CN117291518A - 业务处理方法、装置及计算机设备 - Google Patents
业务处理方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN117291518A CN117291518A CN202311057868.0A CN202311057868A CN117291518A CN 117291518 A CN117291518 A CN 117291518A CN 202311057868 A CN202311057868 A CN 202311057868A CN 117291518 A CN117291518 A CN 117291518A
- Authority
- CN
- China
- Prior art keywords
- service
- user
- terminal
- information
- membership
- 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
- 238000003672 processing method Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 38
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2337—Non-hierarchical techniques using fuzzy logic, i.e. fuzzy clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种业务处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,可用于金融领域中的业务处理流程。其中,该方法包括:获取预设周期内的业务数据以及用户信息,通过模糊聚类算法处理业务数据,根据得到的聚类中心和隶属函数可以确定用户类别,再根据用户类别向用户终端推送业务信息,通过采集并识别用户终端的语音信息,可以向终端提供与语音信息对应的业务。本方案可以根据历史业务数据划分用户类别,并向同类用户推送相近的业务信息,可以大大减少用户选择业务的时间,提高业务办理成功率。此外,还可以通过采集语音信息提供对应的业务,简化业务处理流程,提高业务办理效率。
Description
技术领域
本公开涉及人工智能领域,尤其涉及一种业务处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术
随着计算机技术的发展,线上业务办理逐渐取代了传统的线下办理方式。基于电子数据交换的便捷性,用户可以足不出户地办理诸多业务,而不必辗转于各部门的线下网点,节省了大量时间。
然而,由于业务场景和业务种类的不断丰富,用户不仅需要从海量的业务产品或服务中选取心仪的业务,还要适应越来越繁琐的业务处理流程,浪费大量时间。
发明内容
基于此,针对上述技术问题,提供一种业务处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。本公开的技术方案如下:
根据本公开实施例的一个方面,提供一种业务处理方法,包括:
获取预设周期内的业务数据以及所述业务数据对应的用户信息;
通过预设的模糊聚类算法对所述业务数据进行划分,得到聚类中心和隶属函数;
根据所述聚类中心和所述隶属函数对所述用户信息进行分类,得到多个用户类别;
根据所述用户类别,向所述用户信息对应的终端推送预设的业务信息;
采集并识别所述终端的语音信息,根据所述语音信息向所述终端提供对应的业务。
在其中一个实施例中,所述根据所述聚类中心和所述隶属函数对所述用户信息进行分类包括:
确定所述聚类中心的质心;
将所述用户信息对应的业务数据转化为轨迹点;
根据所述隶属函数,计算所述轨迹点对应于所述质心的隶属值;
根据所述隶属值对所述用户信息进行分类。
在其中一个实施例中,在根据所述隶属函数,计算所述轨迹点对应于所述质心的隶属值之后,还包括:
从所述轨迹点的隶属值中确定最高隶属值和次高隶属值;
计算所述最高隶属值与所述次高隶属值的差值;
