CN118115257A - 金融业务的处理方法和装置、存储介质及电子设备 - Google Patents

Abstract

本申请公开了一种金融业务的处理方法和装置、存储介质及电子设备。涉及数据处理技术领域、金融科技领域及其他相关技术领域，该方法包括：获取目标对象待办理的目标金融业务的第一描述信息；依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景；依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；通过目标服务模块对目标金融业务进行处理，得到处理结果。通过本申请，解决了相关技术中采用人工的方式为金融业务匹配能够处理该金融业务的服务模块，导致金融业务的处理效率比较低的问题。

Description

金融业务的处理方法和装置、存储介质及电子设备

技术领域

本申请涉及数据处理技术领域、金融科技领域及其他相关技术领域，具体而言，涉及一种金融业务的处理方法和装置、存储介质及电子设备。

背景技术

随着手机银行数字化运营的兴起，选择满足于不同金融业务场景、不同运营需求并适用于不同金融业务服务类型的服务模块对金融业务进行处理，成为数字化运营的基础。当前，各银行的业务运营人员对行内研究出来的服务模块并不了解，通常选择阅读服务模块的介绍信息以理解服务模块的复杂原理，导致业务运营人员对服务模块的理解具有门槛，进而降低了业务运营人员对金融业务的处理效率；同时服务模块数量众多，也加大了业务运营人员的选择难度。

针对相关技术中采用人工的方式为金融业务匹配能够处理该金融业务的服务模块，导致金融业务的处理效率比较低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种金融业务的处理方法和装置、存储介质及电子设备，以解决相关技术中采用人工的方式为金融业务匹配能够处理该金融业务的服务模块，导致金融业务的处理效率比较低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种金融业务的处理方法。该方法包括：获取目标对象待办理的目标金融业务的第一描述信息；依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景；依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；通过所述目标服务模块对所述目标金融业务进行处理，得到处理结果。

进一步地，依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景包括：获取场景字典库，其中，所述场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；依据所述目标文本分类模型，对所述第一描述信息进行分类，得到所述第一描述信息对应的初始场景；判断所述场景字典库中是否存在所述初始场景对应的标签信息，得到判断结果；若所述判断结果表征所述场景字典库中存在所述初始场景对应的标签信息，则将所述初始场景确定为所述目标场景。

进一步地，在判断所述场景字典库中是否存在所述初始场景对应的标签信息，得到判断结果之后，所述方法还包括：若所述判断结果表征所述场景字典库中不存在所述初始场景对应的标签信息，则触发提示信息，其中，所述提示信息用于提示需重新获取所述目标对象输入的待办理的目标金融业务的第二描述信息；在重新获取所述目标对象输入的第二描述信息之后，依据所述第二描述信息和所述目标文本分类模型，得到所述目标场景。

进一步地，依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块包括：依据场景字典库和所述目标场景，确定所述目标场景对应的目标标签；依据所述目标标签，从所述多个初始服务模块中确定所述目标服务模块，其中，所述初始服务模块与场景信息对应的标签信息具有对应关系。

进一步地，在依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景之前，所述方法还包括：获取训练数据集，其中，所述训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；依据所述训练数据集对所述配置后的初始文本分类模型进行训练，得到所述目标文本分类模型。

进一步地，依据所述训练数据集对所述配置后的初始文本分类模型进行训练，得到所述目标文本分类模型包括：通过所述配置后的初始文本分类模型对所述多个描述样本数据进行处理，得到所述描述样本数据对应的预测场景信息；依据所述预测场景信息和所述真实场景信息进行计算，得到目标损失值；判断所述目标损失值是否小于目标阈值，若所述目标损失值大于等于所述目标阈值，则对所述超参数进行更新，得到更新后的超参数；依据所述更新后的超参数对所述配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；重复执行通过所述更新后的初始文本分类模型对所述多个描述样本数据进行处理的步骤，直至所述目标损失值小于所述目标阈值，并将当前的初始文本分类模型确定为所述目标文本分类模型。

