CN116934001A - 账户资源确定方法、装置、计算机设备和存储介质 - Google Patents

账户资源确定方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116934001A
CN116934001A CN202310688205.2A CN202310688205A CN116934001A CN 116934001 A CN116934001 A CN 116934001A CN 202310688205 A CN202310688205 A CN 202310688205A CN 116934001 A CN116934001 A CN 116934001A
Authority
CN
China
Prior art keywords
account
data
resource
account resource
determining
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
CN202310688205.2A
Other languages
English (en)
Inventor
吴燕妮
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.)
Bank of China Ltd
Original Assignee
Bank of China 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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202310688205.2A priority Critical patent/CN116934001A/zh
Publication of CN116934001A publication Critical patent/CN116934001A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • 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)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种账户资源确定方法、装置、计算机设备和存储介质。所述方法包括：获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据账户资源调度数据以及账户特性信息数据，确定账户资源交互期望值；根据账户资源调度数据以及账户资源交互期望值，确定账户风险评分数据；根据资源变化描述数据，确定账户资源交互变化描述数据；将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到各账户资源指标确定描述信息。采用本方法能够减少各账户资源指标确定描述信息出现偏差的偏差，提高生成针对目标账户的资源调度规划方案准确性。

Description

账户资源确定方法、装置、计算机设备和存储介质
技术领域
本申请涉及大数据技术领域，特别是涉及一种账户资源确定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着大数据技术的发展，资源交互平台会根据大数据的记录对用户定向推送相应的资源交互产品，但普通用户很少能获得根据自身需求、资源情况和调度目标等制定的阶段性资源调度规划，难以对短期或长期内的个人整体资源变化情况有明确的认知。科学合理的进行资源调度规划，对于实现生活质量和经济能力的逐步提升是非常重要的。
传统技术中，资源调度规划一般由资源调度规划师运用资源调度规划的原理、技术和方法，针对个人、家庭的资源调度目标，为客户提供量身订制的、切实可行的资源调度方案，同时在对方案的不断修正中，满足客户长期的、不断变化的资源交互需求。但当前市场上资源调度规划师水平参差不齐，且多数资源调度规划师仅具备某个领域的工作经验，容易引起各账户资源指标确定描述信息出现偏差，导致生成针对目标账户的资源调度规划方案缺乏准确性。
发明内容
基于此，有必要针对上述技术问题，提供一种能够减少各账户资源指标确定描述信息出现偏差的偏差，提高生成针对目标账户的资源调度规划方案准确性的账户资源确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种账户资源确定方法。所述方法包括：获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
第二方面，本申请还提供了一种账户资源确定装置。所述装置包括：账户数据获取模块，用于获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；期望值确定模块，用于根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；评分数据确定模块，用于根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；描述数据确定模块，用于根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；分析数值计算模块，用于将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
