CN116993510A - 基于自然语言的理财产品上线方法、装置、设备及介质 - Google Patents
基于自然语言的理财产品上线方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116993510A CN116993510A CN202310961929.XA CN202310961929A CN116993510A CN 116993510 A CN116993510 A CN 116993510A CN 202310961929 A CN202310961929 A CN 202310961929A CN 116993510 A CN116993510 A CN 116993510A
- Authority
- CN
- China
- Prior art keywords
- financial
- rule
- natural language
- detail
- rules
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 29
- 238000012706 support-vector machine Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012916 structural analysis Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 238000004904 shortening Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例提供了一种基于自然语言的理财产品上线方法、装置、设备及介质,属于金融科技技术领域。其中方法包括:采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;从规则库中查找与所述指令匹配的多个理财规则;获取各所述理财规则的理财规则明细;对各所述理财规则明细进行预处理,以得到各修正理财规则明细;根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品,从而缩短银行业务的理财产品的上线流程,减少理财产品的上线所耗的时间和人力。
Description
技术领域
本申请涉及金融科技技术领域,尤其涉及一种基于自然语言的理财产品上线方法、装置、设备及介质。
背景技术
目前银行业务需要持续上线新的理财产品,但是新的理财产品上线需要业务侧、开发侧、测试侧合作参与,且新的理财产品上线需要关联多个配置化平台操作,配置化平台操作可以包括客群标签系统、事件中心、任务中心、理财产品配置平台、和前端块站组件等。现有技术中,新理财产品的上线需要多方参与且整体流程较长,耗时耗力,急切需要一个智能自动化上线平台解决银行业务的新产品上线需求。
发明内容
为了解决上述技术问题,本申请实施例提供了一种基于自然语言的理财产品上线方法、装置、设备及介质。
第一方面,本申请实施例提供了一种基于自然语言的理财产品上线方法,所述方法包括:
采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;
从规则库中查找与所述指令匹配的多个理财规则;
获取各所述理财规则的理财规则明细;
对各所述理财规则明细进行预处理,以得到各修正理财规则明细;
根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
在一实施方式中,所述采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令,包括:
采用自然语言模型对自然语言理财内容进行语法分析处理或分类处理,得到用户理财需求;
根据所述用户理财需求确定所述指令。
在一实施方式中,所述自然语言模型包括词向量模型及支持向量机分类器;
采用自然语言模型对自然语言理财内容进行分类处理,得到用户理财需求,包括:
采用所述词向量模型将所述自然语言理财内容转换为向量表示;采用所述支持向量机分类器对所述向量表示进行分类,以得到用户理财需求。
在一实施方式中,所述自然语言模型包括词法分析器、语法分析器及机器学习模型;
所述采用自然语言模型对自然语言理财内容进行语法分析处理,得到用户理财需求,包括:
采用所述词法分析器或所述语法分析器对所述自然语言理财内容进行结构分析,得到语句结构分析结果;采用所述机器学习模型基于所述语句结构分析结果对所述自然语言理财内容进行识别,得到所述用户理财需求。
在一实施方式中,所述获取各所述理财规则的理财规则明细,包括:
从数据源中获取规则ID表;
通过所述规则ID表调用规则明细接口,以得到各所述理财规则明细。
在一实施方式中,所述对各所述理财规则明细进行预处理,得到各修正理财规则明细,包括:
对各所述理财规则明细进行数据格式转换处理,得到各修正理财规则明细。
在一实施方式中,所述对各所述理财规则明细进行预处理,得到各修正理财规则明细,包括:
对各所述理财规则明细进行数据筛选处理,得到各修正理财规则明细。
在一实施方式中,所述对各所述理财规则明细进行预处理,得到各修正理财规则明细,包括:
对各所述理财规则明细进行数据排序处理,得到各修正理财规则明细。
在一实施方式中,所述根据所述多个理财规则生成组合规则,包括:
确定各所述理财规则的规则属性;
根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则。