进一步地，在依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，所述方法还包括：依据所述目标服务模块，从所述服务模块数据库中获取所述目标服务模块的目标说明信息；将所述目标说明信息返回至所述目标对象，并检测是否接收到所述目标对象触发的目标指令，其中，所述目标指令用于表示所述目标对象未采纳所述目标服务模块；若接收到所述目标指令，则重复执行依据所述第一描述信息和所述目标文本分类模型，得到所述目标金融业务对应的目标场景的步骤，直至检测到所述目标对象采纳所述目标服务模块。

为了实现上述目的，根据本申请的另一方面，提供了一种金融业务的处理装置。该装置包括：第一获取单元，用于获取目标对象待办理的目标金融业务的第一描述信息；第一确定单元，用于依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景；第二确定单元，用于依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；处理单元，用于通过所述目标服务模块对所述目标金融业务进行处理，得到处理结果。

进一步地，第一确定单元包括：获取模块，用于获取场景字典库，其中，所述场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；分类模块，用于依据所述目标文本分类模型，对所述第一描述信息进行分类，得到所述第一描述信息对应的初始场景；第一判断模块，用于判断所述场景字典库中是否存在所述初始场景对应的标签信息，得到判断结果；第一确定模块，用于若所述判断结果表征所述场景字典库中存在所述初始场景对应的标签信息，则将所述初始场景确定为所述目标场景。

进一步地，所述装置还包括：触发单元，用于在判断所述场景字典库中是否存在所述初始场景对应的标签信息，得到判断结果之后，若所述判断结果表征所述场景字典库中不存在所述初始场景对应的标签信息，则触发提示信息，其中，所述提示信息用于提示需重新获取所述目标对象输入的待办理的目标金融业务的第二描述信息；第三确定单元，用于在重新获取所述目标对象输入的第二描述信息之后，依据所述第二描述信息和所述目标文本分类模型，得到所述目标场景。

进一步地，第二确定单元包括：第二确定模块，用于依据场景字典库和所述目标场景，确定所述目标场景对应的目标标签；第三确定模块，用于依据所述目标标签，从所述多个初始服务模块中确定所述目标服务模块，其中，所述初始服务模块与场景信息对应的标签信息具有对应关系。

进一步地，所述装置还包括：第二获取单元，用于在依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景之前，获取训练数据集，其中，所述训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；配置单元，用于对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；训练单元，用于依据所述训练数据集对所述配置后的初始文本分类模型进行训练，得到所述目标文本分类模型。

进一步地，训练单元包括：处理模块，用于通过所述配置后的初始文本分类模型对所述多个描述样本数据进行处理，得到所述描述样本数据对应的预测场景信息；计算模块，用于依据所述预测场景信息和所述真实场景信息进行计算，得到目标损失值；第二判断模块，用于判断所述目标损失值是否小于目标阈值，若所述目标损失值大于等于所述目标阈值，则对所述超参数进行更新，得到更新后的超参数；更新模块，用于依据所述更新后的超参数对所述配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；第四确定模块，用于重复执行通过所述更新后的初始文本分类模型对所述多个描述样本数据进行处理的步骤，直至所述目标损失值小于所述目标阈值，并将当前的初始文本分类模型确定为所述目标文本分类模型。

进一步地，所述装置还包括：第三获取单元，用于在依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，依据所述目标服务模块，从所述服务模块数据库中获取所述目标服务模块的目标说明信息；检测单元，用于将所述目标说明信息返回至所述目标对象，并检测是否接收到所述目标对象触发的目标指令，其中，所述目标指令用于表示所述目标对象未采纳所述目标服务模块；第四确定单元，用于若接收到所述目标指令，则重复执行依据所述第一描述信息和所述目标文本分类模型，得到所述目标金融业务对应的目标场景的步骤，直至检测到所述目标对象采纳所述目标服务模块。

为了实现上述目的，根据本申请的一方面，提供了一种计算机可读存储介质，所述存储介质存储程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的金融业务的处理方法。

为了实现上述目的，根据本申请的另一个方面，还提供了一种电子设备，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处理器实现上述任意一项所述的金融业务的处理方法。