第五方面，本申请还提供了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，该计算机程序被处理器执行时实现以下步骤：获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
上述一种账户资源确定方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据账户资源调度数据以及账户特性信息数据，确定目标账户对应的账户资源交互期望值；根据账户资源调度数据以及账户资源交互期望值，确定目标账户对应的账户风险评分数据；根据资源变化描述数据，确定目标账户对应的账户资源交互变化描述数据；将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到目标账户对应的各账户资源指标确定描述信息。
通过机器学习的账户资源确定系统，将传统资源调度确定过程数字化、平台化，运用机器学习等技术，将现代资源配置理论、账户生命周期理论等资源调度确定理论应用到智能的账户资源确定模型中。由于基于机器学习的账户资源确定系统的输入过程不需要人工干预，账户的信息和隐私可以得到更好的保护，运用现代加密技术后甚至可以确保信息安全，目标对象无需担心隐私泄露问题；而账户资源确定模型是完全理性和中立客观的，因此对于很多场景下，智能的账户资源确定方法能够减少各账户资源指标确定描述信息出现偏差的偏差，提高生成针对目标账户的资源调度规划方案准确性。
附图说明
图1为一个实施例中一种账户资源确定方法的应用环境图；
图2为一个实施例中一种账户资源确定方法的流程示意图；
图3为一个实施例中各账户资源指标确定描述信息得到方法的流程示意图；
图4为另一个实施例中各账户资源指标确定描述信息得到方法的流程示意图；
图5为又一个实施例中各账户资源指标确定描述信息得到方法的流程示意图；
图6为一个实施例中账户资源指标分析报告得到方法的流程示意图；
图7为另一个实施例中账户资源指标分析报告得到方法的流程示意图；
图8为一个实施例中一种账户资源确定装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的一种账户资源确定方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据账户资源调度数据以及账户特性信息数据，确定目标账户对应的账户资源交互期望值；根据账户资源调度数据以及账户资源交互期望值，确定目标账户对应的账户风险评分数据；根据资源变化描述数据，确定目标账户对应的账户资源交互变化描述数据；将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到目标账户对应的各账户资源指标确定描述信息。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种账户资源确定方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据。
其中，目标账户可以是需要进行资源现状进行评估和分析的账户，例如：需要进行财务现状的指标数值进行智能评价与分析的银行账户。
其中，账户资源调度数据可以是在历史记录上，目标账户进行资源调度产生的调度数据，资源调度可以是获得资源，输出资源以及资源交互。例如：银行账户向外汇款，银行账户接受汇款，银行账户进行基金买卖，用户的资产数据，用户的负债数据，用户的收入数据，用户的消费数据等。
其中，账户特性信息数据可以是反映目标账户的固有信息的数据，例如：用户个人信息、用户住址信息、用户电话信息等。
其中，资源变化描述数据可以是与目标账户相关的社会资源变化数据，例如：近年来的税收政策、各地房价和房价增长率、银行存贷款利率等数据。
具体地，服务器104响应终端102的操作指令，从终端102处获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据，并且将获取到的账户资源调度数据、账户特性信息数据以及资源变化描述数据存储到存储单元中，当服务器需要对账户资源调度数据、账户特性信息数据以及资源变化描述数据进行处理时，则从存储单元中调取至易失性存储资源以供中央处理器进行计算。其中，地理数据、场景数据以及电气设计数据可以是单个数据输入至中央处理器，也可以为多个数据同时输入至中央处理器。
步骤204，根据账户资源调度数据以及账户特性信息数据，确定目标账户对应的账户资源交互期望值。
其中，账户资源交互期望值可以是目标账户经过资源调度或者资源交互的方式，使得资源总额发生变化的预期值。
具体地，在账户特性信息数据的限定下，根据账户资源调度数据，计算目标账户的账户短期目标指标、账户中期目标指标以及账户长期目标指标；并分别结合账户资源调度数据，计算出目标账户的账户短期预期值、账户中期预期值以及账户长期预期值；将账户短期预期值、账户中期预期值以及账户长期预期值集成到目标账户中，得到目标账户对应的账户资源交互期望值。