在一实施方式中,所述规则属性包括文本、数值及布尔值。
在一实施方式中,所述多个理财规则包括购买规则、收益规则、赎回规则、到账规则;
所述根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则,包括:
确定所述规则属性的逻辑运算符,采用所述逻辑运算符将所述购买规则、所述收益规则、所述赎回规则及所述到账规则进行组合,得到所述组合规则。
在一实施方式中,所述根据所述组合规则及多个所述修正理财规则明细构建理财产品,包括:
根据各所述修正理财规则明细获取各所述理财规则对应的前端样式;
按照所述组合规则将多个所述前端样式进行组合,得到所述理财产品。
第二方面,本申请实施例提供了一种基于自然语言的理财产品上线装置,所述装置包括:
解析模块,用于采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;
查找模块,用于从规则库中查找与所述指令匹配的多个理财规则;
获取模块,用于获取各所述理财规则的理财规则明细;
处理模块,用于对各所述理财规则明细进行预处理,以得到各修正理财规则明细;
生成模块,用于根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
第三方面,本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器运行时执行第一方面提供的基于自然语言的理财产品上线方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行第一方面提供的基于自然语言的理财产品上线方法。
上述本申请提供的基于自然语言的理财产品上线方法、装置、设备及介质,采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;从规则库中查找与所述指令匹配的多个理财规则;获取各所述理财规则的理财规则明细;对各所述理财规则明细进行预处理,以得到各修正理财规则明细;根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品,从而缩短银行业务的理财产品的上线流程,减少理财产品的上线所耗的时间和人力。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的基于自然语言的理财产品上线方法的一流程示意图;
图2示出了本申请实施例提供的基于自然语言的理财产品上线方法的另一流程示意图;
图3示出了本申请实施例提供的基于自然语言的理财产品上线方法的另一流程示意图;
图4示出了本申请实施例提供的基于自然语言的理财产品上线方法的另一流程示意图;
图5示出了本申请实施例提供的基于自然语言的理财产品上线方法的另一流程示意图;
图6示出了本申请实施例提供的基于自然语言的理财产品上线装置的一结构示意图;
图7示出了本申请实施例提供的电子设备的一结构示意图。
图标:600:基于自然语言的理财产品上线装置;601:解析模块;602:查找模块;603:获取模块;604:处理模块;605:生成模块;700:电子设备;701:收发机;702:处理器;703:存储器。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
实施例1
本申请实施例提供了一种基于自然语言的理财产品上线方法,能缩短银行业务的理财产品的上线流程,减少理财产品的上线所耗的时间和人力。
参见图1,基于自然语言的理财产品上线方法包括:
步骤S101,采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令。
在本实施例中,采用自然语言模型可以包括预先训练好的词向量模型、支持向量机分类器、词法分析器、语法分析器及机器学习模型等,在此不做限制。自然语言理财内容为用户输入的文本内容,该自然语言理财内容包括理财产品名称及交易规则。例如,理财产品名称包括:日日安、月月安及理财债券,例如,交易规则包括:0手续费、T+1到账、实时到账,其中,T表示当日,T+1表示第二天。
在本实施例中,采用自然语言模型对自然语言理财内容进行解析处理,将自然语言理财内容转换为计算机可以理解的形式,该形式可以包括:结构化文本,如表格、数据库等,版结构化文本:如XML、HTML文件等,非结构化文本:如自然语言文本、图像、音频等。采用自然语言模型识别自然语言理财内容对应的意图及上下文,基于识别到的意图及上下文确定指令。示范性的,该指令可以为理财产品的名称属性及交易规则,例如,理财产品的名称属性可以为日日安、月月安、理财债券等,交易规则可以为:0手续费、T+1到账、实时到账,收益率规则:年化利率等。
参见图2,步骤S101包括:
步骤S1011,采用自然语言模型对自然语言理财内容进行语法分析处理或分类处理,得到用户理财需求。
在本实施例中,采用自然语言模型对自然语言理财内容进行语法分析处理或分类处理,得到用户意图及上下文,从而基于用户意图及上下文确定用户理财需求。
在一实施方式中,所述自然语言模型包括词向量模型、支持向量机分类器、词法分析器、语法分析器及机器学习模型。
示范性的,所述自然语言模型包括词向量模型及支持向量机分类器,步骤S1011包括:
采用所述词向量模型将所述自然语言理财内容转换为向量表示;
采用所述支持向量机分类器对所述向量表示进行分类,以得到用户理财需求。