通过本申请，采用以下步骤：获取目标对象待办理的目标金融业务的第一描述信息；依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景；依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；通过所述目标服务模块对所述目标金融业务进行处理，得到处理结果，通过本申请，解决了相关技术中采用人工的方式为金融业务匹配能够处理该金融业务的服务模块，导致金融业务的处理效率比较低的问题。在本方案中，首先获取目标对象输入的对于待办理的目标金融业务的第一描述信息，并通过目标文本分类模型对第一描述信息进行分类，确定目标金融业务对应的目标场景；然后从服务模块数据库中选择和目标场景对应的目标服务模块；最后依据目标服务模块对目标对象待办理的目标金融业务进行处理。通过目标文本分类模型对目标对象输入的描述信息进行分类，确定目标场景，并通过服务模型数据库，将多个服务模块与场景信息进行关联，依据上述关联关系，在服务模型数据库中选择满足于目标场景的目标服务模块，避免了传统方法中业务运营人员通过阅读服务模块的介绍信息来选择目标服务模块，提高了选择目标服务模块的准确率，进而达到了提高金融业务处理效率的效果。

附图说明

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

图1是根据本申请实施例提供的金融业务的处理方法的流程图；

图2是根据本申请实施例提供的金融业务的处理方法的示意图；

图3是根据本申请实施例提供的金融业务的处理装置的示意图；

图4是根据本申请实施例提供的电子设备的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，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的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请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，以便这里描述的本申请的实施例。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。

下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的金融业务的处理方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101，获取目标对象待办理的目标金融业务的第一描述信息。

可选地，目标对象在查询页面的对话框内输入待办理的目标金融业务的查询或文本信息(即第一描述信息)。

需要说明的是，输入的查询或文本信息中，需要包含关于目标金融业务的关键词名称，如：生活缴费、第三方平台或券额等。

步骤S102，依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景。

可选地，将第一描述信息输入到自然语言处理模型(即目标文本分类模型)中，利用自然语言处理模型对第一描述信息的关键词进行文本的识别与场景的分类，进而得到目标金融业务对应的目标场景，如：若第一描述信息的分类类别为生活缴费，则对应的目标场景为场景1；若第一描述信息的分类类别为第三方平台，则对应的目标场景为场景2；若第一描述信息的分类类别为券额，则对应的目标场景为场景3等。

步骤S103，依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块。

可选地，创建一个服务模块数据库，服务模块数据库中的每个初始服务模块均有各自的模块编号，且每个初始服务模块均有各自的标签信息，并与场景信息相关联，通过上述关联关系，在服务模块数据库的多个初始服务模块中选择适用于目标场景的目标服务模块。

步骤S104，通过目标服务模块对目标金融业务进行处理，得到处理结果。

可选地，通过目标服务模块对待处理的目标金融业务进行处理，得到相应的处理结果。

综上所述，首先获取目标对象输入的对于待办理的目标金融业务的第一描述信息，并通过目标文本分类模型对第一描述信息进行分类，确定目标金融业务对应的目标场景；然后从服务模块数据库中选择和目标场景对应的目标服务模块；最后依据目标服务模块对目标对象待办理的目标金融业务进行处理。通过目标文本分类模型对目标对象输入的描述信息进行分类，确定目标场景，并通过服务模型数据库，将多个服务模块与场景信息进行关联，依据上述关联关系，在服务模型数据库中选择满足于目标场景的目标服务模块，避免了传统方法中业务运营人员通过阅读服务模块的介绍信息来选择目标服务模块，提高了选择目标服务模块的准确率，进而达到了提高金融业务处理效率的效果。

可选地，在本申请实施例提供的金融业务的处理方法中，依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景包括：获取场景字典库，其中，场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；依据目标文本分类模型，对第一描述信息进行分类，得到第一描述信息对应的初始场景；判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果；若判断结果表征场景字典库中存在初始场景对应的标签信息，则将初始场景确定为目标场景。

在一可选的实施例中，通过自然语言处理模型(即目标文本分类模型)对目标对象在查询页面的对话框内输入的第一描述信息进行文本的识别与场景名称的分类，并将分类结果确定为初始场景。在确定初始场景后，将初始场景的场景名称返回至场景字典库中，并判断场景字典库中是否存在与初始场景对应的场景的标签信息，若存在与初始场景对应的场景的标签信息，则表征目标文本分类模型正确地对第一描述信息进行分类，并反馈目标对象场景分类正确，同时将初始场景确定为目标场景。