在一个实施例中，由于每个人的期望财务目标并不一致，因此对于期望财务目标可以采用多选的形式，在账户特性信息数据的限定下，根据银行账户向外汇款，银行账户接受汇款，银行账户进行基金买卖，用户的资产数据，用户的负债数据，用户的收入数据，用户的消费数据等，确定用户在账户短期目标指标(如孕育、投资、避险、赡养老人)、账户中期目标指标(如购房、购车、教育)、账户长期目标指标(如养老)等进行多选，进一步将各个目标指标分别结合到银行账户向外汇款，银行账户接受汇款，银行账户进行基金买卖，用户的资产数据，用户的负债数据，用户的收入数据，用户的消费数据等之后进行计算，得到填入自己相应的账户资源交互期望值。
步骤206，根据账户资源调度数据以及账户资源交互期望值，确定目标账户对应的账户风险评分数据。
其中，账户风险评分数据可以是对目标账户进行具有的风险程度进行评分的结果。
具体地，将账户资源调度数据以及账户资源交互期望值输入到资源交互平台的风险测试模型，通过风险测试模型结合银行账户向外汇款，银行账户接受汇款，银行账户进行基金买卖，用户的资产数据，用户的负债数据，用户的收入数据，用户的消费数据与账户短期预期值、账户中期预期值、账户长期预期值，对目标账户进行风险评分，得到账户风险评分数据，并根据账户风险评分数据对目标账户的风险进行风险评级。
在一个实施例中，通过设定风险测试模型对家庭成员的投资经验、投资知识等方面进行评估，同时结合年龄、收入水平、收入分布等客观因素综合等参数后，将风险测试模型结合银行账户向外汇款，银行账户接受汇款，银行账户进行基金买卖，用户的资产数据，用户的负债数据，用户的收入数据，用户的消费数据与账户短期预期值、账户中期预期值、账户长期预期值同时输入至风险测试模型，对风险测试模型设定的各个客观因素进行综合评估，计算出账户风险评分数据，并为客户进行风险评级。
步骤208，根据资源变化描述数据，确定目标账户对应的账户资源交互变化描述数据。
其中，账户资源交互变化描述数据可以是根据资源变化描述数据对目标账户后续的基本资源数据进行预测的结果。
具体地，根据资源变化描述数据确定对应的未处理资源未来预测数据，将未处理资源未来预测数据输入到资源交互平台的平均数据预设模型，通过平均数据预设模型进行平均值计算，得到已处理资源未来预测数据，对资源变化描述数据和已处理资源未来预测数据进行整合，确定目标账户对应的账户资源交互变化描述数据。
在一个实施例中，根据近年来的税收政策、各地房价和房价增长率、银行存贷款利率等数据确定未处理的通货膨胀率、生活支出增长率、教育费用增长率、预期寿命等，并将未处理的各个数据输入到资源交互平台的平均数据预设模型，由系统根据平均数据预设模型对上述数据进行平均值计算，得到预设(已处理)的通货膨胀率、生活支出增长率、教育费用增长率、预期寿命等，将近年来的税收政策、各地房价和房价增长率、银行存贷款利率等数据，以及已处理的通货膨胀率、生活支出增长率、教育费用增长率、预期寿命等进行整合，得到账户资源交互变化描述数据。
步骤210，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到目标账户对应的各账户资源指标确定描述信息。
其中，账户资源确定模型可以是基于机器学习的资源调度规划分析模型，包括现代资源配置理论、账户生命周期理论等等资源调度确定理论。
其中，各账户资源指标确定描述信息可以是通过账户资源确定模型对目标账户的资源现状的指标数值进行智能评价与分析的结果。
具体地，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据分别进行数据的抽象化处理，即将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据转变成账户资源确定模型能够识别的数据集合，得到账户抽象化数据集合；同理，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据分别进行数据的数字化处理，即将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据各自对应的数据格式转变成账户资源确定模型能够识别的数据格式，得到账户数字化数据集合。
对账户抽象化数据集合中的各个账户抽象化数据运行前向搜索法、遗传算法启发式搜索法以及最佳特征检测法的至少一种，确定抽象化特征选择指标，其中，前向搜索法、遗传算法启发式搜索法以及最佳特征检测法分别可以包括相关系数方法、互信息方法、KS方法、IV方法、L1正则化方法、单特征模型评分方法、特征重要度或系数大小方法、boruta特征评价方法以及递归特征消除排序方法中的至少一种，得到账户抽象化特征指标集合。同理，对账户数字化数据集合中的各个账户数字化数据运行前向搜索法、遗传算法启发式搜索法以及最佳特征检测法的至少一种，确定抽象化特征选择指标，其中，前向搜索法、遗传算法启发式搜索法以及最佳特征检测法分别可以包括相关系数方法、互信息方法、KS方法、IV方法、L1正则化方法、单特征模型评分方法、特征重要度或系数大小方法、boruta特征评价方法以及递归特征消除排序方法中的至少一种，得到账户数字化特征指标集合。
对账户抽象化特征指标集合中的各个账户数字化特征指标与账户数字化特征指标集合中的各个账户数字化特征指标建立对应关系，即一个账户数字化特征指标有对应的账户数字化特征指标，得到对应关系集合，即已经将账户抽象化特征指标集合和账户数字化特征指标集合融合，得到账户融合特征值集合；将账户融合特征值集合中的各个目标账户的账户融合特征值输入至账户资源确定模型，通过账户资源确定模型对目标账户的资源现状的指标数值进行智能评价与分析，得到各个账户资源指标确定描述信息，如清偿比率、投资/净资产比率等。