示范性的,支持向量机分类器的获取包括以下步骤:1.特征提取:从原始文本中提取有用的特征,例如,基于词袋模型、TF-IDF、词向量等从原始文本中提取有用特征。2.特征选择:选择最具有区分性的特征,以提高支持向量机分类器的准确性和效率。3.模型训练:使用标注好的数据集来训练支持向量机分类器。4.模型优化:根据评估结果对支持向量机分类器进行优化,例如调整超参数、增加训练数据等。5.模型应用:将训练好的支持向量机分类器应用于实际场景中,例如对用户输入的文本进行分类、情感分析等。
示范性的,可以使用词向量模型将用户输入的文本转换为向量表示,然后使用支持向量机(SVM)分类器来预测用户的理财需求。具体步骤如下:1.收集用户输入的文本数据,例如用户在理财产品中输入的问题或需求。2.对用户输入的文本数据进行预处理,例如去除停用词、分词、词干提取等。3.使用词向量模型将文本转换为向量表示,例如,词向量模型为Word2Vec或GloVe模型。4.将向量表示的文本特征作为输入,使用支持向量机(SVM)分类器来预测用户理财需求。对分类器模型进行评估和优化,例如使用交叉验证、调整超参数等。
示范性的,所述自然语言模型包括词法分析器、语法分析器及机器学习模型,步骤S1011包括:
采用所述词法分析器或所述语法分析器对所述自然语言理财内容进行结构分析,得到语句结构分析结果;
采用所述机器学习模型基于所述语句结构分析结果对所述自然语言理财内容进行识别,得到所述用户理财需求。
在本实施例中,使用词法分析器来将输入的自然语言理财内容分解成单词或标记,例如将句子分解成单词、标点符号和其他符号。这些单词和标记将被用于后续的语法分析器和机器学习模型。还可以使用语法分析器来识别输入自然语言理财内容的语言结构,例如句子的主语、谓语和宾语。语法分析器可以使用自然语言处理技术,例如上下文无关文法(CFG)或依存句法分析器,来分析输入文本的语法结构。
在本实施例中,使用机器学习模型来识别输入的自然语言理财内容的意图和上下文。该机器学习模型可以通过训练一个分类器来实现,其训练数据可以是已标注的文本数据,例如已分类的电子邮件或社交媒体帖子。该机器学习模型可以使用词向量或其他自然语言处理技术来提取文本特征,并使用这些特征来预测文本的意图和上下文。该机器学习模型还可以使用上下文分析技术来识别输入文本的上下文信息,例如文本的时间、地点、情感和主题,例如命名实体识别器或情感分析器来获取上下文信息,从而获取用户理财需求。
步骤S1012,根据所述用户理财需求确定所述指令。
例如,若用户理财需求为理财债券、0手续费、实时到账,则基于理财债券、0手续费、实时到账生成对应的理财债券指令、0手续费指令、实时到账指令,也可以有其他指令,在此不做限制。
步骤S102,从规则库中查找与所述指令匹配的多个理财规则。
在本实施例中,可以预先存储多个理财规则,多个理财规则可以包括:含购买规则、收益规则、赎回规则、到账规则等,在此不做限制。根据识别出的指令进行文本匹配理财规则的名称,系统自动转换为需要使用的规则记录。
步骤S103,获取各所述理财规则的理财规则明细。
例如,购买规则对应有购买规则明细,收益规则对应有收益规则明细,赎回规则对应有赎回规则明细,到账规则对应有到账规则明细,在此不做限制。
参见图3,步骤S103包括:
步骤S1031,从数据源中获取规则ID表;
步骤S1032,通过所述规则ID表调用规则明细接口,以得到各所述理财规则明细。
示范性的,规则ID列表包括理财产品例如日日安、月月安、理财债券等的交易规则ID,及各交易规则的具体内容,例如:0手续费、T+1到账、实时到账、收益率规则等。
示范性的,从数据库或其他数据源中获取到规则ID列表,通过规则ID调用规则明细接口,拿到相应的购买规则明细、收益规则明细、赎回规则明细、到账规则明细等。
步骤S104,对各所述理财规则明细进行预处理,以得到各修正理财规则明细。
在本实施例中,预处理包括数据格式转换、数据筛选及数据排序等操作,其中,数据格式转换包括:属性的缺失值处理、异常值处理及重复值处理。数据筛选包括:剔除已经失效的规则记录。数据排序:按照创建时间、评分高低进行理财产品的规则明细的排序。
在一实施方式中,步骤S104包括:
对各所述理财规则明细进行数据格式转换处理,得到各修正理财规则明细。
示范性的,对各所述理财规则明细进行属性的缺失值处理、异常值处理及重复值处理,得到各修正理财规则明细。
在一实施方式中,步骤S104包括:
对各所述理财规则明细进行数据筛选处理,得到各修正理财规则明细。
示范性的,对各理财规则明细剔除已经失效的规则记录,得到各修正理财规则明细。
在一实施方式中,步骤S104包括:
对各所述理财规则明细进行数据排序处理,得到各修正理财规则明细。
示范性,按照创建时间、评分高低进行理财规则明细的排序处理,得到各理财规则明细。需要说明的是,可以对理财规则明细依次进行数据格式转换处理、数据筛选处理及数据排序处理,得到最终的修正理财规则明细。
步骤S105,根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
在本实施例中,可以根据购买规则、收益规则、赎回规则、到账规则等条件,设计合适的组合规则,将不同的理财产品属性拼接成一个完整的理财产品。
参见图4,步骤S105中的根据所述多个理财规则生成组合规则,包括:
步骤S1051,确定各所述理财规则的规则属性。
在一实施方式中,规则属性包括文本、数值及布尔值。购买规则的规则属性对应有文本、数值及布尔值,收益规则的规则属性对应有文本、数值及布尔值,赎回规则的规则属性对应有文本、数值及布尔值,到账规则对应有文本、数值及布尔值,在此不做限制。
