CN116257803A - 用户状态的检测方法及装置、电子设备、存储介质 - Google Patents

Abstract

本发明公开了一种用户状态的检测方法及装置、电子设备、存储介质，其中，该方法包括：先采集目标用户的用户行为数据和关联事件集合，再分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数，然后将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签，最后查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息。本发明解决了相关技术中，缺乏对客户状态进行检测的方式，从而导致难以有效评估客户当前状态，影响业务达成率的技术问题。

Description

用户状态的检测方法及装置、电子设备、存储介质

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种用户状态的检测方法及装置、电子设备、存储介质。

背景技术

随着信息技术的快速发展，许多业务的办理逐渐由线下转为线上，逐步实现了业务流程的智能化和信息化，许多线上业务场景需要基于客户当前信息对客户状态进行评估，例如金融业务办理时需要对客户状态进行评估，评估用户是否能按时还款，以及运营商线上业务办理时，需要对欠费客户进行评估，判断用户是否具有还款能力、是否会在通话时可能出现恶意语言等在失意状态下产生的不良影响。

一般来说当客户状态处于失意状态时，用户很可能不具备还款能力或正常交流能力等，例如失业人员、矛盾纠纷当事人、失信人员等，其心理状态趋向于向消极的方向发生改变，容易做出激进的行为，给金融机构、运营商等造成一定的损失，相关技术中，只能在失意人群做出激进行为后人为对失意人群进行监管，而缺乏对客户状态进行检测的状态检测系统，从而难以有效评估客户当前状态。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种用户状态的检测方法及装置、电子设备、存储介质，以至少解决相关技术中，缺乏对客户状态进行检测的方式，从而导致难以有效评估客户当前状态，影响业务达成率的技术问题。

根据本发明实施例的一个方面，提供了一种用户状态的检测方法，包括：采集目标用户的用户行为数据和关联事件集合，其中，所述用户行为数据中包含用户的行为特征和用户类型，所述关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；分配与所述用户行为数据对应的行为标签和属性标签，并为每个所述个人事件信息分配对应的事件权重参数，其中，所述行为标签用于表征用户的所述行为特征，所述属性标签用于表征所述用户类型的所属分类，所述行为标签对应有行为权重参数，所述属性标签对应有属性权重参数；将所述行为标签以及对应的所述行为权重参数、所述属性标签以及对应的所述属性权重参数、所述个人事件信息以及对应的所述事件权重参数输入至决策树模型，输出用户状态标签；查询预设状态库，确定与所述用户状态标签对应的用户当前状态，并在所述用户当前状态属于失意状态的情况下，输出系统告警信息，其中，所述预设状态库中存储多个用户状态与状态标签的映射关系。

可选地，采集目标用户的用户行为数据和关联事件集合的步骤，包括：在用户终端进行信息提取授权后，查询所述目标用户使用的所述用户终端中记录的用户基本信息，其中，所述用户基本信息包括下述至少之一：用户名称、用户年龄、用户职业、用户学历、用户征信；建立与即时聊天系统、通信运营商之间的网络连接，并接收所述即时聊天系统传输的第一历史时间段内的用户聊天信息以及所述通信运营商传输的用户通话信息；建立与人员征信系统之间的网络连接，并获取所述目标用户的征信信息；基于所述用户基本信息、所述用户聊天信息和所述用户通话信息，获取所述目标用户的用户行为数据；建立与人员社会属性系统之间的网络连接，并获取所述人员社会属性系统中记录所述目标用户在第二历史时间段内的关联事件，得到所述关联事件集合。

可选地，分配与所述用户行为数据对应的行为标签的步骤，包括：基于所述用户行为数据中的行为信息，查询与所述行为信息对应的行为标识，其中，所述行为信息至少包括：行为时间、操作对象以及行为描述；基于预设行为标签库，查询与所述行为标识对应的行为标签，其中，所述预设行为标签库中存储多个行为标识、行为标签与行为权重参数之间的映射关系。

可选地，分配与所述用户行为数据对应的属性标签的步骤，包括：基于所述用户行为数据中的用户属性信息，查询与所述用户属性信息对应的属性标识，其中，所述用户属性信息包括下述至少之一：用户名称、用户职业、用户类型、用户学历、用户征信、处罚信息；基于预设属性标签库，查询与所述属性标识对应的属性标签，其中，所述预设属性标签库中存储多个属性标识、属性标签以及属性权重参数之间的映射关系。

可选地，为每个所述个人事件信息分配对应的事件权重参数的步骤，包括：基于所述个人事件信息定位目标个人事件的事件名称和事件所属类别；查询预设事件标签库，确定与所述事件名称和所述事件所属类别对应的事件等级，其中，所述预设事件标签库中存储多个事件名称、事件所属类别以及事件等级之间的映射关系；基于所述事件等级以及所述事件名称，确定与所述个人事件信息对应的所述事件权重参数。