上述一种账户资源确定方法中，通过获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；根据账户资源调度数据以及账户特性信息数据，确定目标账户对应的账户资源交互期望值；根据账户资源调度数据以及账户资源交互期望值，确定目标账户对应的账户风险评分数据；根据资源变化描述数据，确定目标账户对应的账户资源交互变化描述数据；将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到目标账户对应的各账户资源指标确定描述信息。
通过机器学习的账户资源确定系统，将传统资源调度确定过程数字化、平台化，运用机器学习等技术，将现代资源配置理论、账户生命周期理论等资源调度确定理论应用到智能的账户资源确定模型中。由于基于机器学习的账户资源确定系统的输入过程不需要人工干预，账户的信息和隐私可以得到更好的保护，运用现代加密技术后甚至可以确保信息安全，目标对象无需担心隐私泄露问题；而账户资源确定模型是完全理性和中立客观的，因此对于很多场景下，智能的账户资源确定方法能够减少各账户资源指标确定描述信息出现偏差的偏差，提高生成针对目标账户的资源调度规划方案准确性。
在一个实施例中，如图3所示，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到目标账户对应的各账户资源指标确定描述信息，包括：
步骤302，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行抽象化处理，得到账户抽象化数据集合。
其中，抽象化处理可以是将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据转化为能输入到账户资源确定模型的数据。
其中，账户抽象化数据可以是对账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据通过抽象化处理后得到的处理结果。
具体地，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据分别进行数据的抽象化处理，即将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据转变成账户资源确定模型能够识别的数据集合，得到账户抽象化数据集合。
步骤304，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行数字化处理，得到账户数字化数据集合。
其中，数字化处理可以是账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行格式转化的操作。
其中，账户数字化数据可以是对账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行数字化处理得到的结果。
具体地，将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据分别进行数据的数字化处理，即将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据各自对应的数据格式转变成账户资源确定模型能够识别的数据格式，得到账户数字化数据集合
步骤306，将账户抽象化数据集合以及账户数字化数据集合输入至账户资源确定模型，得到各账户资源指标确定描述信息。
具体地，对账户抽象化数据集合中的各个账户抽象化数据运行前向搜索法、遗传算法启发式搜索法以及最佳特征检测法的至少一种，确定抽象化特征选择指标，其中，前向搜索法、遗传算法启发式搜索法以及最佳特征检测法分别可以包括相关系数方法、互信息方法、KS方法、IV方法、L1正则化方法、单特征模型评分方法、特征重要度或系数大小方法、boruta特征评价方法以及递归特征消除排序方法中的至少一种，得到账户抽象化特征指标集合。同理，对账户数字化数据集合中的各个账户数字化数据运行前向搜索法、遗传算法启发式搜索法以及最佳特征检测法的至少一种，确定抽象化特征选择指标，其中，前向搜索法、遗传算法启发式搜索法以及最佳特征检测法分别可以包括相关系数方法、互信息方法、KS方法、IV方法、L1正则化方法、单特征模型评分方法、特征重要度或系数大小方法、boruta特征评价方法以及递归特征消除排序方法中的至少一种，得到账户数字化特征指标集合。
对账户抽象化特征指标集合中的各个账户数字化特征指标与账户数字化特征指标集合中的各个账户数字化特征指标建立对应关系，即一个账户数字化特征指标有对应的账户数字化特征指标，得到对应关系集合，即已经将账户抽象化特征指标集合和账户数字化特征指标集合融合，得到账户融合特征值集合；将账户融合特征值集合中的各个目标账户的账户融合特征值输入至账户资源确定模型，通过账户资源确定模型对目标账户的资源现状的指标数值进行智能评价与分析，得到各个账户资源指标确定描述信息，如清偿比率、投资/净资产比率等。