在所述差值小于预设阈值的情况下,通过预设模型确定新的聚类中心;
基于所述新的聚类中心,根据所述隶属函数重新计算所述轨迹点的隶属值。
在其中一个实施例中,所述根据所述语音信息向所述终端提供对应的业务包括:
通过预设的隐马尔可夫模型提取所述语音信息中的关键词;
向所述终端提供与所述关键词对应的业务。
在其中一个实施例中,所述向所述终端提供与所述关键词对应的业务包括:
识别所述关键词对应的业务类型;
通过预设的消息传递方式向所述终端发送与所述业务类型对应的业务信息和业务办理接口。
在其中一个实施例中,所述消息传递方式为5G消息。
根据本公开实施例的另一方面,提供一种业务处理装置,包括:
数据获取模块,用于获取预设周期内的业务数据以及所述业务数据对应的用户信息;
数据划分模块,用于通过预设的模糊聚类算法对所述业务数据进行划分,得到聚类中心和隶属函数;
分类处理模块,用于根据所述聚类中心和所述隶属函数对所述用户信息进行分类,得到多个用户类别;
信息推送模块,用于根据所述用户类别,向所述用户信息对应的终端推送预设的业务信息;
业务处理模块,用于采集并识别所述终端的语音信息,根据所述语音信息向所述终端提供对应的业务。
根据本公开实施例的另一方面,还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
根据本公开实施例的另一方面,还提供一种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上述方法的步骤。
根据本公开实施例的另一方面,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例提供的技术方案中,可以获取预设周期内的业务数据以及对应的用户信息,通过模糊聚类算法处理业务数据,根据得到的聚类中心和隶属函数可以确定用户信息对应的用户类别,再根据用户类别向用户终端推送业务信息,通过采集并识别用户终端的语音信息,可以向终端提供与语音信息对应的业务。本方案可以根据历史业务数据划分用户类别,并向同类用户推送相近的业务信息,可以大大减少用户选择业务的时间,提高业务办理成功率。此外,还可以通过采集用户向终端输入的语音信息提供对应的业务,简化业务处理流程,提高业务办理效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
为了更清楚地说明本说明书实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是一个实施例中一种业务处理方法的流程示意图;
图2是一个实施例中一种对用户信息进行分类的方法的流程示意图;
图3是另一个实施例中一种对用户信息进行分类的方法的流程示意图;
图4是一个实施例中一种根据语音信息向终端提供业务的流程示意图;
图5是另一个实施例中一种根据语音信息向终端提供业务的流程示意图;
图6是一个实施例中一种业务处理装置的结构示意图;
图7是一个实施例中一种计算机设备的内部结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开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,以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“前”、“后”、“周向”、“行进方向”以及类似的表述是基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
除非另有定义,本文所使用的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义可以相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”、“和/或”、“至少…之一”包括一个或多个相关的所列项目的任意的和所有的组合。需要说明的是,本公开中所描述的相连、连接等,可以是通过器件间的接口或引脚直接连接,也可以是通过引线连接,还可以是通过无线连接(通信连接)。