可选地，在查询预设状态库，确定与所述用户状态标签对应的用户当前状态之后，还包括：查询状态等级表，确认与所述用户当前状态对应的风险等级，其中，所述状态等级表存储有多个用户状态与风险等级之间的映射关系；在所述风险等级高于预设等级阈值的情况下，确认所述目标用户属于失意状态；评估所述目标用户处于所述失意状态的失意程度分值；基于所述失意程度分值，确认用户恢复策略以及系统告警信息，其中，所述用户恢复策略用于提供恢复方式，以使所述目标用户从失意状态恢复到正常状态。

可选地，所述决策树模型是预先训练得到的，在训练所述决策树模型时，包括：构建初始决策树；获取第三历史时间段内关联多个用户的标签信息集合、事件信息集合以及用户状态集合，其中，所述标签信息集合包含每个用户的行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数，所述事件信息集合包含每个用户的个人事件信息以及对应的事件权重参数，所述用户状态集合包含每个用户的用户历史状态；将所述标签信息集合和事件信息集合输入至所述初始决策树，并通过所述初始决策树输出用户状态；在所述初始决策树输出的用户状态与所述用户状态集合中的用户历史状态的吻合度超出预设吻合度阈值的情况下，确定训练完毕所述初始决策树，得到所述决策树模型。

根据本发明实施例的另一方面，还提供了一种用户状态的检测装置，包括：采集单元，用于采集目标用户的用户行为数据和关联事件集合，其中，所述用户行为数据中包含用户的行为特征和用户类型，所述关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；分配单元，用于分配与所述用户行为数据对应的行为标签和属性标签，并为每个所述个人事件信息分配对应的事件权重参数，其中，所述行为标签用于表征用户的所述行为特征，所述属性标签用于表征所述用户类型的所属分类，所述行为标签对应有行为权重参数，所述属性标签对应有属性权重参数；输入单元，用于将所述行为标签以及对应的所述行为权重参数、所述属性标签以及对应的所述属性权重参数、所述个人事件信息以及对应的所述事件权重参数输入至决策树模型，输出用户状态标签；确定单元，用于查询预设状态库，确定与所述用户状态标签对应的用户当前状态，并在所述用户当前状态属于失意状态的情况下，输出系统告警信息，其中，所述预设状态库中存储多个用户状态与状态标签的映射关系。

可选地，所述采集单元包括：第一查询模块，用于在用户终端进行信息提取授权后，查询所述目标用户使用的所述用户终端中记录的用户基本信息，其中，所述用户基本信息包括下述至少之一：用户名称、用户年龄、用户职业、用户学历、用户征信；第一建立模块，用于建立与即时聊天系统、通信运营商之间的网络连接，并接收所述即时聊天系统传输的第一历史时间段内的用户聊天信息以及所述通信运营商传输的用户通话信息；第二建立模块，用于建立与人员征信系统之间的网络连接，并获取所述目标用户的征信信息；第一获取模块，用于基于所述用户基本信息、所述用户聊天信息和所述用户通话信息，获取所述目标用户的用户行为数据；第三建立模块，用于建立与人员社会属性系统之间的网络连接，并获取所述人员社会属性系统中记录所述目标用户在第二历史时间段内的关联事件，得到所述关联事件集合。

可选地，所述分配单元包括：第二查询模块，用于基于所述用户行为数据中的行为信息，查询与所述行为信息对应的行为标识，其中，所述行为信息至少包括：行为时间、操作对象以及行为描述；第三查询模块，用于基于预设行为标签库，查询与所述行为标识对应的行为标签，其中，所述预设行为标签库中存储多个行为标识、行为标签与行为权重参数之间的映射关系。

可选地，所述分配单元还包括：第四查询模块，用于基于所述用户行为数据中的用户属性信息，查询与所述用户属性信息对应的属性标识，其中，所述用户属性信息包括下述至少之一：用户名称、用户职业、用户类型、用户学历、用户征信、处罚信息；第五查询模块，用于基于预设属性标签库，查询与所述属性标识对应的属性标签，其中，所述预设属性标签库中存储多个属性标识、属性标签以及属性权重参数之间的映射关系。

可选地，所述分配单元还包括：第一定位模块，用于基于所述个人事件信息定位目标个人事件的事件名称和事件所属类别；第六查询模块，用于查询预设事件标签库，确定与所述事件名称和所述事件所属类别对应的事件等级，其中，所述预设事件标签库中存储多个事件名称、事件所属类别以及事件等级之间的映射关系；第一确定模块，用于基于所述事件等级以及所述事件名称，确定与所述个人事件信息对应的所述事件权重参数。