本实施例中，通过在输入账户资源确定模型之前分别对账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行抽象化处理以及数字化处理，使得输入数据能够被账户资源确定模型识别，并且统一数据格式，提高了账户资源确定模型对数据的计算效率。
在一个实施例中，如图4所示，将账户抽象化数据集合以及账户数字化数据集合输入至账户资源确定模型，得到各账户资源指标确定描述信息，包括：
步骤402，对账户抽象化数据集合的各账户抽象化数据提取特征设置指标，得到账户抽象化特征指标集合。
其中，提取特征设置指标可以是对特征选择的指标的计算方法和代码，也就是特征提取评价指标。
其中，账户抽象化特征指标可以是通过对各个账户抽象化数据运行关于抽象化处理的特征选择的指标的计算方法和代码进行运算的结果。
具体地，对账户抽象化数据集合中的各个账户抽象化数据运行前向搜索法、遗传算法启发式搜索法以及最佳特征检测法的至少一种，确定抽象化特征选择指标，其中，前向搜索法、遗传算法启发式搜索法以及最佳特征检测法分别可以包括相关系数方法、互信息方法、KS方法、IV方法、L1正则化方法、单特征模型评分方法、特征重要度或系数大小方法、boruta特征评价方法以及递归特征消除排序方法中的至少一种，得到账户抽象化特征指标集合。
步骤404，对账户数字化数据集合的各账户数字化数据提取特征设置指标，得到账户数字化特征指标集合。
其中，账户数字化特征指标可以是通过对各个账户抽象化数据运行关于数字化处理的特征选择的指标的计算方法和代码进行运算的结果。
具体地，对账户数字化数据集合中的各个账户数字化数据运行前向搜索法、遗传算法启发式搜索法以及最佳特征检测法的至少一种，确定抽象化特征选择指标，其中，前向搜索法、遗传算法启发式搜索法以及最佳特征检测法分别可以包括相关系数方法、互信息方法、KS方法、IV方法、L1正则化方法、单特征模型评分方法、特征重要度或系数大小方法、boruta特征评价方法以及递归特征消除排序方法中的至少一种，得到账户数字化特征指标集合。
步骤406，将账户抽象化特征指标集合以及账户数字化特征指标集合输入至账户资源确定模型，得到各账户资源指标确定描述信息。
具体地，对账户抽象化特征指标集合中的各个账户数字化特征指标与账户数字化特征指标集合中的各个账户数字化特征指标建立对应关系，即一个账户数字化特征指标有对应的账户数字化特征指标，得到对应关系集合，即已经将账户抽象化特征指标集合和账户数字化特征指标集合融合，得到账户融合特征值集合；将账户融合特征值集合中的各个目标账户的账户融合特征值输入至账户资源确定模型，通过账户资源确定模型对目标账户的资源现状的指标数值进行智能评价与分析，得到各个账户资源指标确定描述信息，如清偿比率、投资/净资产比率等。
本实施例中，通过对已经抽象化处理的账户抽象化数据集合以及已经数字化处理的账户数字化数据集合均提取特征设置指标，能够利用特征提取和数据“类内类间相似度评价”之间存在的联系，建立利用模块性指标描述类别关系的目标函数，并对其求解或优化；在保证分类正确率的情况下，能够显著降低数据维数和训练样本集大小，具有较强的特征提取能力，并且提取的特征具有较强的有效性。
在一个实施例中，如图5所示，将账户抽象化特征指标集合以及账户数字化特征指标集合输入至账户资源确定模型，得到各账户资源指标确定描述信息，包括：
步骤502，将账户抽象化特征指标集合以及账户数字化特征指标集合进行融合，得到账户融合特征值集合。
其中，账户融合特征值可以是具有对应关系的账户抽象化特征指标和账户数字化特征指标的组合。
具体地，对账户抽象化特征指标集合中的各个账户数字化特征指标与账户数字化特征指标集合中的各个账户数字化特征指标建立对应关系，即一个账户数字化特征指标有对应的账户数字化特征指标，得到对应关系集合，即已经将账户抽象化特征指标集合和账户数字化特征指标集合融合，得到账户融合特征值集合。
步骤504，将账户融合特征值集合输入至账户资源确定模型，得到各账户资源指标确定描述信息。
具体地，将账户融合特征值集合中的各个目标账户的账户融合特征值输入至账户资源确定模型，通过账户资源确定模型对目标账户的资源现状的指标数值进行智能评价与分析，得到各个账户资源指标确定描述信息，如清偿比率、投资/净资产比率等。
本实施例中，通过建立账户抽象化特征指标与账户数字化特征指标之间的对应关系，并在各个对应关系均为正确的情况下，将数据输入至账户资源确定模型，能够确保账户的表现数据与账户的格式数据相匹配，减少了系统的报错率。
在一个实施例中，如图6所示，在将账户融合特征值集合输入至账户资源确定模型，得到各账户资源指标确定描述信息步骤之后，方法还包括：
步骤602，根据各账户资源指标确定描述信息，生成至少一种账户资源指标可视化图像。
其中，账户资源指标可视化图像可以是利用账户资源指标确定描述信息进行可视化展示的图像，可以是饼图、柱状图等。
具体地，根据各个账户资源指标确定描述信息的分布形式、类型以及数值数量级等参考因素，确定各个账户资源指标可视化图像对应的可视化图像类别；然后基于各个可视化图像类别，根据各个账户资源指标确定描述信息，生成各个账户资源指标可视化图像。
步骤604，对各账户资源指标确定描述信息进行语义调整，得到账户资源语义调整描述信息；以及对各账户资源指标确定描述信息进行语义标识，得到各账户资源语义标识描述信息。
其中，账户资源语义调整描述信息可以是账户资源指标确定描述信息中的描述文字经过语义调整后，用于描述账户资源情况的信息。