步骤S1052,根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则。
示范性的,先确认理财规则的属性,这些属性可以是文本、数值、布尔值,确认组合方式,可以使用逻辑运算符(如AND、OR)将购买规则、收益规则、赎回规则、到账规则组合起来,也可以使用数据库的表关联关系,将购买规则、收益规则、赎回规则、到账规则进行关联关系的绑定。例如使用JAVA代码开发关联关系的增删改查代码实现组合的绑定。
示范性的,所述多个理财规则包括购买规则、收益规则、赎回规则、到账规则;步骤S1052,包括:
确定所述规则属性的逻辑运算符,采用所述逻辑运算符将所述购买规则、所述收益规则、所述赎回规则及所述到账规则进行组合,得到所述组合规则。
这样,可以快速得到组合规则,提供运算效率。
参见图5,步骤S105中的根据所述组合规则及多个所述修正理财规则明细构建理财产品,包括:
步骤S1053,根据各所述修正理财规则明细获取各所述理财规则对应的前端样式;
步骤S1054,按照所述组合规则将多个所述前端样式进行组合,得到所述理财产品。
示范性的,在银行APP中理财产品购买模块展示的时候,会自动调用可展示的理财产品接口,将已经发布完成的理财产品同步展示到理财产品购买模块上。
本实施例中提供的基于自然语言的理财产品上线方法,通过自然语言技术自动化处理业务需求,达到活动自动化快速上线理财产品的业务目标;提高业务活动上线效率和降低了业务活动的人力成本。机器学习模型可以实现理财规则不断的迭代和优化,帮助活动的业务目标达成。
本实施例提供的基于自然语言的理财产品上线方法,采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;从规则库中查找与所述指令匹配的多个理财规则;获取各所述理财规则的理财规则明细;对各所述理财规则明细进行预处理,以得到各修正理财规则明细;根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品,从而缩短银行业务的理财产品的上线流程,减少理财产品的上线所耗的时间和人力。
实施例2
此外,本申请实施例提供了一种基于自然语言的理财产品上线装置,应用于电子设备。
如图6所示,基于自然语言的理财产品上线装置600包括:
解析模块601,用于采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;
查找模块602,用于从规则库中查找与所述指令匹配的多个理财规则;
获取模块603,用于获取各所述理财规则的理财规则明细;
处理模块604,用于对各所述理财规则明细进行预处理,以得到各修正理财规则明细;
生成模块605,用于根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
在一实施方式中,解析模块601,还用于采用自然语言模型对自然语言理财内容进行语法分析处理或分类处理,得到用户理财需求;
根据所述用户理财需求确定所述指令。
在一实施方式中,所述自然语言模型包括词向量模型及支持向量机分类器,解析模块601,还用于采用所述词向量模型将所述自然语言理财内容转换为向量表示;
采用所述支持向量机分类器对所述向量表示进行分类,以得到用户理财需求。
在一实施方式中,所述自然语言模型包括词法分析器、语法分析器及机器学习模型;
解析模块601,还用于采用所述词法分析器或所述语法分析器对所述自然语言理财内容进行结构分析,得到语句结构分析结果;
采用所述机器学习模型基于所述语句结构分析结果对所述自然语言理财内容进行识别,得到所述用户理财需求。
采用所述词法分析器或所述语法分析器对所述自然语言理财内容进行结构分析,得到语句结构分析结果;采用所述机器学习模型基于所述语句结构分析结果对所述自然语言理财内容进行识别,得到所述用户理财需求。
在一实施方式中,获取模块603,还用于从数据源中获取规则ID表;
通过所述规则ID表调用规则明细接口,以得到各所述理财规则明细。
在一实施方式中,处理模块604,还用于对各所述理财规则明细进行数据格式转换处理,得到各修正理财规则明细。
在一实施方式中,处理模块604,还用于对各所述理财规则明细进行数据筛选处理,得到各修正理财规则明细。
在一实施方式中,处理模块604,还用于对各所述理财规则明细进行数据排序处理,得到各修正理财规则明细。
在一实施方式中,生成模块605,还用于确定各所述理财规则的规则属性;
根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则。
在一实施方式中,所述规则属性包括文本、数值及布尔值。
在一实施方式中,所述多个理财规则包括购买规则、收益规则、赎回规则、到账规则;
生成模块605,还用于确定所述规则属性的逻辑运算符,采用所述逻辑运算符将所述购买规则、所述收益规则、所述赎回规则及所述到账规则进行组合,得到所述组合规则。
在一实施方式中,生成模块605,还用于根据各所述修正理财规则明细获取各所述理财规则对应的前端样式;
按照所述组合规则将多个所述前端样式进行组合,得到所述理财产品。
本实施例提供的基于自然语言的理财产品上线装置600可以实现实施例1所提供的基于自然语言的理财产品上线方法,为避免重复,在此不再赘述。
本实施例提供的基于自然语言的理财产品上线装置,采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;从规则库中查找与所述指令匹配的多个理财规则;获取各所述理财规则的理财规则明细;对各所述理财规则明细进行预处理,以得到各修正理财规则明细;根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品,从而缩短银行业务的理财产品的上线流程,减少理财产品的上线所耗的时间和人力。