可选地，所述用户状态的检测装置还包括：第二确定模块，用于查询状态等级表，确认与所述用户当前状态对应的风险等级，其中，所述状态等级表存储有多个用户状态与风险等级之间的映射关系；第一确认模块，用于在所述风险等级高于预设等级阈值的情况下，确认所述目标用户属于失意状态；第一评估模块，用于评估所述目标用户处于所述失意状态的失意程度分值；第二确认模块，用于基于所述失意程度分值，确认用户恢复策略以及系统告警信息，其中，所述用户恢复策略用于提供恢复方式，以使所述目标用户从失意状态恢复到正常状态。

可选地，所述用户状态的检测装置还包括：第一构建模块，用于构建初始决策树；第二获取模块，用于获取第三历史时间段内关联多个用户的标签信息集合、事件信息集合以及用户状态集合，其中，所述标签信息集合包含每个用户的行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数，所述事件信息集合包含每个用户的个人事件信息以及对应的事件权重参数，所述用户状态集合包含每个用户的用户历史状态；第一输入模块，用于将所述标签信息集合和事件信息集合输入至所述初始决策树，并通过所述初始决策树输出用户状态；第三确定模块，用于在所述初始决策树输出的用户状态与所述用户状态集合中的用户历史状态的吻合度超出预设吻合度阈值的情况下，确定训练完毕所述初始决策树，得到所述决策树模型。

根据本发明实施例的一个方面，提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项用户状态的检测方法。

根据本发明实施例的一个方面，提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项用户状态的检测方法。

本公开中，采用以下步骤：先采集目标用户的用户行为数据和关联事件集合，再分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数，然后将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签，最后查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息。

本公开中，基于用户的行为数据分配对应的行为标签和属性标签，并基于个人事件信息分配事件权重参数，通过决策树模型对用户状态(或客户状态)进行评估，并对出现失意状态的用户输出告警信息，及时对该用户的相关业务推广进行调整，进而解决了相关技术中，缺乏对客户状态进行检测的状态检测系统，从而导致难以有效评估客户当前状态，影响业务达成率的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的用户状态的检测方法流程图；

图2是根据本发明实施例的一种可选的用户状态的检测系统架构图；

图3是根据本发明实施例的一种可选的决策树结构图；

图4是根据本发明实施例的一种可选的用户状态的检测装置的示意图；

图5是根据本发明实施例的一种用户状态的检测方法的电子设备(或移动设备)的硬件结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本公开中的用户状态的检测方法及装置可用于计算机技术领域在对用户状态进行检测的情况下，也可用于除计算机技术领域之外的任意领域在对用户状态进行检测的情况下，本公开中对用户状态的检测方法及装置的应用领域不做限定。

需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。

随着近年来机器学习算法的优化和预测准确性的进步，将机器学习应用于生活的各个领域能取得很好的预测效果，本发明实施例将机器学习引入用户状态检测系统，能够及时有效地对客户/用户状态进行检测，从而有效防止失意状态用户做出偏激行为(例如，对金融机构的欠款、对电网机构的电费欠缴、对业务人员发出的沟通不良语言)。

本发明可以应用于各种状态检测装置/系统/设备中，尤其是以电信机构、通信运营商(或者金融机构、电网机构等)为主体的客户状态检测系统，基于已有的相关业务数据，结合运营商的用户数据和预设特征，对采集到的数据进行特征提取、标签分类以及权重计算，从而对用户状态进行检测，对于失意状态人群及时输出系统告警信息至机构的业务人员使用的协同界面。

下面结合各个实施例对本发明进行详细说明。

实施例一

根据本发明实施例，提供了一种用户状态的检测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种可选的用户状态的检测方法流程图，如图1所示，该方法包括如下步骤：

步骤S101，采集目标用户的用户行为数据和关联事件集合，其中，用户行为数据中包含用户的行为特征和用户类型，关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；

步骤S102，分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数，其中，行为标签用于表征用户的行为特征，属性标签用于表征用户类型的所属分类，行为标签对应有行为权重参数，属性标签对应有属性权重参数；

步骤S103，将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签；

步骤S104，查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息，其中，预设状态库中存储多个用户状态与状态标签的映射关系。

通过上述步骤，先采集目标用户的用户行为数据和关联事件集合，其中，用户行为数据中包含用户的行为特征和用户类型，关联事件集合中包含历史指定时间段内与用户关联的个人事件信息，再分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数；然后将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签；最后查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息。

在本实施例中，基于用户的行为数据分配对应的行为标签和属性标签，并基于个人事件信息分配事件权重参数，通过决策树模型对用户状态(或客户状态)进行评估，并对出现失意状态的用户输出告警信息，及时对该用户的相关业务推广进行调整，进而解决了相关技术中，缺乏对客户状态进行检测的状态检测系统，从而导致难以有效评估客户当前状态，影响业务达成率的技术问题。