其中，账户资源语义标识描述信息可以是账户资源指标确定描述信息中的描述文字经过语义注释后，用于解释账户资源情况的信息。
具体地，对各个账户资源指标确定描述信息进行语义识别，提取出各个账户资源指标确定描述信息分别对应的多个语义识别词组；将多个语义识别词组的顺序进行调整，得到经过语义调整的各个账户资源语义调整描述信息。以及，在对各个账户资源指标确定描述信息进行语义识别，提取出各个账户资源指标确定描述信息分别对应的多个语义识别词组的情况下，对需要添加注释的各个语义识别词组分别添加语义注释，得到各账户资源语义标识描述信息。
步骤606，将账户资源语义调整描述信息、各账户资源语义标识描述信息以及各账户资源指标可视化图像进行匹配，得到账户资源指标分析报告。
其中，账户资源指标分析报告可以是直观地表示账户资源指标确定描述信息的文字图标报告。
具体地，由于针对账户资源语义调整描述信息中的各个语义识别词组具有对应的资源语义标识描述信息，因此，均以账户资源语义调整描述信息为基础，语义识别词组为信息指引，将语义识别词组与对应的资源语义标识描述信息进行配对，得到各配对账户资源描述信息。对于各个账户资源指标可视化图像，均执行根据原来的各个账户资源指标确定描述信息生成的账户资源指标可视化图像的图文对应关系，在确定至少一个配对账户资源描述信息与账户资源指标可视化图像为同一个整体的情况下，构建各个配对账户资源描述信息与账户资源指标可视化图像的映射关系，得到账户资源指标分析报告。
本实施例中，通过对账户资源指标确定描述信息以图表的形式进行展示，对账户资源指标确定描述信息中的各个语义识别词顺序进行调整，并且对部分语义识别词注释或提示，能够使得用户理解到账户资源指标分析报告的表达含义，提高了账户资源确定方法的实际转化率。
在一个实施例中，如图7所示，将账户资源语义调整描述信息、各账户资源语义标识描述信息以及各账户资源指标可视化图像进行匹配，得到账户资源指标分析报告，包括：
步骤702，将账户资源语义调整描述信息与各账户资源语义标识描述信息进行配对，得到各配对账户资源描述信息。
其中，配对账户资源描述信息可以是账户资源语义调整描述信息的语义识别词组已经与账户资源语义标识描述信息配对成功的组合。
具体地，由于针对账户资源语义调整描述信息中的各个语义识别词组具有对应的资源语义标识描述信息，因此，均以账户资源语义调整描述信息为基础，语义识别词组为信息指引，将语义识别词组与对应的资源语义标识描述信息进行配对，得到各配对账户资源描述信息。
步骤704，针对任一账户资源指标可视化图像，根据各账户资源指标确定描述信息的图文对应关系，建立至少一个配对账户资源描述信息与账户资源指标可视化图像的映射关系，得到账户资源指标分析报告。
其中，图文对应关系可以是账户资源指标可视化图像中文字和图标之间的对应关系。
具体地，对于各个账户资源指标可视化图像，均执行根据原来的各个账户资源指标确定描述信息生成的账户资源指标可视化图像的图文对应关系，在确定至少一个配对账户资源描述信息与账户资源指标可视化图像为同一个整体的情况下，构建各个配对账户资源描述信息与账户资源指标可视化图像的映射关系，得到账户资源指标分析报告。
本实施例中，通过构建各个配对账户资源描述信息与账户资源指标可视化图像之间的映射关系，能够确保任意一个账户资源指标可视化图像均有对应的语义识别词组以及该词组的账户资源语义标识描述信息，使得账户资源指标分析报告更通俗易懂，提高了人机交互的效率。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的账户资源确定方法的一种账户资源确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个账户资源确定装置实施例中的具体限定可以参见上文中对于一种账户资源确定方法的限定，在此不再赘述。
在一个实施例中，如图8所示，提供了一种账户资源确定装置，包括：账户数据获取模块802、期望值确定模块804、评分数据确定模块806、描述数据确定模块808和分析数值计算模块810，其中：
账户数据获取模块802，用于获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；
期望值确定模块804，用于根据账户资源调度数据以及账户特性信息数据，确定目标账户对应的账户资源交互期望值；
评分数据确定模块806，用于根据账户资源调度数据以及账户资源交互期望值，确定目标账户对应的账户风险评分数据；
描述数据确定模块808，用于根据资源变化描述数据，确定目标账户对应的账户资源交互变化描述数据；
分析数值计算模块810，用于将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据输入至账户资源确定模型，得到目标账户对应的各账户资源指标确定描述信息。
在一个实施例中，分析数值计算模块810，还用于将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行抽象化处理，得到账户抽象化数据集合；将账户资源调度数据、账户特性信息数据、账户资源交互期望值、账户风险评分数据以及账户资源交互变化描述数据进行数字化处理，得到账户数字化数据集合；将账户抽象化数据集合以及账户数字化数据集合输入至账户资源确定模型，得到各账户资源指标确定描述信息。