需要说明的是，场景字典库中收集x个运营场景，将场景名称进行编号：1，2，3，4，5，…，x，每个场景编号下与n个标签名称及标签编号形成一对多的关联，如：编号为7的场景下有11个标签名称及标签编号，标签名称“XXXX”0701号至标签名称“XXXX”0711号。如：若第一描述信息的分类类别为生活缴费，则对应的目标场景的编号为场景1，且场景1对应的标签信息则为“活动推荐”、“生活活动”等。

通过目标文本分类模型对第一描述信息进行文本分类，可以快速准确地确定目标场景。

可选地，在本申请实施例提供的金融业务的处理方法中，在判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果之后，该方法还包括：若判断结果表征场景字典库中不存在初始场景对应的标签信息，则触发提示信息，其中，提示信息用于提示需重新获取目标对象输入的待办理的目标金融业务的第二描述信息；在重新获取目标对象输入的第二描述信息之后，依据第二描述信息和目标文本分类模型，得到目标场景。

在一可选的实施例中，若场景字典库中不存在与初始场景对应的场景的标签信息，则触发提示信息，提示目标对象对待办理的目标金融业务给予更多的描述信息(即第二描述信息)，在重新获取目标对象输入的第二描述信息之后，依据第二描述信息和目标文本分类模型，得到目标场景。

需要说明的是，若连续5次触发提示信息，则反馈目标对象“对不起，您所提及的场景还没有适配的目标服务模块，您的场景需求是研发的动力，期待下一次帮助到您！”。

通过触发提示信息，可以使得目标对象输入对待办理的目标金融业务更多的描述信息，进而快速准确地确定目标场景。

可选地，在本申请实施例提供的金融业务的处理方法中，依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块包括：依据场景字典库和目标场景，确定目标场景对应的目标标签；依据目标标签，从多个初始服务模块中确定目标服务模块，其中，初始服务模块与场景信息对应的标签信息具有对应关系。

在一可选的实施例中，通过场景字典库确定目标场景对应的场景编号，以及场景编号下对应的多个标签名称及标签编号。通过服务模块数据库中多个初始服务模块的标签信息和目标场景对应的标签信息，在服务模块数据库的多个初始服务模块中确定目标服务模块。

通过场景字典库和服务模块数据库，可以快速准确地确定目标场景对应的目标服务模块。

可选地，在本申请实施例提供的金融业务的处理方法中，在依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景之前，该方法还包括：获取训练数据集，其中，训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型。

在一可选的实施例中，在获取训练数据集后，选择轻量级的文本分类模型，如：朴素贝叶斯分类器作为初始文本分类模型，并根据训练数据集的数据特点对上述初始文本分类模型配置超参数，得到配置后的初始文本分类模型，通过上述训练数据集对配置后的初始文本分类模型进行迭代训练，保留分类结果最好的模型，即得到目标文本分类模型。

需要说明的是，目标文本分类模型中使用主题建模技术用于自动识别目标对象输入的描述信息中的主题，并将主题作为服务模块的标签，同时与场景字典库中的相关标签进行关联。

通过对朴素贝叶斯分类器配置超参数，可以快速准确地得到配置后的初始文本分类模型。

可选地，在本申请实施例提供的金融业务的处理方法中，依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型包括：通过配置后的初始文本分类模型对多个描述样本数据进行处理，得到描述样本数据对应的预测场景信息；依据预测场景信息和真实场景信息进行计算，得到目标损失值；判断目标损失值是否小于目标阈值，若目标损失值大于等于目标阈值，则对超参数进行更新，得到更新后的超参数；依据更新后的超参数对配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；重复执行通过更新后的初始文本分类模型对多个描述样本数据进行处理的步骤，直至目标损失值小于目标阈值，并将当前的初始文本分类模型确定为目标文本分类模型。