下面结合上述各实施步骤来详细说明。

步骤S101，采集目标用户的用户行为数据和关联事件集合，其中，用户行为数据中包含用户的行为特征和用户类型，关联事件集合中包含历史指定时间段内与用户关联的个人事件信息。

需要说明的是，本发明实施例的实施主体为状态检测系统，该系统部署在服务器或者云端中，能够为业务人员提供用户状态，输出失意状态告警信息，可以与用户终端以及各数据库进行连接，接收用户终端和各数据库的用户数据。

其中，在接收到用户行为数据后，对行为数据进行分类预处理，用户类型包括但不限于：在业人员、失业人员、信用良好人员、失信人员、社区矫正人员，用户行为特征包括积极行为特征和消极行为特征，例如失业人员应聘属于积极行为特征，而失业人员偷窃则属于消极行为特征。关联事件集合是基于行为关键词构建的，在某一时间段内采集用户所做的事件，并记录事件关键词，将其存储在关联事件集合内。

可选地，采集目标用户的用户行为数据和关联事件集合的步骤，包括：在用户终端进行信息提取授权后，查询目标用户使用的用户终端中记录的用户基本信息，其中，用户基本信息包括下述至少之一：用户名称、用户年龄、用户职业、用户学历、用户征信；建立与即时聊天系统、通信运营商之间的网络连接，并接收即时聊天系统传输的第一历史时间段内的用户聊天信息以及通信运营商传输的用户通话信息；建立与人员征信系统之间的网络连接，并获取目标用户的征信信息；基于用户基本信息、用户聊天信息和用户通话信息，获取目标用户的用户行为数据；建立与人员社会属性系统之间的网络连接，并获取人员社会属性系统中记录目标用户在第二历史时间段内的关联事件，得到关联事件集合。

需要说明的是，接收用户聊天信息和用户通话信息时，需要对其进行预处理，将聊天语音数据转化为文本数据并对聊天文本进行分词处理，提取属性关键词，例如谓语动词、宾语等，将其存储在该用户对应的信息集合中，对于用户通话信息，首先进行语音识别处理，将其转化为文本信息，并对该文本信息进行属性关键词提取后存储在信息集合中。

需要说明的是，社会属性包括但不限于:学历、所在地、收入水平、教育程度、宗教信仰、基本生活习惯，基于人员与社会属性系统的网络连接，获取社会属性系统中各模块对应的关联事件，例如基于学历属性，可以获取用户对应的奖惩情况。

步骤S102，分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数，其中，行为标签用于表征用户的行为特征，属性标签用于表征用户类型的所属分类，行为标签对应有行为权重参数，属性标签对应有属性权重参数。

需要说明的是，预设标签库中包括：行为标签库、属性标签库以及事件标签库，其中行为标签库包括但不限于：就业情况标签、奖惩情况标签、纠纷矛盾标签，属性标签库包括但不限于：学历标签、职业标签、征信标签，事件标签库包括但不限于：言语标签、诉讼标签、工作表现标签，不同的事件标签对应有事件等级标签。

本实施例中为不同的标签分配有对应的权重参数，如行为标签中，关于就业情况标签，如果第一类：社会闲散人员/无业人员/无稳定工作，分配行为权重参数为5；第二类：学历为小学/初中，分配行为权重参数为30；第三类：社区通报人员/留守人员/有较差病史人员，分配行为权重参数为30；第四类：失信人员/征信评分低人员，分配行为权重参数为30。而对于属性标签中，对于诉讼标签，若是在某一段历史时间中，存在诉讼案件，且为被告人员，分配属性权重参数为30，若是，无诉讼案件且一直良好，则分配属性权重参数为-20。通过对不同的标签分配不同的权重参数，提供后续进行用户状态的当前状态的评估准确率。

可选地，分配与用户行为数据对应的行为标签的步骤，包括：基于用户行为数据中的行为信息，查询与行为信息对应的行为标识，其中，行为信息至少包括：行为时间、操作对象以及行为描述；基于预设行为标签库，查询与行为标识对应的行为标签，其中，预设行为标签库中存储多个行为标识、行为标签与行为权重参数之间的映射关系。

可选地，分配与用户行为数据对应的属性标签的步骤，包括：基于用户行为数据中的用户属性信息，查询与用户属性信息对应的属性标识，其中，用户属性信息包括下述至少之一：用户名称、用户职业、用户类型、用户学历、用户征信、处罚信息；基于预设属性标签库，查询与属性标识对应的属性标签，其中，预设属性标签库中存储多个属性标识、属性标签以及属性权重参数之间的映射关系。

可选地，为每个个人事件信息分配对应的事件权重参数的步骤，包括：基于个人事件信息定位目标个人事件的事件名称和事件所属类别；查询预设事件标签库，确定与事件名称和事件所属类别对应的事件等级，其中，预设事件标签库中存储多个事件名称、事件所属类别以及事件等级之间的映射关系；基于事件等级以及事件名称，确定与个人事件信息对应的事件权重参数。