在一个实施例中，分析数值计算模块810，还用于对账户抽象化数据集合的各账户抽象化数据提取特征设置指标，得到账户抽象化特征指标集合；对账户数字化数据集合的各账户数字化数据提取特征设置指标，得到账户数字化特征指标集合；将账户抽象化特征指标集合以及账户数字化特征指标集合输入至账户资源确定模型，得到各账户资源指标确定描述信息。
在一个实施例中，分析数值计算模块810，还用于将账户抽象化特征指标集合以及账户数字化特征指标集合进行融合，得到账户融合特征值集合；将账户融合特征值集合输入至账户资源确定模型，得到各账户资源指标确定描述信息。
在一个实施例中，分析数值计算模块810，还用于根据各账户资源指标确定描述信息，生成至少一种账户资源指标可视化图像；对各账户资源指标确定描述信息进行语义调整，得到账户资源语义调整描述信息；以及对各账户资源指标确定描述信息进行语义标识，得到各账户资源语义标识描述信息；将账户资源语义调整描述信息、各账户资源语义标识描述信息以及各账户资源指标可视化图像进行匹配，得到账户资源指标分析报告。
在一个实施例中，分析数值计算模块810，还用于将账户资源语义调整描述信息与各账户资源语义标识描述信息进行配对，得到各配对账户资源描述信息；针对任一账户资源指标可视化图像，根据各账户资源指标确定描述信息的图文对应关系，建立至少一个配对账户资源描述信息与账户资源指标可视化图像的映射关系，得到账户资源指标分析报告。
上述一种账户资源确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储服务器数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种账户资源确定方法。
本领域技术人员可以理解，图9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，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种账户资源确定方法，其特征在于，所述方法包括：
获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；
根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；
根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；
根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；
将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息，包括：
将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据进行抽象化处理，得到账户抽象化数据集合；
将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据进行数字化处理，得到账户数字化数据集合；
将所述账户抽象化数据集合以及所述账户数字化数据集合输入至所述账户资源确定模型，得到各所述账户资源指标确定描述信息。
3.根据权利要求2所述的方法，其特征在于，所述将所述账户抽象化数据集合以及所述账户数字化数据集合输入至所述账户资源确定模型，得到各所述账户资源指标确定描述信息，包括：
对所述账户抽象化数据集合的各账户抽象化数据提取特征设置指标，得到账户抽象化特征指标集合；
对所述账户数字化数据集合的各账户数字化数据提取特征设置指标，得到账户数字化特征指标集合；
将所述账户抽象化特征指标集合以及所述账户数字化特征指标集合输入至所述账户资源确定模型，得到各所述账户资源指标确定描述信息。
4.根据权利要求3所述的方法，其特征在于，所述将所述账户抽象化特征指标集合以及所述账户数字化特征指标集合输入至所述账户资源确定模型，得到各所述账户资源指标确定描述信息，包括：
将所述账户抽象化特征指标集合以及所述账户数字化特征指标集合进行融合，得到账户融合特征值集合；
将所述账户融合特征值集合输入至所述账户资源确定模型，得到各所述账户资源指标确定描述信息。
5.根据权利要求4所述的方法，其特征在于，各所述账户资源指标确定描述信息包括各账户资源指标确定描述信息以及各账户资源指标确定描述信息；在所述将所述账户融合特征值集合输入至所述账户资源确定模型，得到各所述账户资源指标确定描述信息步骤之后，所述方法还包括：
根据各所述账户资源指标确定描述信息，生成至少一种账户资源指标可视化图像；
对各所述账户资源指标确定描述信息进行语义调整，得到账户资源语义调整描述信息；以及对各所述账户资源指标确定描述信息进行语义标识，得到各账户资源语义标识描述信息；
将所述账户资源语义调整描述信息、各账户资源语义标识描述信息以及各所述账户资源指标可视化图像进行匹配，得到账户资源指标分析报告。
6.根据权利要求5所述的方法，其特征在于，所述将所述账户资源语义调整描述信息、各账户资源语义标识描述信息以及各所述账户资源指标可视化图像进行匹配，得到账户资源指标分析报告，包括：
将所述账户资源语义调整描述信息与各账户资源语义标识描述信息进行配对，得到各配对账户资源描述信息；
针对任一所述账户资源指标可视化图像，根据各所述账户资源指标确定描述信息的图文对应关系，建立至少一个所述配对账户资源描述信息与所述账户资源指标可视化图像的映射关系，得到所述账户资源指标分析报告。