在一可选的实施例中，在得到描述样本数据对应的预测场景信息后，利用损失函数计算预测场景信息和训练数据集中真实场景信息之间的目标损失值，并判断目标损失值是否小于目标阈值，若目标损失值小于目标阈值，则表征当前配置后的初始文本分类模型为最佳模型，将配置后的初始文本分类模型确定为目标文本分类模型；若目标损失值大于等于目标阈值，则表征需要对配置后的初始文本分类模型进行调整和优化，依据目标损失值对超参数进行更新，其中，依据目标损失值对超参数进行更新至少包括：对学习率、配置后的初始文本分类模型的层数、隐藏单元数等内容进行更新，得到更新后的初始文本分类模型。并重复执行通过更新后的初始文本分类模型对多个描述样本数据进行处理的步骤，直至目标损失值小于目标阈值，并将当前的初始文本分类模型确定为目标文本分类模型。

需要说明的是，损失函数至少包括：平均绝对误差损失(MAE)、均方差损失、交叉熵损失、合页损失和多标签分类损失等损失函数。

通过目标损失值和目标阈值的大小关系，可以快速地判断是否需要对当前的文本分类模型进行调整，进而准确地确定目标文本分类模型。

可选地，在本申请实施例提供的金融业务的处理方法中，在依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，该方法还包括：依据目标服务模块，从服务模块数据库中获取目标服务模块的目标说明信息；将目标说明信息返回至目标对象，并检测是否接收到目标对象触发的目标指令，其中，目标指令用于表示目标对象未采纳目标服务模块；若接收到目标指令，则重复执行依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景的步骤，直至检测到目标对象采纳目标服务模块。

在一可选的实施例中，通过服务模块数据库，确定与目标服务模块对应的目标说明信息，其中，目标说明信息至少包括：目标服务模块的名称、目标服务模块的介绍、目标服务模块的适用范围、目标服务模块的入口链接和目标服务模块的输出结果介绍信息等内容，将上述目标说明信息返回输出给目标对象，检测是否接收到目标对象触发的未采纳目标服务模块的目标指令，若检测到目标指令，则重新依据第一描述信息和目标文本分类模型，确定目标场景，并根据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块，直至检测到目标对象采纳目标服务模块。

需要说明的是，若目标对象在查询页面的对话框内输入的描述信息为目标服务模块的名称，则调用指令将目标对象输入的目标服务模块的名称发送给服务模块数据库，服务模块数据库直接将目标服务模块的目标说明信息返回输出给目标对象。

通过目标指令，可以快速准确地判断目标对象是否采纳目标服务模块。

需要说明的是，图2是根据本申请实施例提供的金融业务的处理方法的示意图。如图2所示，首先获取目标对象待办理的目标金融业务的第一描述信息，依据目标文本分类模型，对第一描述信息进行文本的识别与场景的分类，得到第一描述信息对应的初始场景，并判断场景字典库中是否存在与上述初始场景对应的标签信息：若场景字典库中存在初始场景对应的标签信息，则将初始场景确定为目标场景；若场景字典库中不存在初始场景对应的标签信息，则触发提示信息，提示需重新获取目标对象输入的待办理的目标金融业务的第二描述信息，依据第二描述信息和目标文本分类模型，得到目标场景。然后依据场景字典库和目标场景，确定目标场景对应的目标标签，并依据目标标签，从多个初始服务模块中确定目标服务模块，同时从服务模块数据库中获取与目标服务模块对应的目标说明信息，将目标说明信息返回至目标对象，并检测是否接收到目标对象触发的未采纳目标服务模块的目标指令：若接收到目标指令，则重复执行依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景的步骤，直至检测到目标对象采纳目标服务模块。最后通过目标服务模块对目标金融业务进行处理，得到处理结果。

本申请实施例提供的金融业务的处理方法，通过获取目标对象待办理的目标金融业务的第一描述信息；依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景；依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；通过目标服务模块对目标金融业务进行处理，得到处理结果，解决了相关技术中采用人工的方式为金融业务匹配能够处理该金融业务的服务模块，导致金融业务的处理效率比较低的问题。综上所述，在本方案中，首先获取目标对象输入的对于待办理的目标金融业务的第一描述信息，并通过目标文本分类模型对第一描述信息进行分类，确定目标金融业务对应的目标场景；然后从服务模块数据库中选择和目标场景对应的目标服务模块；最后依据目标服务模块对目标对象待办理的目标金融业务进行处理。通过目标文本分类模型对目标对象输入的描述信息进行分类，确定目标场景，并通过服务模型数据库，将多个服务模块与场景信息进行关联，依据上述关联关系，在服务模型数据库中选择满足于目标场景的目标服务模块，避免了传统方法中业务运营人员通过阅读服务模块的介绍信息来选择目标服务模块，提高了选择目标服务模块的准确率，进而达到了提高金融业务处理效率的效果。