随着数字化时代的来临,网络安全技术不断取得新突破,线上业务处理流程的安全性越来越高。目前,如银行账户转账、理财产品购买等业务大多通过线上办理,由于业务产品或服务的种类繁多,业务处理流程也日益复杂,对用户而言,成功办理所需业务的时间成本过高。
针对上述技术问题,如图1所示,提供了一种业务处理方法,包括以下步骤:
步骤S210,获取预设周期内的业务数据以及所述业务数据对应的用户信息。
其中,预设周期可以是过去的特定时间区间,例如过去七天内的业务数据。业务数据可以包括银行等业务机构存储的用户行为数据等。
具体地,可以从数据库中获取过去指定时段内的用户业务数据以及这些业务数据对应的用户信息。在一些其他实施方式中,可以获取用户在最近一周的用户行为数据和用户基础信息。
步骤S220,通过预设的模糊聚类算法对所述业务数据进行划分,得到聚类中心和隶属函数。
其中,预设的模糊聚类算法可以包括模糊C均值聚类算法(Fuzzy C-meansAlgorithm,简称FCM或FCMA)。隶属函数(membership function,也可以称为隶属值函数)是一种用于表征模糊集合的数学工具,它可以将一个集合映射到单位实数区间[0,1]上。
具体地,可以通过模糊C均值聚类算法对业务数据进行处理,基于业务数据可以得到多个聚类中心,每个聚类中心可以有一个对应的隶属函数。应当说明的是,隶属函数可以用隶属函数的值表示一个用户的业务数据与聚类中心的隶属关系,隶属函数的值是位于区间[0,1]的实数,隶属函数的值也可以称为隶属值。
步骤S230,根据所述聚类中心和所述隶属函数对所述用户信息进行分类,得到多个用户类别。
具体地,可以为聚类中心设置隶属阈值,根据隶属函数计算用户对应的业务数据的隶属值,若隶属值达到聚类中心的隶属阈值,则可以将该用户纳入该聚类中心对应的用户类别。应当说明的是,每个聚类中心可以表示一个用户类别,同一个用户的业务数据可能满足多个聚类中心的要求,即同一个用户的业务数据的隶属值可以达到多个聚类中心的隶属阈值。
步骤S240,根据所述用户类别,向所述用户信息对应的终端推送预设的业务信息。
其中,预设的业务信息可以是预先通过大数据、机器学习等算法得到的。例如,可以统计每类用户的历史业务办理数据,将其中办理次数超过一定阈值的业务作为推送业务。
具体地,根据用户类别可以确定每个类别用户对应的业务信息,并通过用户信息所对应的终端信息,将这些业务信息推送至用户所使用的终端。例如,用户信息可以包括手机银行账户,可以将业务信息推送至用户的手机银行客户端。
步骤S250,采集并识别所述终端的语音信息,根据所述语音信息向所述终端提供对应的业务。
具体地,在向终端推送业务信息后,可以通过用户终端应用软件等途径获取用户输入的语音信息或语音指令,再利用预设的算法识别语音信息或语音指令,确定用户所要办理的业务并将该业务的办理接口提供给用户所使用的终端。
本公开实施例提供的技术方案中,可以获取预设周期内的业务数据以及对应的用户信息,通过模糊聚类算法处理业务数据,根据得到的聚类中心和隶属函数可以确定用户信息对应的用户类别,再根据用户类别向用户终端推送业务信息,通过采集并识别用户终端的语音信息,可以向终端提供与语音信息对应的业务。本方案可以根据历史业务数据划分用户类别,并向同类用户推送相近的业务信息,可以大大减少用户选择业务的时间,提高业务办理成功率。此外,还可以通过采集用户向终端输入的语音信息提供对应的业务,简化业务处理流程,提高业务办理效率。
在一个实施例中,如图2所示,所述根据所述聚类中心和所述隶属函数对所述用户信息进行分类包括:
步骤S2302,确定所述聚类中心的质心。
步骤S2304,将所述用户信息对应的业务数据转化为轨迹点。
步骤S2306,根据所述隶属函数,计算所述轨迹点对应于所述质心的隶属值。
步骤S2308,根据所述隶属值对所述用户信息进行分类。
具体地,可以利用粗糙集算法对聚类中心和业务数据进行处理,确定每个聚类中心的质心,并可以将业务数据转化为轨迹点,通过粗糙集中的下近似和模糊边界概念,将表示业务数据的轨迹点分为两部分,属于下近似的轨迹点同属于一个簇,属于边界的轨迹点被模糊化,并可以将初始的一维时间序列扩展到本文的二维轨迹空间上,对用户进行分类。其中,关于轨迹点是属于下近似还是属于模糊边界,可以通过计算轨迹点与聚类中心的隶属值来判定。