7.一种账户资源确定装置，其特征在于，所述装置包括：
账户数据获取模块，用于获取目标账户对应的账户资源调度数据、账户特性信息数据以及资源变化描述数据；
期望值确定模块，用于根据所述账户资源调度数据以及所述账户特性信息数据，确定所述目标账户对应的账户资源交互期望值；
评分数据确定模块，用于根据所述账户资源调度数据以及所述账户资源交互期望值，确定所述目标账户对应的账户风险评分数据；
描述数据确定模块，用于根据所述资源变化描述数据，确定所述目标账户对应的账户资源交互变化描述数据；
分析数值计算模块，用于将所述账户资源调度数据、所述账户特性信息数据、所述账户资源交互期望值、所述账户风险评分数据以及所述账户资源交互变化描述数据输入至账户资源确定模型，得到所述目标账户对应的各账户资源指标确定描述信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202310688205.2A 2023-06-12 2023-06-12 账户资源确定方法、装置、计算机设备和存储介质 Pending CN116934001A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310688205.2A CN116934001A (zh) 2023-06-12 2023-06-12 账户资源确定方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310688205.2A CN116934001A (zh) 2023-06-12 2023-06-12 账户资源确定方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116934001A true CN116934001A (zh) 2023-10-24

Family

ID=88390286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310688205.2A Pending CN116934001A (zh) 2023-06-12 2023-06-12 账户资源确定方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116934001A (zh)

Similar Documents

Publication Publication Date Title
US7930242B2 (en) Methods and systems for multi-credit reporting agency data modeling
CN113095408A (zh) 风险的确定方法、装置和服务器
US20230004979A1 (en) Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium
CN110634060A (zh) 一种用户信用风险的评估方法、系统、装置及存储介质
CN113313538A (zh) 用户消费能力预测方法、装置、电子设备和存储介质
CN112070559A (zh) 状态获取方法和装置、电子设备和存储介质
CN118429020A (zh) 商家推荐方法、装置、计算机设备、存储介质和程序产品
CN117217172B (zh) 表格信息获取方法、装置、计算机设备、存储介质
CN113724064B (zh) 基于人工智能的参数确定方法、装置、电子设备
CN115563176A (zh) 一种电子商务数据处理系统及方法
CN116934001A (zh) 账户资源确定方法、装置、计算机设备和存储介质
CN114529402A (zh) 一种基于大数据风控的信贷管理方法、设备及介质
CN114495137A (zh) 票据异常检测模型生成方法与票据异常检测方法
CN114170000A (zh) 信用卡用户风险类别识别方法、装置、计算机设备和介质
CN113469819A (zh) 基金产品的推荐方法、相关装置及计算机存储介质
CN115689779B (zh) 一种基于云端信用决策的用户风险预测方法及系统
CN114969543B (zh) 推广方法、系统、电子设备和存储介质
CN118469516A (zh) 业务数据管理方法、装置、计算机设备、可读存储介质和程序产品
CN115375454A (zh) 用户数据处理方法、装置、计算机设备、存储介质
CN115564561A (zh) 企业数据处理方法、装置和计算机设备
CN117575772A (zh) 一种异常用户的检测方法、装置、计算机设备、存储介质
CN118446806A (zh) 授信数据处理方法、装置、计算机设备和存储介质
CN117094828A (zh) 金融产品推荐方法、装置、计算机设备和存储介质
CN118536083A (zh) 用户信用评分方法、装置、计算机设备、可读存储介质和程序产品
Polam Sales and Logistics Analysis in E-Commerce using Machine Learning Models: UK

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