
CN115099680A CN202210832997.1A CN202210832997A CN115099680A CN 115099680 A CN115099680 A CN 115099680A CN 202210832997 A CN202210832997 A CN 202210832997A CN 115099680 A CN115099680 A CN 115099680A
Authority
CN
China
Prior art keywords
risk
user
text information
entity
intention
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.)
Granted
Application number
CN202210832997.1A
Other languages
English (en)
Other versions
CN115099680B (zh
Inventor
卜龙
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202210832997.1A priority Critical patent/CN115099680B/zh
Publication of CN115099680A publication Critical patent/CN115099680A/zh
Application granted granted Critical
Publication of CN115099680B publication Critical patent/CN115099680B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种风险管理方法，包括：利用预设风险识别模型分析用户行为数据的多维度风险等级；根据用户基础数据、用户历史咨询问题及多维度风险等级，生成用户风险画像；当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取文本信息的实体及意图；当文本信息不为查询风险类文本信息，将实体及意图映射到预构建的问答知识图谱，得到文本信息对应的解决方案；当文本信息为查询风险类文本信息，根据实体及意图查询用户风险画像，得到用户动态风险结果图。此外，本发明还涉及区块链技术，用户风险画像可存储于区块链的节点。本发明还提出一种风险管理装置、电子设备以及存储介质。本发明可以精准主动风险管理。

Description

风险管理方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种风险管理方法、装置、电子设备及计算机可读存储介质。
背景技术
风险管理是企业、社会组织或者个人用以降低风险消极结果的决策过程，通过风险识别、风险估测、风险评价、风险应对和风险监控等环节降低或消除风险发生的可能性，从而减少或避免由风险带来的潜在损失。
传统的风险管理多为自上而下的方式：从管理者的角度做风险识别、风险评估后下发风险给责任方进行整改，风险责任方往往填鸭式的被迫接受，分配来一项风险整改任务，就做一项，这就容易导致风险责任方在整个风险管理的过程中缺少参与感，只是被动完成风险管理部门分配来的任务，并不知晓自身的具体风险详情；并且即使风险责任方有主动风险管理的意识，但也会局限于风险管理规范、风险的预防、消除方法等获取途径复杂等因素，无法做到精准的主动风险管理。
发明内容
本发明提供一种风险管理方法、装置及计算机可读存储介质，其主要目的在于解决企业无法做到精准主动风险管理的问题。
为实现上述目的，本发明提供的一种风险管理方法，包括：
获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
可选地，所述利用预设风险识别模型分析所述用户行为数据的多维度风险等级，包括：
根据业务维度对所述用户行为数据进行分类，得到用户行为数据维度；
根据所述用户行为数据维度从预设规则模型库中选择对应的预设风险识别模型分析所述用户行为数据的风险等级；
综合各个维度的风险等级，得到所述用户行为数据的多维度风险等级。
可选地，所述根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像，包括：
对所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级进行数据归一化处理，得到标准数据；
对所述标准数据进行分词处理，得到分词结果，对所述分词结果进行词频统计，将所述词频作为对应词语的权重，对根据所述词频对所述权重进行排序，将超于预设权重阈值的词语作为用户关键词信息；
对所述用户关键词信息进行聚类，得到用户的关联维度类别；
根据所述关联维度类别，生成目标标签，得到多维用户画像。
可选地，所述利用预设的自然语言理解模型提取所述文本信息的实体及意图，包括：
利用预设的自然语言理解模型中的BERT模块提取所述文本信息的文本特征；
利用所述自然语言理解模型中的注意力机制模块抽取所述文本特征的上下文信息；
利用所述自然语言理解模型中的双向长短词记忆模块获取所述文本特征的顺序信息；