步骤S103，将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签。

需要说明的是，决策树模型包含根节点、枝节点以及叶节点，其中根节点包含样本的全集，根节点下包含多个枝节点，叶节点表示决策结果，在本实施例中，基于用户行为、用户属性以及用户事件构建枝节点，基于用户状态标签构建叶节点，该状态标签包括但不限于：积极状态标签、正常状态标签、消极状态标签。

可选地，决策树模型是预先训练得到的，在训练决策树模型时，包括：构建初始决策树；获取第三历史时间段内关联多个用户的标签信息集合、事件信息集合以及用户状态集合，其中，标签信息集合包含每个用户的行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数，事件信息集合包含每个用户的个人事件信息以及对应的事件权重参数，用户状态集合包含每个用户的用户历史状态；将标签信息集合和事件信息集合输入至初始决策树，并通过初始决策树输出用户状态；在初始决策树输出的用户状态与用户状态集合中的用户历史状态的吻合度超出预设吻合度阈值的情况下，确定训练完毕初始决策树，得到决策树模型。

本实施例中，第一历史时间段、第二历史时间段和第三历史时间段都没有具体限定时间段的时长，可以根据不同系统和机构的使用策略进行调整，在此不做限定。

步骤S104，查询预设状态库，确定与用户状态标签对应的用户当前状态。

可选地，在查询预设状态库，确定与用户状态标签对应的用户当前状态之后，还包括：查询状态等级表，确认与用户当前状态对应的风险等级，其中，状态等级表存储有多个用户状态与风险等级之间的映射关系；在风险等级高于预设等级阈值的情况下，确认目标用户属于失意状态；评估目标用户处于失意状态的失意程度分值；基于失意程度分值，确认用户恢复策略以及系统告警信息，其中，用户恢复策略用于提供恢复方式，以使目标用户从失意状态恢复到正常状态。

需要说明的是，在基于决策树获取用户状态标签后，基于该状态标签匹配对应的用户状态，并为用户状态划分对应的等级，其中失意状态隶属于消极状态标签，在进行风险等级划分时，依据消极状态标签对应的权重划分为一到五级风险状态，并基于预设等级阈值判断用户是否处于示意状态。

需要说明的是，对于处于失意状态的用户需要基于失意程度分值采用指定策略进行监管，失意程度分值是基于失意行为与失意程度对应的映射关系生成的，本实施例以1-10进行示意说明，例如客户出现抱怨、辱骂等失意行为，针对其赋予失意程度分值为2分，对于客户出现多次失信(例如连续五次没有按时还款)等失意行为，针对其赋予失意程度分值为4分；基于失意程度分值，将用户划分为多个程度等级，对不同等级的客户制定相应的监管策略，例如对于失意程度分值为2分的用户采取定期访问，劝阻安抚的策略，而对于失意程度为10分的用户采取录入黑名单，后续不再对其进行服务的策略。

通过上述实施例，基于用户行为、用户属性和事件信息，通过决策树模型，构建根节点、支节点和叶节点，从而根据叶节点输出的内容判断用户状态，并对处于示意状态的人群进行告警和管控，对于失意状态人群及时输出系统告警信息至机构的业务人员使用的协同界面。

下面结合一种更具体的实施例来说明本发明。

图2是根据本发明实施例的一种可选的用户状态的检测系统架构图，如图2所示，该用户状态检测系统通过以下流程实现对用户状态的检测：

步骤一：获取样本数据；

本发明实施例中，基于用户终端授权信息获取用户基本信息，基于用户即时聊天系统获取用户聊天信息，基于运营商通信数据获取用户通信信息、基于征信系统获取用户征信信息以及基于社会属性系统获取用户关联事件信息，并将获取到的信息作为样本数据输入到状态检测系统。

步骤二：调用预设标签库，为用户数据匹配相应标签；

预设标签库中包括：行为标签库、属性标签库以及事件标签库，其中行为标签库包括但不限于：就业情况标签、奖惩情况标签、纠纷矛盾标签，属性标签库包括但不限于：学历标签、职业标签、征信标签，事件标签库包括但不限于：言语标签、诉讼标签、工作表现标签，不同的事件标签对应有事件等级标签，基于输入的用户数据，为用户数据匹配相应的标签。

步骤三：权重分配；

在进行权重分配时，可以通过标签来确定，例如，对于就业情况标签中指示为无业人员/社会闲散人员/无稳定工作人员，其权重可能较为一般，权重为5，对于有稳定工作且外来务工的，其权重比例会降低，如权重分配为-10，对于有近期有信访工作或者存在矛盾纠纷的，其权重比例会升高，如权重分配为30，不同的标签分配的权重不相同。