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。

本申请实施例还提供了一种金融业务的处理装置，需要说明的是，本申请实施例的金融业务的处理装置可以用于执行本申请实施例所提供的用于金融业务的处理方法。以下对本申请实施例提供的金融业务的处理装置进行介绍。

图3是根据本申请实施例的金融业务的处理装置的示意图。如图3所示，该装置包括：第一获取单元301，第一确定单元302，第二确定取单元303，处理单元304。

第一获取单元301，用于获取目标对象待办理的目标金融业务的第一描述信息；

第一确定单元302，用于依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景；

第二确定单元303，用于依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；

处理单元304，用于通过目标服务模块对目标金融业务进行处理，得到处理结果。

本申请实施例提供的金融业务的处理装置，第一获取单元301获取目标对象待办理的目标金融业务的第一描述信息；第一确定单元302依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景；第二确定单元303依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；处理单元304通过目标服务模块对目标金融业务进行处理，得到处理结果，解决了相关技术中采用人工的方式为金融业务匹配能够处理该金融业务的服务模块，导致金融业务的处理效率比较低的问题。在本方案中，首先获取目标对象输入的对于待办理的目标金融业务的第一描述信息，并通过目标文本分类模型对第一描述信息进行分类，确定目标金融业务对应的目标场景；然后从服务模块数据库中选择和目标场景对应的目标服务模块；最后依据目标服务模块对目标对象待办理的目标金融业务进行处理。通过目标文本分类模型对目标对象输入的描述信息进行分类，确定目标场景，并通过服务模型数据库，将多个服务模块与场景信息进行关联，依据上述关联关系，在服务模型数据库中选择满足于目标场景的目标服务模块，避免了传统方法中业务运营人员通过阅读服务模块的介绍信息来选择目标服务模块，提高了选择目标服务模块的准确率，进而达到了提高金融业务处理效率的效果。

可选地，在本申请实施例提供的金融业务的处理装置中，第一确定单元包括：获取模块，用于获取场景字典库，其中，场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；分类模块，用于依据目标文本分类模型，对第一描述信息进行分类，得到第一描述信息对应的初始场景；第一判断模块，用于判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果；第一确定模块，用于若判断结果表征场景字典库中存在初始场景对应的标签信息，则将初始场景确定为目标场景。

可选地，在本申请实施例提供的金融业务的处理装置中，该装置还包括：触发单元，用于在判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果之后，若判断结果表征场景字典库中不存在初始场景对应的标签信息，则触发提示信息，其中，提示信息用于提示需重新获取目标对象输入的待办理的目标金融业务的第二描述信息；第三确定单元，用于在重新获取目标对象输入的第二描述信息之后，依据第二描述信息和目标文本分类模型，得到目标场景。

可选地，在本申请实施例提供的金融业务的处理装置中，第二确定单元包括：第二确定模块，用于依据场景字典库和目标场景，确定目标场景对应的目标标签；第三确定模块，用于依据目标标签，从多个初始服务模块中确定目标服务模块，其中，初始服务模块与场景信息对应的标签信息具有对应关系。

可选地，在本申请实施例提供的金融业务的处理装置中，该装置还包括：第二获取单元，用于在依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景之前，获取训练数据集，其中，训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；配置单元，用于对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；训练单元，用于依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型。

可选地，在本申请实施例提供的金融业务的处理装置中，训练单元包括：处理模块，用于通过配置后的初始文本分类模型对多个描述样本数据进行处理，得到描述样本数据对应的预测场景信息；计算模块，用于依据预测场景信息和真实场景信息进行计算，得到目标损失值；第二判断模块，用于判断目标损失值是否小于目标阈值，若目标损失值大于等于目标阈值，则对超参数进行更新，得到更新后的超参数；更新模块，用于依据更新后的超参数对配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；第四确定模块，用于重复执行通过更新后的初始文本分类模型对多个描述样本数据进行处理的步骤，直至目标损失值小于目标阈值，并将当前的初始文本分类模型确定为目标文本分类模型。