对所述文本特征、所述上下文信息及所述顺序信息进行全连接处理，得到文本编码序列；
利用所述自然语言理解模型中的条件随机模块对所述文本编码序列进行分类，得到所述文本信息的实体；
利用所述自然语言理解模型中的softmax模块对所述文本编码序列进行分类，得到所述文本信息的意图。
可选地，所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案，包括：
在所述预构建的问答知识图谱中查询所述实体的关联语料列表；
根据所述意图匹配所述关联语料列表，得到匹配分数集；
从所述匹配分数集中选择符合预设匹配阈值的关联语料，作为所述文本信息对应的解决方案。
可选地，所述根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，包括：
根据所述实体查询所述用户风险画像，得到所述实体对应用户的风险列表；
根据所述意图，从所述风险列表中筛选出对应的风险结果；
根据所述风险结果从预设的风险应对方案中筛选出所述风险结果对应的解决方案；
根据所述风险结果对应的解决方案及所述风险结果，生成用户动态风险结果图。
可选地，所述利用预设的自然语言理解模型提取所述文本信息的实体及意图之前，包括：
联合所述条件随机模块的最优路径损失函数及所述softmax模块的交叉熵损失函数来训练所述自然语言理解模型。
为了解决上述问题，本发明还提供一种风险管理装置，所述装置包括：
风险等级划分模块，用于获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
用户画像生成模块，用于获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
实体及意图提取模块，用于当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
问答模块，用于当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
风险识别模块，用于当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的风险管理方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的风险管理方法。
本发明实施例通过获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级，根据不同维度的用户行为数据分析风险，有利于精确分析不同维度的风险等级，更全面精确的识别风险；对所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级进行分析，得出用户在各个维度的标签，形成多维度的用户画像，使用户的各方面的信息更加明确全面，有利于风险分析更加精确，可以直观的将风险呈现给用户，便于相关的责任人能清晰看到对应风险，主动对风险进行处理；利用预设的自然语言理解模型提取所述文本信息的实体及意图，充分利用顺序信息和上下文信息，避免在解析过程丢失部分语义信息，提高了语义分析的准确性，利于提高问答及风险分析的准确性；将所述实体及所述意图映射到预构建的问答知识图谱，获取用户输入的文本信息的查询解决方案，快捷地回答用户咨询地问题，给出相应地指导；当所述文本信息为查询风险类文本信息时，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，能够可视化精准的向用户展示风险结果，让责任方对自己的风险有个全方位认知，结合问答知识图谱，给出风险结果对应的合规建议，让用户指导风险的同时，也能找到风险解除的方法，真正参与到自身风险管理中来，达到精确主动的风险管理。因此本发明提出的风险管理方法、装置、电子设备及计算机可读存储介质，可以解决企业无法做到精准主动风险管理的问题。
附图说明
图1为本发明一实施例提供的风险管理方法的流程示意图；
图2为图1所示风险管理方法中其中一个步骤的详细实施流程示意图；
图3为图1所示风险管理方法中其中另一个步骤的详细实施流程示意图；
图4为本发明一实施例提供的风险管理装置的功能模块图；
图5为本发明一实施例提供的实现所述风险管理方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种风险管理方法。所述风险管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述风险管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的风险管理方法的流程示意图。
在本实施例中，所述风险管理方法包括：
S1、获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级。
本发明实施例中，所述预设规则模型库是根据风险管理不同维度的业务内容建立的各个领域、各个维度的风险识别模型库。
本发明实施例中，所述风险等级包括：风险级别及风险详情。
详细地，S1中所述利用预设风险识别模型分析所述用户行为数据的多维度风险等级，包括：
根据业务维度对所述用户行为数据进行分类，得到用户行为数据维度；