步骤四：将标签结果输入至决策树模型；

将用户数据标签以及对应的权重参数输入到决策树模型，决策树模型包含根节点、枝节点以及叶节点，其中根节点包含样本的全集，根节点下包含多个枝节点，叶节点表示决策结果，在本实施例中，基于用户行为、用户属性以及用户事件构建枝节点，基于用户状态标签构建叶节点，该状态标签包括但不限于：积极状态标签、正常状态标签、消极状态标签，具体的，图3是根据本发明实施例的一种可选的决策树结构图，如图3所示，根节点用Root表示，根节点下对应两个枝节点，一个为失业，一个为就业良好，同属于用户行为标签，失业节点下对应三个枝节点，分别为居家，应聘，偷窃，同属于关联事件标签，居家节点对应一个叶节点，输出结果为正常状态，就业良好节点下对应一个枝节点为小学学历，属于用户属性标签，小学学历下对应两个枝节点，分别为言语消极和言语积极，同属于关联事件标签，对应的叶节点为消极和积极，即为输出结果。

步骤五：输出相应结果；

步骤六：风险等级判定；

在基于决策树获取用户状态标签后，基于该状态标签匹配对应的用户状态，并为用户状态划分对应的等级，其中失意状态隶属于消极状态标签，在进行风险等级划分时，依据消极状态标签对应的权重划分为一到五级风险状态，并基于预设等级阈值判断用户是否处于示意状态。

步骤七：失意人员告警。

最后在用户当前状态属于失意状态的情况下，输出系统告警信息。

通过上述实施例，基于用户行为、用户属性和事件信息，通过决策树模型，构建根节点、支节点和叶节点，从而根据叶节点输出的内容判断用户状态，并对处于失业状态的人群进行告警和管控。

通过上述实施例，根据标签库进行概率匹配计算，确定客户的属性分类，再根据决策树模型对客户属性特征和行为特征进行评估，结合标签库里面的权重值匹配出客户的当前状态为失意状态的研判结果。

下面结合另一种可选的实施例来说明本发明。

实施例二

本实施例提供了一种用户状态的检测装置，该用户状态的检测装置所包含的各个实施单元对应于实施例一中的各个实施步骤。

图4是根据本发明实施例的一种可选的用户状态的检测装置的示意图，如图4所示，该用户状态的检测装置包括：采集单元41、分配单元42、输入单元43、确定单元44，其中，

采集单元41，用于采集目标用户的用户行为数据和关联事件集合，其中，用户行为数据中包含用户的行为特征和用户类型，关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；

分配单元42，用于分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数，其中，行为标签用于表征用户的行为特征，属性标签用于表征用户类型的所属分类，行为标签对应有行为权重参数，属性标签对应有属性权重参数；

输入单元43，用于将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签；

确定单元44，用于查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息，其中，预设状态库中存储多个用户状态与状态标签的映射关系。

上述用户状态的检测装置，通过采集单元41采集目标用户的用户行为数据和关联事件集合，其中，用户行为数据中包含用户的行为特征和用户类型，关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；通过分配单元42分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数；通过输入单元43将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签；通过确定单元44查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息。

在本实施例中，基于用户的行为数据分配对应的行为标签和属性标签，并基于个人事件信息分配事件权重参数，通过决策树模型对用户状态(或客户状态)进行评估，并对出现失意状态的用户输出告警信息，及时对该用户的相关业务推广进行调整，进而解决了相关技术中，缺乏对客户状态进行检测的方式，从而导致难以有效评估客户当前状态，影响业务达成率的技术问题。

可选地，采集单元41包括：第一查询模块，用于在用户终端进行信息提取授权后，查询目标用户使用的用户终端中记录的用户基本信息，其中，用户基本信息包括下述至少之一：用户名称、用户年龄、用户职业、用户学历、用户征信；第一建立模块，用于建立与即时聊天系统、通信运营商之间的网络连接，并接收即时聊天系统传输的第一历史时间段内的用户聊天信息以及通信运营商传输的用户通话信息；第二建立模块，用于建立与人员征信系统之间的网络连接，并获取目标用户的征信信息；第一获取模块，用于基于用户基本信息、用户聊天信息和用户通话信息，获取目标用户的用户行为数据；第三建立模块，用于建立与人员社会属性系统之间的网络连接，并获取人员社会属性系统中记录目标用户在第二历史时间段内的关联事件，得到关联事件集合。

可选地，分配单元42包括：第二查询模块，用于基于用户行为数据中的行为信息，查询与行为信息对应的行为标识，其中，行为信息至少包括：行为时间、操作对象以及行为描述；第三查询模块，用于基于预设行为标签库，查询与行为标识对应的行为标签，其中，预设行为标签库中存储多个行为标识、行为标签与行为权重参数之间的映射关系。