在一些其他实施例中,如图3所示,在根据所述隶属函数,计算所述轨迹点对应于所述质心的隶属值之后,还包括:
步骤S2312,从所述轨迹点的隶属值中确定最高隶属值和次高隶属值。
步骤S2314,计算所述最高隶属值与所述次高隶属值的差值。
步骤S2316,在所述差值小于预设阈值的情况下,通过预设模型确定新的聚类中心。
步骤S2318,基于所述新的聚类中心,根据所述隶属函数重新计算所述轨迹点的隶属值。
为进一步体现上述实施例中的分类过程,下面结合一个具体的例子进行说明:
若Traj=(p1,t1),(p2,t2),…,(pi,ti),…,(pn,tn)。其中,Traj可以表示包含n个轨迹点的时间序列,ti为时间戳,i、n均为正整数且i<n,pi可以表示轨迹点的直角坐标(xi,yi)。V={v1,v2,…,vn}是c个聚类中心,设和BUi 分别是聚类中心βi的上近似、下近似,则可以表示聚类中心βi的边界域。那么聚类算法的目标函数如下:
上述式子中,Wlow和Wup分别为较高近似和较低近似的权值,因为轨迹点属于较低近似权值附近的区域可能性大,因此Wlow相比较Wup有更高的值。
以其中一条轨迹序列为例,轨迹划分的详细流程如下:
S10:导入轨迹序列P={p1,p2,…,pn},可以随机选择业务数据中c个轨迹点p1,p2,…,pc=(x1,y1,(x2,y2),…,(xc,yc)作为初始聚类中心。
S20:计算每个数据点离簇中心的距离
S30:计算n个轨迹点相对于c个聚类中心的隶属值μij。其中,μij可以表示如下:
S40:如果是μik最高隶属值,且μjk是次高隶属值,可以令dif=|μik-μjk|。
S40.1:若dif>λ,则pk属于BUi ,轨迹点pi对应的隶属值μij=1,那么此轨迹点属于下近似的清洗区域。在这种情况下,可以输出轨迹点p1,p2,…,pn以及duiyin给的隶属值μij。
S40.2:若dif<λ,则pk属于和/>的并集,那么此轨迹点属于模糊区域。在这种情况下,可以通过算法继续进行模糊化,执行S5。
其中,λ为预设的阈值,为轨迹点的上近似,/>为轨迹点的下近似。
S50:根据预设的模型确定新的聚类中心,具体参见下式:
S60:判断μ(t)-μ(t-1)<δ是否成立,若成立则停止,若不成立,则执行S2。
上述实施例中,可以将数据转化为模糊聚类算法中的轨迹点,通过隶属函数计算轨迹点的隶属值,从而根据隶属值对数据进行分类,由于采用模糊算法,可以有效利用数据中的不确定因素,提高分类结果的准确性,从而提高向用户推送信息的精准度。
在一个实施例中,如图4所示,所述根据所述语音信息向所述终端提供对应的业务包括:
步骤S2510,通过预设的隐马尔可夫模型提取所述语音信息中的关键词。
其中,隐马尔可夫模型(Hidden Markov Model,简称HMM)可以用于描述一个含有隐含未知参数的马尔可夫过程。
具体地,可以使用隐马尔可夫模型(HMM)用从左向右单向、带自环、带跨越的拓扑结构来对识别基元建模,一个音素就是一个三至五状态的HMM,一个词就是构成词的多个音素的HMM串行起来构成的HMM,而连续语音识别的整个模型就是词和静音组合起来的HMM。
步骤S2520,向所述终端提供与所述关键词对应的业务。
具体地,通过预设的隐马尔可夫模型可以识别出语音信息中的关键词,根据关键词可以在业务系统可提供的业务中搜索与该关键词匹配的业务,并将该业务提供给用户所使用的终端。
本实施例中的隐马尔可夫模型(HMM)可以用以下五个元素来描述,包括2个状态集合和3个概率矩阵:
1.隐含状态S
这些状态之间满足马尔可夫性质,是马尔可夫模型中实际所隐含的状态。这些状态通常无法通过直接观测而得到。(例如S1、S2、S3等等)
2.可观测状态O
在模型中与隐含状态相关联,可通过直接观测而得到。(例如O1、O2、O3等等,可观测状态的数目不一定要和隐含状态的数目一致。)
3.初始状态概率矩阵π
表示隐含状态在初始时刻t=1的概率矩阵,(例如t=1时,P(S1)=p1、P(S2)=p2、P(S3)=p3,则初始状态概率矩阵π=[p1 p2 p3].
4.隐含状态转移概率矩阵A
描述了HMM模型中各个状态之间的转移概率。
其中Aij=P(Sj|Si),1≤i,,j≤N.