根据所述用户行为数据维度从预设规则模型库中选择对应的预设风险识别模型分析所述用户行为数据的风险等级；
综合各个维度的风险等级，得到所述用户行为数据的多维度风险等级。
本发明实施例中，定时从所述预设系统获取用户行为数据，例如证券交易的数据采用T+1的方式获取用户行为数据，所述T+1方式指当天的所有数据会在第二天统一传输过来。
本发明实施例中，可以利用决策树或BERT模型根，据业务维度对所述用户行为数据进行分类，得到用户行为数据维度。
本发明实施例中，所述预设风险识别模型可以采用RNN神经网络构建。
本发明实施例中，根据不同维度的用户行为数据选择不同的风险识别模型，例如所述用户行为数据为采购申请时，选择采购风险识别模型，输出该类采购风险的风险级别及风险详情，能够根据不同维度的用户行为数据选择不同的风险识别模型，有利于精确分析不同维度的风险等级，更全面精确的识别风险。
S2、获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像。
本发明实施例中，所述用户基础数据包含但不仅限于性别、年龄、部门、职级、学历等。
详细地，参阅图2所示，S2中所述根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像，包括：
S21、对所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级进行数据归一化处理，得到标准数据；
S22、对所述标准数据进行分词处理，得到分词结果，对所述分词结果进行词频统计，将所述词频作为对应词语的权重，对根据所述词频对所述权重进行排序，将超于预设权重阈值的词语作为用户关键词信息；
S23、对所述用户关键词信息进行聚类，得到用户的关联维度类别；
S24、根据所述关联维度类别，生成目标标签，得到多维用户画像。
本发明实施例中，所述数据归一化处理包括：过滤、去重及补缺；其中，所述过滤为初步过滤掉缺失率大于预设值的字段以及与业务无关字段；其中，所述新建为数据整体去重及基于用户识别码(唯一标识)去重；其中，所述补缺为根据实际用户情况对缺失值进行填充。
本发明实施例中，对所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级进行分析，得出用户在各个维度的标签，形成多维度的用户画像，使用户的各方面的信息更加明确全面，有利于风险分析更加精确，可以直观的呈现给用户，便于相关的责任人能清晰看到对应风险，主动对风险进行处理。
S3、当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图。
本发明实施例中，所述用户输入的文本信息可以分为查询风险类文本信息及查询非风险类文本信息。
本发明实施例中，所述预设的自然语言理解模型可由BERT(BidirectionalEncoder Representation from Transformers，来自变换器的双向编码器表征量)模块，注意力机制模块、双向长短词记忆模块(Bi-directional Long Short-Term Memory，BiLSTM)，条件随机(Conditional Random Field，CRF)模块以及softmax模块构成。
详细地，参阅图3所示，S3中所述利用预设的自然语言理解模型提取所述文本信息的实体及意图，包括：
S31、利用预设的自然语言理解模型中的BERT模块提取所述文本信息的文本特征；
S32、利用所述自然语言理解模型中的注意力机制模块抽取所述文本特征的上下文信息；
S33、利用所述自然语言理解模型中的双向长短词记忆模块获取所述文本特征的顺序信息；
S34对所述文本特征、所述上下文信息及所述顺序信息进行全连接处理，得到文本编码序列；
S35、利用所述自然语言理解模型中的条件随机模块对所述文本编码序列进行分类，得到所述文本信息的实体；
S36、利用所述自然语言理解模型中的softmax模块对所述文本编码序列进行分类，得到所述文本信息的意图。
详细地，所述利用预设的自然语言理解模型提取所述文本信息的实体及意图之前，包括：
联合所述条件随机模块的最优路径损失函数及所述softmax模块的交叉熵损失函数来训练所述自然语言理解模型。
利用如下公式计算所述损失值：
Figure BDA0003746254020000081
其中，y1,y2,…,yn表示所有预测路径的分数；x表示真实路径的分数；p(z)表示所述文本信息的真实意图；z表示所述文本编码序列；q(z)表示所述文本信息的预测意图。
本发明实施例中，利用注意力机制获取文本数据中的上下文信息，利用双向长短期记忆网络获取文本数据中顺序信息，充分利用顺序信息和上下文信息，避免在解析过程丢失部分语义信息，提高了语义分析的准确性。
S4、判断所述文本信息是否为查询风险类文本信息。
本发明实施例中，所述查询风险类文本信息为查询与风险相关的文本信息，例如某某物料在未来一个月的供应情况。
本发明实施例中，可以利用匹配算法计算所述文本信息与预设查询风险类信息的相似度，利用所述相似度判断所述文本信息是否为查询风险类文本信息，当所述相似度满足预设相似度阈值时，所述文本信息为查询风险类文本信息，当所述相似度不满足预设相似度阈值时，所述文本信息不为查询风险类文本信息。