可选地，在本申请实施例提供的金融业务的处理装置中，该装置还包括：第三获取单元，用于在依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，依据目标服务模块，从服务模块数据库中获取目标服务模块的目标说明信息；检测单元，用于将目标说明信息返回至目标对象，并检测是否接收到目标对象触发的目标指令，其中，目标指令用于表示目标对象未采纳目标服务模块；第四确定单元，用于若接收到目标指令，则重复执行依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景的步骤，直至检测到目标对象采纳目标服务模块。

金融业务的处理装置包括处理器和存储器，上述的第一获取单元301，第一确定单元302，第二确定取单元303，处理单元304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对金融业务的准确处理。

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，通过调整内核参数来实现对金融业务的准确处理。

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。

本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现金融业务的处理方法。

本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行金融业务的处理方法。

如图4所示，本发明实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标对象待办理的目标金融业务的第一描述信息；依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景；依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；通过目标服务模块对目标金融业务进行处理，得到处理结果。

可选地，依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景包括：获取场景字典库，其中，场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；依据目标文本分类模型，对第一描述信息进行分类，得到第一描述信息对应的初始场景；判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果；若判断结果表征场景字典库中存在初始场景对应的标签信息，则将初始场景确定为目标场景。

可选地，在判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果之后，该方法还包括：若判断结果表征场景字典库中不存在初始场景对应的标签信息，则触发提示信息，其中，提示信息用于提示需重新获取目标对象输入的待办理的目标金融业务的第二描述信息；在重新获取目标对象输入的第二描述信息之后，依据第二描述信息和目标文本分类模型，得到目标场景。

可选地，依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块包括：依据场景字典库和目标场景，确定目标场景对应的目标标签；依据目标标签，从多个初始服务模块中确定目标服务模块，其中，初始服务模块与场景信息对应的标签信息具有对应关系。

可选地，在依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景之前，该方法还包括：获取训练数据集，其中，训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型。

可选地，依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型包括：通过配置后的初始文本分类模型对多个描述样本数据进行处理，得到描述样本数据对应的预测场景信息；依据预测场景信息和真实场景信息进行计算，得到目标损失值；判断目标损失值是否小于目标阈值，若目标损失值大于等于目标阈值，则对超参数进行更新，得到更新后的超参数；依据更新后的超参数对配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；重复执行通过更新后的初始文本分类模型对多个描述样本数据进行处理的步骤，直至目标损失值小于目标阈值，并将当前的初始文本分类模型确定为目标文本分类模型。

可选地，在依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，该方法还包括：依据目标服务模块，从服务模块数据库中获取目标服务模块的目标说明信息；将目标说明信息返回至目标对象，并检测是否接收到目标对象触发的目标指令，其中，目标指令用于表示目标对象未采纳目标服务模块；若接收到目标指令，则重复执行依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景的步骤，直至检测到目标对象采纳目标服务模块。

本文中的设备可以是服务器、PC、PAD、手机等。

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：获取目标对象待办理的目标金融业务的第一描述信息；依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景；依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；通过目标服务模块对目标金融业务进行处理，得到处理结果。

可选地，依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景包括：获取场景字典库，其中，场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；依据目标文本分类模型，对第一描述信息进行分类，得到第一描述信息对应的初始场景；判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果；若判断结果表征场景字典库中存在初始场景对应的标签信息，则将初始场景确定为目标场景。

可选地，在判断场景字典库中是否存在初始场景对应的标签信息，得到判断结果之后，该方法还包括：若判断结果表征场景字典库中不存在初始场景对应的标签信息，则触发提示信息，其中，提示信息用于提示需重新获取目标对象输入的待办理的目标金融业务的第二描述信息；在重新获取目标对象输入的第二描述信息之后，依据第二描述信息和目标文本分类模型，得到目标场景。