表示在t时刻、状态为Si的条件下,在t+1时刻状态是Sj的概率。
5.观测状态转移概率矩阵B
令N代表隐含状态数目,M代表可观测状态数目,则:
Bij=P(Oi|Sj),1≤i≤M,1≤j≤N。
表示在t时刻、隐含状态是Sj条件下,观察状态为Oi的概率。
上述实施例中,可以通过隐马尔可夫模型提取用户语音信息中的关键词,并可以自动匹配与该关键词对应的业务,无需用户手动查找或选择业务,增强了业务办理的便捷性,减少了操作时间。
在一个实施例中,如图5所示,所述向所述终端提供与所述关键词对应的业务包括:
步骤S2522,识别所述关键词对应的业务类型。
步骤S2524,通过预设的消息传递方式向所述终端发送与所述业务类型对应的业务信息和业务办理接口。
具体地,可以预先根据业务类型设置每个类型关联的关键词库,通过识别的关键词快速锁定业务类型,再通过5G消息等方式将业务信息以及业务办理接口发送至用户的终端。
其中,5G消息的具体类型可以包括以下几种:图文消息、多卡消息、图片按钮消息。
在一些其他实施方式中,业务类型可以包括转账业务,一个完整的转账业务可分为以下几个环节:“预约转账”,“账号转账”,“手机号转账”,“转账记录”,“调用H5(HTML5,超文本5.0)转账页面进行转账”等环节;这些环节可以多方式组合式进行也可以单独流程式进行。若用户输入的语音信息为“我向客户B转账100元”,可以自动调用转账界面,转账下单,支付下单到达“去支付”的确认窗口。“我的余额”会调用转账记录接口,将数据组织成相应的图片返回给客户。
在一些其他实施方式中,业务类型还可以包括查询业务,例如,语音信息“帮我查一下我的积分”可以自动查出客户当前积分并返回给客户。“给我开一下上个月的记录”则可以调用转账记录列表查询接口。在客户选择指定日期的记录后,系统会接收到转账记录请求的相关参数,去调用转账相关的服务。系统接到记录的下载地址后,将记录的连接地址调用运营商的CSP(内容安全策略)系统去素材送审功能。素材送审的功能是系统处理时间较长,所以是异步进行,等收到素材的审核结果后,才可以将PDF文件的发票通过5G消息发送给客户。客户在短信窗口直接看到PDF文件内容,也可以进行下载。
在一些其他实施方式中,5G消息的具体类型还可以包括超链接消息,在支付环节,由于短信窗口不适合输入密码,此窗口输入的密码无法进行隐藏式显示,可以采用传统的H5(HTML5,超文本5.0)页面进行支付,待支付列表返回的是一个H5的支付链接,通过默认浏览器打开H5页面然后进行支付。
上述实施例中,可以识别关键词对应的业务类型,并通过5G消息等方式将业务信息和业务办理接口直接发送至用户终端,操作更加简便,大大节省了业务办理时间,提高了业务办理效率。
应该理解的是,虽然如上所述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,如上所述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。
本申请各实施例中可能涉及的用户信息、业务数据等,均为严格按照法律法规的要求,遵循合法、正当、必要的原则,基于业务场景的合理目的,处理用户在业务办理过程中主动提供的与业务相关的数据信息。
根据本公开实施例的另一方面,如图6所示,还提供一种业务处理装置,包括:
数据获取模块310,用于获取预设周期内的业务数据以及所述业务数据对应的用户信息;
数据划分模块320,用于通过预设的模糊聚类算法对所述业务数据进行划分,得到聚类中心和隶属函数;
分类处理模块330,用于根据所述聚类中心和所述隶属函数对所述用户信息进行分类,得到多个用户类别;
信息推送模块340,用于根据所述用户类别,向所述用户信息对应的终端推送预设的业务信息;
业务处理模块350,用于采集并识别所述终端的语音信息,根据所述语音信息向所述终端提供对应的业务。
关于上述处理装置的具体限定可以参见上文中对于上述处理方法的限定,在此不再赘述。根据上述处理方法,所述处理装置可以增加第一模块、第二模块等实现相应的方法实施例中的步骤。上述处理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。
需要说明的是,本发明的业务处理方法和处理装置可用于金融领域中的业务处理流程,也可用于除金融领域之外的任意领域,本发明的方法和装置的应用领域不做限定。
根据本公开实施例的另一方面,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7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、通信接口、显示屏和输入装置。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现上述处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7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。
根据本公开实施例的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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、存储、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-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access 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,本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。
Claims (10)
1.一种业务处理方法,其特征在于,包括:
获取预设周期内的业务数据以及所述业务数据对应的用户信息;
通过预设的模糊聚类算法对所述业务数据进行划分,得到聚类中心和隶属函数;
根据所述聚类中心和所述隶属函数对所述用户信息进行分类,得到多个用户类别;
根据所述用户类别,向所述用户信息对应的终端推送预设的业务信息;
采集并识别所述终端的语音信息,根据所述语音信息向所述终端提供对应的业务。