本发明实施例中，所述匹配算法可以为深度学习文本匹配算法，所述深度学习文本匹配算法包括Siamese网络、深度语义匹配模型、PWIM模型等。
当所述文本信息不为查询风险类文本信息，S5、将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
本发明实施例中，所述问答知识图谱为多关系图，是一个具有属性的实体，通过关系连接而成的网状知识图。所述实体是现实世界中的事物，比如历史用户、历史问题类型、答案语料等，通常从合规手册、集团/公司各类规章制度，及日常工作中经常被咨询的问题构建问答对作为语料，并标注语料。所述关系则用来表达不同实体之间的某种联系。所述实体(Entity)表达图里的节点、所述关系(Relation)表达图里的“边”。
详细地，所述S5包括：
在所述预构建的问答知识图谱中查询所述实体的关联语料列表；
根据所述意图匹配所述关联语料列表，得到匹配分数集；
从所述匹配分数集中选择符合预设匹配阈值的关联语料，作为所述文本信息对应的解决方案。
本发明实施例中，将所述实体及所述意图映射到预构建的问答知识图谱中，回答用户咨询的问题，给出对应的解决方案。
本发明实施例中，将所述实体及所述意图映射到预构建的问答知识图谱，获取用户输入的文本信息的查询解决方案，快捷地回答用户咨询地问题，给出相应地指导。
当所述文本信息为查询风险类文本信息，S6、根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述S5的步骤。
详细地，S6中所述根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，包括：
根据所述实体查询所述用户风险画像，得到所述实体对应用户的风险列表；
根据所述意图，从所述风险列表中筛选出对应的风险结果；
根据所述风险结果从预设的风险应对方案中筛选出所述风险结果对应的解决方案；
根据所述风险结果对应的解决方案及所述风险结果，生成用户动态风险结果图。
本发明实施例中，所述风险结果包括：近期风险事件、风险标签、综合风险评级、预估风险走势。
本发明实施例中，在用户动态风险结果图中会根据综合风险评级对所述近期风险事件进行排序，按照风险级别进行区别展示，并且根据所述近期风险事件自动生成风险整改任务，指定对应的责任人，发送对应的邮件或者信息通知责任人；责任人可以编辑所述风险整改任务，并且分发给执行整改责任人；定时提醒整改责任人刷新所述风险整改任务的整改进度，动态展示所述风险整改任务及所述整改进度。
本发明实施例中，还可以结合所述问答知识图谱，给出所述风险结果对应的合规建议，让用户指导风险的同时，也能找到风险解除的方法，真正参与到自身风险管理中来。
本发明实施例中，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，能够可视化的向用户展示其风险分布、风险标签、综合风险评级、预估风险走势及风险消除的建议及风险整改任务事项进度等，让责任方对自己的风险有个全方位认知，结合问答知识图谱，给出所述风险结果对应的合规建议，让用户指导风险的同时，也能找到风险解除的方法，真正参与到自身风险管理中来。
本发明实施例通过获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级，根据不同维度的用户行为数据分析风险，有利于精确分析不同维度的风险等级，更全面精确的识别风险；对所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级进行分析，得出用户在各个维度的标签，形成多维度的用户画像，使用户的各方面的信息更加明确全面，有利于风险分析更加精确，可以直观的将风险呈现给用户，便于相关的责任人能清晰看到对应风险，主动对风险进行处理；利用预设的自然语言理解模型提取所述文本信息的实体及意图，充分利用顺序信息和上下文信息，避免在解析过程丢失部分语义信息，提高了语义分析的准确性，利于提高问答及风险分析的准确性；将所述实体及所述意图映射到预构建的问答知识图谱，获取用户输入的文本信息的查询解决方案，快捷地回答用户咨询地问题，给出相应地指导；当所述文本信息为查询风险类文本信息时，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，能够可视化精准的向用户展示风险结果，让责任方对自己的风险有个全方位认知，结合问答知识图谱，给出风险结果对应的合规建议，让用户指导风险的同时，也能找到风险解除的方法，真正参与到自身风险管理中来，达到精确主动的风险管理。因此本发明提出的风险管理方法，可以解决企业无法做到精准主动风险管理的问题。
如图4所示，是本发明一实施例提供的风险管理装置的功能模块图。
本发明所述风险管理装置100可以安装于电子设备中。根据实现的功能，所述风险管理装置100可以包括风险等级划分模块101、用户画像生成模块102、实体及意图提取模块103、问答模块104及风险识别模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述风险等级划分模块101，用于获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