实施例3
此外,本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行实施例1所提供的基于自然语言的理财产品上线方法。
具体的,参见图7,所述电子设备700包括:收发机701、总线接口及处理器702,所述处理器702,用于:采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;
从规则库中查找与所述指令匹配的多个理财规则;
获取各所述理财规则的理财规则明细;
对各所述理财规则明细进行预处理,以得到各修正理财规则明细;
根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
在一实施方式中,所述处理器702还用于:采用自然语言模型对自然语言理财内容进行语法分析处理或分类处理,得到用户理财需求;
根据所述用户理财需求确定所述指令。
在一实施方式中,所述处理器702还用于:采用所述词向量模型将所述自然语言理财内容转换为向量表示;
采用所述支持向量机分类器对所述向量表示进行分类,以得到用户理财需求。
在一实施方式中,所述处理器702还用于:采用所述词法分析器或所述语法分析器对所述自然语言理财内容进行结构分析,得到语句结构分析结果;
采用所述机器学习模型基于所述语句结构分析结果对所述自然语言理财内容进行识别,得到所述用户理财需求。
在一实施方式中,所述处理器702还用于:从数据源中获取规则ID表;
通过所述规则ID表调用规则明细接口,以得到各所述理财规则明细。
在一实施方式中,所述处理器702还用于:对各所述理财规则明细进行数据格式转换处理,得到各修正理财规则明细。
在一实施方式中,所述处理器702还用于:对各所述理财规则明细进行数据筛选处理,得到各修正理财规则明细。
在一实施方式中,所述处理器702还用于:对各所述理财规则明细进行数据排序处理,得到各修正理财规则明细。
在一实施方式中,所述处理器702还用于:确定各所述理财规则的规则属性;
根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则。
在一实施方式中,所述规则属性包括文本、数值及布尔值。
在一实施方式中,所述多个理财规则包括购买规则、收益规则、赎回规则、到账规则;所述处理器702还用于:确定所述规则属性的逻辑运算符,采用所述逻辑运算符将所述购买规则、所述收益规则、所述赎回规则及所述到账规则进行组合,得到所述组合规则。
在一实施方式中,所述处理器702还用于:根据各所述修正理财规则明细获取各所述理财规则对应的前端样式;
按照所述组合规则将多个所述前端样式进行组合,得到所述理财产品。
在本申请实施例中,电子设备700还包括:存储器703。在图7中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器702代表的一个或多个处理器和存储器703代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机701可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。处理器702负责管理总线架构和通常的处理,存储器703可以存储处理器702在执行操作时所使用的数据。
本申请实施例提供的电子设备700,可以执行上述方法实施例1所提供的基于自然语言的理财产品上线方法的步骤,为避免重复,在此不再赘述。
本实施例提供的电子设备,采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;从规则库中查找与所述指令匹配的多个理财规则;获取各所述理财规则的理财规则明细;对各所述理财规则明细进行预处理,以得到各修正理财规则明细;根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品,从而缩短银行业务的理财产品的上线流程,减少理财产品的上线所耗的时间和人力。
实施例4
本申请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上存储计算机程序,所述计算机程序被处理器执行时实现实施例1所提供的基于自然语言的理财产品上线方法。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本实施例提供的计算机可读存储介质可以实现实施例1所提供的基于自然语言的理财产品上线方法,为避免重复,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (15)
1.一种基于自然语言的理财产品上线方法,其特征在于,所述方法包括:
采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;
从规则库中查找与所述指令匹配的多个理财规则;
获取各所述理财规则的理财规则明细;
对各所述理财规则明细进行预处理,以得到各修正理财规则明细;
根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
2.根据权利要求1所述的方法,其特征在于,所述采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令,包括:
采用自然语言模型对自然语言理财内容进行语法分析处理或分类处理,得到用户理财需求;
根据所述用户理财需求确定所述指令。
3.根据权利要求2所述的方法,其特征在于,所述自然语言模型包括词向量模型及支持向量机分类器;
采用自然语言模型对自然语言理财内容进行分类处理,得到用户理财需求,包括:
采用所述词向量模型将所述自然语言理财内容转换为向量表示;
采用所述支持向量机分类器对所述向量表示进行分类,以得到用户理财需求。
4.根据权利要求2所述的方法,其特征在于,所述自然语言模型包括词法分析器、语法分析器及机器学习模型;
所述采用自然语言模型对自然语言理财内容进行语法分析处理,得到用户理财需求,包括:
采用所述词法分析器或所述语法分析器对所述自然语言理财内容进行结构分析,得到语句结构分析结果;
采用所述机器学习模型基于所述语句结构分析结果对所述自然语言理财内容进行识别,得到所述用户理财需求。
5.根据权利要求1所述的方法,其特征在于,所述获取各所述理财规则的理财规则明细,包括:
从数据源中获取规则ID表;
通过所述规则ID表调用规则明细接口,以得到各所述理财规则明细。
6.根据权利要求1所述的方法,其特征在于,所述对各所述理财规则明细进行预处理,得到各修正理财规则明细,包括:
对各所述理财规则明细进行数据格式转换处理,得到各修正理财规则明细。
7.根据权利要求1所述的方法,其特征在于,所述对各所述理财规则明细进行预处理,得到各修正理财规则明细,包括:
对各所述理财规则明细进行数据筛选处理,得到各修正理财规则明细。
8.根据权利要求1所述的方法,其特征在于,所述对各所述理财规则明细进行预处理,得到各修正理财规则明细,包括:
对各所述理财规则明细进行数据排序处理,得到各修正理财规则明细。
9.根据权利要求1所述的方法,其特征在于,所述根据所述多个理财规则生成组合规则,包括:
确定各所述理财规则的规则属性;
根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则。
10.根据权利要求9所述的方法,其特征在于,所述规则属性包括文本、数值及布尔值。
11.根据权利要求9所述的方法,其特征在于,所述多个理财规则包括购买规则、收益规则、赎回规则、到账规则;
所述根据各所述理财规则的规则属性对所述多个理财规则进行关联关系的绑定,得到所述组合规则,包括:
确定所述规则属性的逻辑运算符,采用所述逻辑运算符将所述购买规则、所述收益规则、所述赎回规则及所述到账规则进行组合,得到所述组合规则。
12.根据权利要求9所述的方法,其特征在于,所述根据所述组合规则及多个所述修正理财规则明细构建理财产品,包括:
根据各所述修正理财规则明细获取各所述理财规则对应的前端样式;
按照所述组合规则将多个所述前端样式进行组合,得到所述理财产品。
13.一种基于自然语言的理财产品上线装置,其特征在于,所述装置包括:
解析模块,用于采用自然语言模型对自然语言理财内容进行解析处理,以得到所述自然语言理财内容对应的指令;
查找模块,用于从规则库中查找与所述指令匹配的多个理财规则;
获取模块,用于获取各所述理财规则的理财规则明细;
处理模块,用于对各所述理财规则明细进行预处理,以得到各修正理财规则明细;
生成模块,用于根据所述多个理财规则生成组合规则,根据所述组合规则及多个所述修正理财规则明细构建理财产品,并显示所述理财产品。
14.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行权利要求1至12中任一项所述的基于自然语言的理财产品上线方法。
15.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至12中任一项所述的基于自然语言的理财产品上线方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961929.XA CN116993510A (zh) | 2023-07-31 | 2023-07-31 | 基于自然语言的理财产品上线方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961929.XA CN116993510A (zh) | 2023-07-31 | 2023-07-31 | 基于自然语言的理财产品上线方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116993510A true CN116993510A (zh) | 2023-11-03 |
Family
ID=88533378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310961929.XA Pending CN116993510A (zh) | 2023-07-31 | 2023-07-31 | 基于自然语言的理财产品上线方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993510A (zh) |
-
2023
- 2023-07-31 CN CN202310961929.XA patent/CN116993510A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020660B (zh) | 使用人工智能(ai)技术的非结构化过程的完整性评估 | |