2.根据权利要求1所述的方法,其特征在于,所述根据所述聚类中心和所述隶属函数对所述用户信息进行分类包括:
确定所述聚类中心的质心;
将所述用户信息对应的业务数据转化为轨迹点;
根据所述隶属函数,计算所述轨迹点对应于所述质心的隶属值;
根据所述隶属值对所述用户信息进行分类。
3.根据权利要求2所述的方法,其特征在于,在根据所述隶属函数,计算所述轨迹点对应于所述质心的隶属值之后,还包括:
从所述轨迹点的隶属值中确定最高隶属值和次高隶属值;
计算所述最高隶属值与所述次高隶属值的差值;
在所述差值小于预设阈值的情况下,通过预设模型确定新的聚类中心;
基于所述新的聚类中心,根据所述隶属函数重新计算所述轨迹点的隶属值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述语音信息向所述终端提供对应的业务包括:
通过预设的隐马尔可夫模型提取所述语音信息中的关键词;
向所述终端提供与所述关键词对应的业务。
5.根据权利要求4所述的方法,其特征在于,所述向所述终端提供与所述关键词对应的业务包括:
识别所述关键词对应的业务类型;
通过预设的消息传递方式向所述终端发送与所述业务类型对应的业务信息和业务办理接口。
6.根据权利要求5所述的方法,其特征在于,所述消息传递方式为5G消息。
7.一种业务处理装置,其特征在于,包括:
数据获取模块,用于获取预设周期内的业务数据以及所述业务数据对应的用户信息;
数据划分模块,用于通过预设的模糊聚类算法对所述业务数据进行划分,得到聚类中心和隶属函数;
分类处理模块,用于根据所述聚类中心和所述隶属函数对所述用户信息进行分类,得到多个用户类别;
信息推送模块,用于根据所述用户类别,向所述用户信息对应的终端推送预设的业务信息;
业务处理模块,用于采集并识别所述终端的语音信息,根据所述语音信息向所述终端提供对应的业务。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311057868.0A CN117291518A (zh) | 2023-08-21 | 2023-08-21 | 业务处理方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311057868.0A CN117291518A (zh) | 2023-08-21 | 2023-08-21 | 业务处理方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117291518A true CN117291518A (zh) | 2023-12-26 |
Family
ID=89239901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311057868.0A Pending CN117291518A (zh) | 2023-08-21 | 2023-08-21 | 业务处理方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117291518A (zh) |
-
2023
- 2023-08-21 CN CN202311057868.0A patent/CN117291518A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021164382A1 (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
TW201946013A (zh) | 基於lstm模型的信用風險預測方法及裝置 | |
CN108228622A (zh) | 业务问题的分类方法及装置 | |
CN107622326A (zh) | 用户分类、可用资源预测方法、装置及设备 | |
CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
CN112434501A (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN112487284A (zh) | 银行客户画像生成方法、设备、存储介质及装置 | |
CN114860941A (zh) | 一种基于数据大脑的行业数据治理方法及系统 | |
CN111310462A (zh) | 用户属性的确定方法、装置、设备及存储介质 | |
CN117150138B (zh) | 一种基于高维空间映射的科技资源组织方法及系统 | |
CN113887214A (zh) | 基于人工智能的意愿推测方法、及其相关设备 | |
CN113656699A (zh) | 用户特征向量确定方法、相关设备及介质 | |
CN112801784A (zh) | 一种数字货币交易所的比特币地址挖掘方法及装置 | |
CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN109144999B (zh) | 一种数据定位方法、装置及存储介质、程序产品 | |
CN116091157A (zh) | 资源推送方法及装置、存储介质、计算机设备 | |
CN117291518A (zh) | 业务处理方法、装置及计算机设备 | |
CN115758271A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN113792149B (zh) | 一种基于用户关注度分析产生获客方案的方法和装置 | |
CN114119137B (zh) | 风险控制方法和装置 | |
CN117036041A (zh) | 业务信息推送方法、装置、计算机设备和存储介质 | |
CN114842237A (zh) | 催收方式的确定方法、装置、计算机设备、存储介质 | |
CN116860972A (zh) | 交互信息分类方法、装置、设备、存储介质和程序产品 | |
CN116108842A (zh) | 文本关键词的提取方法和装置 | |
CN113989012A (zh) | 不良资产的借款对象人群分类方法及装置、介质、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 |