所述用户画像生成模块102，用于获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
所述实体及意图提取模块103，用于当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
所述问答模块104，用于当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
所述风险识别模块105，用于当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
详细地，本发明实施例中所述风险管理装置100中所述的各模块在使用时采用与上述图1至图3中所述的风险管理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现风险管理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如风险管理程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行风险管理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如风险管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的风险管理程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种风险管理方法，其特征在于，所述方法包括：
获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
2.如权利要求1所述的风险管理方法，其特征在于，所述利用预设风险识别模型分析所述用户行为数据的多维度风险等级，包括：
根据业务维度对所述用户行为数据进行分类，得到用户行为数据维度；
根据所述用户行为数据维度从预设规则模型库中选择对应的预设风险识别模型分析所述用户行为数据的风险等级；
综合各个维度的风险等级，得到所述用户行为数据的多维度风险等级。
3.如权利要求1所述的风险管理方法，其特征在于，所述根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像，包括：
对所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级进行数据归一化处理，得到标准数据；
对所述标准数据进行分词处理，得到分词结果，对所述分词结果进行词频统计，将所述词频作为对应词语的权重，对根据所述词频对所述权重进行排序，将超于预设权重阈值的词语作为用户关键词信息；
对所述用户关键词信息进行聚类，得到用户的关联维度类别；
根据所述关联维度类别，生成目标标签，得到多维用户画像。
4.如权利要求1所述的风险管理方法，其特征在于，所述利用预设的自然语言理解模型提取所述文本信息的实体及意图，包括：
利用预设的自然语言理解模型中的BERT模块提取所述文本信息的文本特征；
利用所述自然语言理解模型中的注意力机制模块抽取所述文本特征的上下文信息；
利用所述自然语言理解模型中的双向长短词记忆模块获取所述文本特征的顺序信息；
对所述文本特征、所述上下文信息及所述顺序信息进行全连接处理，得到文本编码序列；
利用所述自然语言理解模型中的条件随机模块对所述文本编码序列进行分类，得到所述文本信息的实体；
利用所述自然语言理解模型中的softmax模块对所述文本编码序列进行分类，得到所述文本信息的意图。
5.如权利要求1所述的风险管理方法，其特征在于，所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案，包括：
在所述预构建的问答知识图谱中查询所述实体的关联语料列表；
根据所述意图匹配所述关联语料列表，得到匹配分数集；
从所述匹配分数集中选择符合预设匹配阈值的关联语料，作为所述文本信息对应的解决方案。
6.如权利要求1所述的风险管理方法，其特征在于，所述根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，包括：
根据所述实体查询所述用户风险画像，得到所述实体对应用户的风险列表；
根据所述意图，从所述风险列表中筛选出对应的风险结果；
根据所述风险结果从预设的风险应对方案中筛选出所述风险结果对应的解决方案；
根据所述风险结果对应的解决方案及所述风险结果，生成用户动态风险结果图。
7.如权利要求4所述的风险管理方法，其特征在于，所述利用预设的自然语言理解模型提取所述文本信息的实体及意图之前，包括：
联合所述条件随机模块的最优路径损失函数及所述softmax模块的交叉熵损失函数来训练所述自然语言理解模型。
8.一种风险管理装置，其特征在于，所述装置包括：
风险等级划分模块，用于获取预设系统的用户行为数据，利用预设风险识别模型分析所述用户行为数据的多维度风险等级；
用户画像生成模块，用于获取用户基础数据及用户历史咨询问题，根据所述用户基础数据、所述用户历史咨询问题及所述多维度风险等级，生成用户风险画像；