可选地，分配单元42还包括：第四查询模块，用于基于用户行为数据中的用户属性信息，查询与用户属性信息对应的属性标识，其中，用户属性信息包括下述至少之一：用户名称、用户职业、用户类型、用户学历、用户征信、处罚信息；第五查询模块，用于基于预设属性标签库，查询与属性标识对应的属性标签，其中，预设属性标签库中存储多个属性标识、属性标签以及属性权重参数之间的映射关系。

可选地，分配单元42还包括：第一定位模块，用于基于个人事件信息定位目标个人事件的事件名称和事件所属类别；第六查询模块，用于查询预设事件标签库，确定与事件名称和事件所属类别对应的事件等级，其中，预设事件标签库中存储多个事件名称、事件所属类别以及事件等级之间的映射关系；第一确定模块，用于基于事件等级以及事件名称，确定与个人事件信息对应的事件权重参数。

可选地，用户状态的检测装置还包括：第二确定模块，用于查询状态等级表，确认与用户当前状态对应的风险等级，其中，状态等级表存储有多个用户状态与风险等级之间的映射关系；第一确认模块，用于在风险等级高于预设等级阈值的情况下，确认目标用户属于失意状态；第一评估模块，用于评估目标用户处于失意状态的失意程度分值；第二确认模块，用于基于失意程度分值，确认用户恢复策略以及系统告警信息，其中，用户恢复策略用于提供恢复方式，以使目标用户从失意状态恢复到正常状态。

可选地，用户状态的检测装置还包括：第一构建模块，用于构建初始决策树；第二获取模块，用于获取第三历史时间段内关联多个用户的标签信息集合、事件信息集合以及用户状态集合，其中，标签信息集合包含每个用户的行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数，事件信息集合包含每个用户的个人事件信息以及对应的事件权重参数，用户状态集合包含每个用户的用户历史状态；第一输入模块，用于将标签信息集合和事件信息集合输入至初始决策树，并通过初始决策树输出用户状态；第三确定模块，用于在初始决策树输出的用户状态与用户状态集合中的用户历史状态的吻合度超出预设吻合度阈值的情况下，确定训练完毕初始决策树，得到决策树模型。

上述的用户状态的检测装置还可以包括处理器和存储器，上述采集单元41、分配单元42、输入单元43、确定单元44等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数对用户状态进行检测。

上述存储器可能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)，存储器包括至少一个存储芯片。

根据本发明实施例的一个方面，提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项用户状态的检测方法。

根据本发明实施例的一个方面，提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项用户状态的检测方法。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：采集目标用户的用户行为数据和关联事件集合，其中，用户行为数据中包含用户的行为特征和用户类型，关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；分配与用户行为数据对应的行为标签和属性标签，并为每个个人事件信息分配对应的事件权重参数，其中，行为标签用于表征用户的行为特征，属性标签用于表征用户类型的所属分类，行为标签对应有行为权重参数，属性标签对应有属性权重参数；将行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数、个人事件信息以及对应的事件权重参数输入至决策树模型，输出用户状态标签；查询预设状态库，确定与用户状态标签对应的用户当前状态，并在用户当前状态属于失意状态的情况下，输出系统告警信息，其中，预设状态库中存储多个用户状态与状态标签的映射关系。

图5是根据本发明实施例的一种用户状态的检测方法的电子设备(或移动设备)的硬件结构框图。如图5所示，电子设备可以包括一个或多个(图中采用502a、502b，……，502n来示出)处理器502(处理器502可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器504。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、键盘、电源和/或相机。本领域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元上。可以根据实际的需要选择其中的部分或者全部单元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单元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，也可以采用软件功能单元的形式实现。

集成的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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种用户状态的检测方法，其特征在于，包括：

采集目标用户的用户行为数据和关联事件集合，其中，所述用户行为数据中包含用户的行为特征和用户类型，所述关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；

分配与所述用户行为数据对应的行为标签和属性标签，并为每个所述个人事件信息分配对应的事件权重参数，其中，所述行为标签用于表征用户的所述行为特征，所述属性标签用于表征所述用户类型的所属分类，所述行为标签对应有行为权重参数，所述属性标签对应有属性权重参数；

将所述行为标签以及对应的所述行为权重参数、所述属性标签以及对应的所述属性权重参数、所述个人事件信息以及对应的所述事件权重参数输入至决策树模型，输出用户状态标签；

查询预设状态库，确定与所述用户状态标签对应的用户当前状态，并在所述用户当前状态属于失意状态的情况下，输出系统告警信息，其中，所述预设状态库中存储多个用户状态与状态标签的映射关系。

2.根据权利要求1所述的检测方法，其特征在于，采集目标用户的用户行为数据和关联事件集合的步骤，包括：

在用户终端进行信息提取授权后，查询所述目标用户使用的所述用户终端中记录的用户基本信息，其中，所述用户基本信息包括下述至少之一：用户名称、用户年龄、用户职业、用户学历、用户征信；