US11250033B2 (en) | Methods, systems, and computer program product for implementing real-time classification and recommendations | |
US11086601B2 (en) | Methods, systems, and computer program product for automatic generation of software application code | |
US20210224483A1 (en) | Ontology expansion using entity-association rules and abstract relations | |
US10705796B1 (en) | Methods, systems, and computer program product for implementing real-time or near real-time classification of digital data | |
US9990356B2 (en) | Device and method for analyzing reputation for objects by data mining | |
Leopold et al. | Supporting process model validation through natural language generation | |
Sagar et al. | Conceptual modeling of natural language functional requirements | |
US11474676B1 (en) | User interface for use with a search engine for searching financial related documents | |
CN110597964B (zh) | 一种双录质检语义分析方法、装置及双录质检系统 | |
US10467122B1 (en) | Methods, systems, and computer program product for capturing and classification of real-time data and performing post-classification tasks | |
US9058308B2 (en) | System and method for identifying text in legal documents for preparation of headnotes | |
US20190005029A1 (en) | Systems and methods for natural language processing of structured documents | |
CN103443787A (zh) | 用于标识文本关系的系统 | |
KR20220000436A (ko) | 빅데이터와 인공지능을 활용한 소셜 빅데이터 분석보고서 자동 제공 시스템 | |
CN111339284A (zh) | 产品智能匹配方法、装置、设备及可读存储介质 | |
CN111782793A (zh) | 智能客服处理方法和系统及设备 | |
Ko et al. | Automatic recommendation to omitted steps in use case specification | |
Quirchmayr et al. | Semi-automatic rule-based domain terminology and software feature-relevant information extraction from natural language user manuals: An approach and evaluation at Roche Diagnostics GmbH | |
Petukhova et al. | TextCL: A Python package for NLP preprocessing tasks | |
CN116993510A (zh) | 基于自然语言的理财产品上线方法、装置、设备及介质 | |
Vysotska et al. | Sentiment Analysis of Information Space as Feedback of Target Audience for Regional E-Business Support in Ukraine. | |
Zhou et al. | Auto-generation of class diagram from free-text functional specifications and domain ontology | |
Sneed | Requirement-based testing-extracting logical test cases from requirement documents | |
Tao et al. | Mining Pain Points from Hotel Online Comments Based on Sentiment Analysis |
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 |