实体及意图提取模块，用于当接收到用户输入的文本信息时，利用预设的自然语言理解模型提取所述文本信息的实体及意图；
问答模块，用于当所述文本信息不为查询风险类文本信息，将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案；
风险识别模块，用于当所述文本信息为查询风险类文本信息，根据所述实体及所述意图查询所述用户风险画像，得到用户动态风险结果图，并返回所述将所述实体及所述意图映射到预构建的问答知识图谱，得到所述文本信息对应的解决方案。
9.一种电子设备，其特征在于，所述电子设备包括：
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至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的风险管理方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的风险管理方法。
CN202210832997.1A 2022-07-14 2022-07-14 风险管理方法、装置、设备及存储介质 Active CN115099680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210832997.1A CN115099680B (zh) 2022-07-14 2022-07-14 风险管理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210832997.1A CN115099680B (zh) 2022-07-14 2022-07-14 风险管理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115099680A true CN115099680A (zh) 2022-09-23
CN115099680B CN115099680B (zh) 2024-02-02

Family

ID=83299210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210832997.1A Active CN115099680B (zh) 2022-07-14 2022-07-14 风险管理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115099680B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578682A (zh) * 2023-05-22 2023-08-11 浙江法之道信息技术有限公司 一种法务服务的智能咨询方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180336507A1 (en) * 2017-05-22 2018-11-22 Repsol, S. A. Cognitive risk analysis system for risk identification, modeling and assessment
CN109146610A (zh) * 2018-07-16 2019-01-04 众安在线财产保险股份有限公司 一种智能保险推荐方法、装置及智能保险机器人设备
CN109242352A (zh) * 2018-10-19 2019-01-18 中国银行股份有限公司 一种金融风险评估方法及装置
CN109447689A (zh) * 2018-09-27 2019-03-08 深圳壹账通智能科技有限公司 用户风险画像生成方法、装置、设备及可读存储介质
CN111784174A (zh) * 2020-07-10 2020-10-16 上海淇毓信息科技有限公司 一种基于用户画像管理风险策略的方法、装置和电子设备
KR20210081149A (ko) * 2019-12-23 2021-07-01 한국항공우주연구원 통합 위험 관리 방법 및 시스템
CN114187096A (zh) * 2021-12-14 2022-03-15 平安科技（深圳）有限公司 基于用户画像的风险评估方法、装置、设备及存储介质
CN114298566A (zh) * 2021-12-29 2022-04-08 鲁信科技股份有限公司 一种基于企业画像的资产信息管理方法、设备及介质
CN114387088A (zh) * 2022-01-14 2022-04-22 中国建设银行股份有限公司 一种基于知识图谱的贷款风险识别方法及装置
WO2022126963A1 (zh) * 2020-12-16 2022-06-23 平安科技（深圳）有限公司 基于客户应答语料的客户画像方法及其相关设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180336507A1 (en) * 2017-05-22 2018-11-22 Repsol, S. A. Cognitive risk analysis system for risk identification, modeling and assessment