建立与即时聊天系统、通信运营商之间的网络连接，并接收所述即时聊天系统传输的第一历史时间段内的用户聊天信息以及所述通信运营商传输的用户通话信息；

建立与人员征信系统之间的网络连接，并获取所述目标用户的征信信息；

基于所述用户基本信息、所述用户聊天信息和所述用户通话信息，获取所述目标用户的用户行为数据；

建立与人员社会属性系统之间的网络连接，并获取所述人员社会属性系统中记录所述目标用户在第二历史时间段内的关联事件，得到所述关联事件集合。

3.根据权利要求1所述的检测方法，其特征在于，分配与所述用户行为数据对应的行为标签的步骤，包括：

基于所述用户行为数据中的行为信息，查询与所述行为信息对应的行为标识，其中，所述行为信息至少包括：行为时间、操作对象以及行为描述；

基于预设行为标签库，查询与所述行为标识对应的行为标签，其中，所述预设行为标签库中存储多个行为标识、行为标签与行为权重参数之间的映射关系。

4.根据权利要求1所述的检测方法，其特征在于，分配与所述用户行为数据对应的属性标签的步骤，包括：

基于所述用户行为数据中的用户属性信息，查询与所述用户属性信息对应的属性标识，其中，所述用户属性信息包括下述至少之一：用户名称、用户职业、用户类型、用户学历、用户征信、处罚信息；

基于预设属性标签库，查询与所述属性标识对应的属性标签，其中，所述预设属性标签库中存储多个属性标识、属性标签以及属性权重参数之间的映射关系。

5.根据权利要求1所述的检测方法，其特征在于，为每个所述个人事件信息分配对应的事件权重参数的步骤，包括：

基于所述个人事件信息定位目标个人事件的事件名称和事件所属类别；

查询预设事件标签库，确定与所述事件名称和所述事件所属类别对应的事件等级，其中，所述预设事件标签库中存储多个事件名称、事件所属类别以及事件等级之间的映射关系；

基于所述事件等级以及所述事件名称，确定与所述个人事件信息对应的所述事件权重参数。

6.根据权利要求1所述的检测方法，其特征在于，在查询预设状态库，确定与所述用户状态标签对应的用户当前状态之后，还包括：

查询状态等级表，确认与所述用户当前状态对应的风险等级，其中，所述状态等级表存储有多个用户状态与风险等级之间的映射关系；

在所述风险等级高于预设等级阈值的情况下，确认所述目标用户属于失意状态；

评估所述目标用户处于所述失意状态的失意程度分值；

基于所述失意程度分值，确认用户恢复策略以及系统告警信息，其中，所述用户恢复策略用于提供恢复方式，以使所述目标用户从失意状态恢复到正常状态。

7.根据权利要求1所述的检测方法，其特征在于，所述决策树模型是预先训练得到的，在训练所述决策树模型时，包括：

构建初始决策树；

获取第三历史时间段内关联多个用户的标签信息集合、事件信息集合以及用户状态集合，其中，所述标签信息集合包含每个用户的行为标签以及对应的行为权重参数、属性标签以及对应的属性权重参数，所述事件信息集合包含每个用户的个人事件信息以及对应的事件权重参数，所述用户状态集合包含每个用户的用户历史状态；

将所述标签信息集合和事件信息集合输入至所述初始决策树，并通过所述初始决策树输出用户状态；

在所述初始决策树输出的用户状态与所述用户状态集合中的用户历史状态的吻合度超出预设吻合度阈值的情况下，确定训练完毕所述初始决策树，得到所述决策树模型。

8.一种用户状态的检测装置，其特征在于，包括：

采集单元，用于采集目标用户的用户行为数据和关联事件集合，其中，所述用户行为数据中包含用户的行为特征和用户类型，所述关联事件集合中包含历史指定时间段内与用户关联的个人事件信息；

分配单元，用于分配与所述用户行为数据对应的行为标签和属性标签，并为每个所述个人事件信息分配对应的事件权重参数，其中，所述行为标签用于表征用户的所述行为特征，所述属性标签用于表征所述用户类型的所属分类，所述行为标签对应有行为权重参数，所述属性标签对应有属性权重参数；

输入单元，用于将所述行为标签以及对应的所述行为权重参数、所述属性标签以及对应的所述属性权重参数、所述个人事件信息以及对应的所述事件权重参数输入至决策树模型，输出用户状态标签；

确定单元，用于查询预设状态库，确定与所述用户状态标签对应的用户当前状态，并在所述用户当前状态属于失意状态的情况下，输出系统告警信息，其中，所述预设状态库中存储多个用户状态与状态标签的映射关系。

9.一种计算机可读存储介质，其特征在于，计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的用户状态的检测方法。

10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的用户状态的检测方法。

Images