CN109146610A (zh) * 2018-07-16 2019-01-04 众安在线财产保险股份有限公司 一种智能保险推荐方法、装置及智能保险机器人设备
CN109447689A (zh) * 2018-09-27 2019-03-08 深圳壹账通智能科技有限公司 用户风险画像生成方法、装置、设备及可读存储介质
CN109242352A (zh) * 2018-10-19 2019-01-18 中国银行股份有限公司 一种金融风险评估方法及装置
KR20210081149A (ko) * 2019-12-23 2021-07-01 한국항공우주연구원 통합 위험 관리 방법 및 시스템
CN111784174A (zh) * 2020-07-10 2020-10-16 上海淇毓信息科技有限公司 一种基于用户画像管理风险策略的方法、装置和电子设备
WO2022126963A1 (zh) * 2020-12-16 2022-06-23 平安科技（深圳）有限公司 基于客户应答语料的客户画像方法及其相关设备
CN114187096A (zh) * 2021-12-14 2022-03-15 平安科技（深圳）有限公司 基于用户画像的风险评估方法、装置、设备及存储介质
CN114298566A (zh) * 2021-12-29 2022-04-08 鲁信科技股份有限公司 一种基于企业画像的资产信息管理方法、设备及介质
CN114387088A (zh) * 2022-01-14 2022-04-22 中国建设银行股份有限公司 一种基于知识图谱的贷款风险识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨昕;张传武;: "风险管理体系结构及其应用", 西南民族大学学报(自然科学版), no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578682A (zh) * 2023-05-22 2023-08-11 浙江法之道信息技术有限公司 一种法务服务的智能咨询方法及系统
CN116578682B (zh) * 2023-05-22 2024-02-13 浙江法之道信息技术有限公司 一种法务服务的智能咨询方法及系统

Also Published As

Publication number Publication date
CN115099680B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN115002200B (zh) 基于用户画像的消息推送方法、装置、设备及存储介质
CN113312461A (zh) 基于自然语言处理的智能问答方法、装置、设备及介质
CN113887930B (zh) 问答机器人健康度评估方法、装置、设备及存储介质
CN112560465B (zh) 批量异常事件的监控方法、装置、电子设备及存储介质
CN113886691A (zh) 基于历史数据的智能推荐方法、装置、电子设备及介质
CN112988963A (zh) 基于多流程节点的用户意图预测方法、装置、设备及介质
CN113378970A (zh) 语句相似性检测方法、装置、电子设备及存储介质
CN115081538A (zh) 基于机器学习的客户关系识别方法、装置、设备及介质
CN114358854A (zh) 客户流失预警方法、装置、设备及存储介质
CN114880449A (zh) 智能问答的答复生成方法、装置、电子设备及存储介质
CN114969484A (zh) 业务数据搜索方法、装置、设备及存储介质
CN114840684A (zh) 基于医疗实体的图谱构建方法、装置、设备及存储介质
CN114416939A (zh) 智能问答方法、装置、设备及存储介质
CN113935880A (zh) 政策推荐方法、装置、设备及存储介质
CN115099680B (zh) 风险管理方法、装置、设备及存储介质
CN114003704A (zh) 指定标签客群的创建方法、装置、电子设备及存储介质
CN113821602A (zh) 基于图文聊天记录的自动答疑方法、装置、设备及介质
CN114708073B (zh) 一种围标串标智能检测方法、装置、电子设备及存储介质
CN116340516A (zh) 实体关系的聚类提取方法、装置、设备及存储介质
CN115510219A (zh) 话术推荐方法、装置、电子设备及存储介质
CN114595321A (zh) 问题标注方法、装置、电子设备及存储介质
CN113888265A (zh) 产品推荐方法、装置、设备及计算机可读存储介质
CN114722280A (zh) 基于用户画像的课程推荐方法、装置、设备及存储介质
CN114006986A (zh) 外呼合规预警方法、装置、设备及存储介质
CN113010664A (zh) 一种数据处理方法、装置及计算机设备

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
GR01 Patent grant
GR01 Patent grant