可选地，依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块包括：依据场景字典库和目标场景，确定目标场景对应的目标标签；依据目标标签，从多个初始服务模块中确定目标服务模块，其中，初始服务模块与场景信息对应的标签信息具有对应关系。

可选地，在依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景之前，该方法还包括：获取训练数据集，其中，训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型。

可选地，依据训练数据集对配置后的初始文本分类模型进行训练，得到目标文本分类模型包括：通过配置后的初始文本分类模型对多个描述样本数据进行处理，得到描述样本数据对应的预测场景信息；依据预测场景信息和真实场景信息进行计算，得到目标损失值；判断目标损失值是否小于目标阈值，若目标损失值大于等于目标阈值，则对超参数进行更新，得到更新后的超参数；依据更新后的超参数对配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；重复执行通过更新后的初始文本分类模型对多个描述样本数据进行处理的步骤，直至目标损失值小于目标阈值，并将当前的初始文本分类模型确定为目标文本分类模型。

可选地，在依据目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，该方法还包括：依据目标服务模块，从服务模块数据库中获取目标服务模块的目标说明信息；将目标说明信息返回至目标对象，并检测是否接收到目标对象触发的目标指令，其中，目标指令用于表示目标对象未采纳目标服务模块；若接收到目标指令，则重复执行依据第一描述信息和目标文本分类模型，得到目标金融业务对应的目标场景的步骤，直至检测到目标对象采纳目标服务模块。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

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)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种金融业务的处理方法，其特征在于，包括：

获取目标对象待办理的目标金融业务的第一描述信息；

依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景；

依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；

通过所述目标服务模块对所述目标金融业务进行处理，得到处理结果。

2.根据权利要求1所述的方法，其特征在于，依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景包括：

获取场景字典库，其中，所述场景字典库中存储有多个场景信息和每个场景信息对应的标签信息；

依据所述目标文本分类模型，对所述第一描述信息进行分类，得到所述第一描述信息对应的初始场景；

判断所述场景字典库中是否存在所述初始场景对应的标签信息，得到判断结果；

若所述判断结果表征所述场景字典库中存在所述初始场景对应的标签信息，则将所述初始场景确定为所述目标场景。

3.根据权利要求2所述的方法，其特征在于，在判断所述场景字典库中是否存在所述初始场景对应的标签信息，得到判断结果之后，所述方法还包括：

若所述判断结果表征所述场景字典库中不存在所述初始场景对应的标签信息，则触发提示信息，其中，所述提示信息用于提示需重新获取所述目标对象输入的待办理的目标金融业务的第二描述信息；

在重新获取所述目标对象输入的第二描述信息之后，依据所述第二描述信息和所述目标文本分类模型，得到所述目标场景。

4.根据权利要求1所述的方法，其特征在于，依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块包括：

依据场景字典库和所述目标场景，确定所述目标场景对应的目标标签；

依据所述目标标签，从所述多个初始服务模块中确定所述目标服务模块，其中，所述初始服务模块与场景信息对应的标签信息具有对应关系。

5.根据权利要求1所述的方法，其特征在于，在依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景之前，所述方法还包括：

获取训练数据集，其中，所述训练数据集中至少包括多个描述样本数据和每个描述样本数据对应的真实场景信息；

对初始文本分类模型配置超参数，得到配置后的初始文本分类模型；

依据所述训练数据集对所述配置后的初始文本分类模型进行训练，得到所述目标文本分类模型。

6.根据权利要求5所述的方法，其特征在于，依据所述训练数据集对所述配置后的初始文本分类模型进行训练，得到所述目标文本分类模型包括：

通过所述配置后的初始文本分类模型对所述多个描述样本数据进行处理，得到所述描述样本数据对应的预测场景信息；

依据所述预测场景信息和所述真实场景信息进行计算，得到目标损失值；

判断所述目标损失值是否小于目标阈值，若所述目标损失值大于等于所述目标阈值，则对所述超参数进行更新，得到更新后的超参数；

依据所述更新后的超参数对所述配置后的初始文本分类模型的超参数进行更新，得到更新后的初始文本分类模型；

重复执行通过所述更新后的初始文本分类模型对所述多个描述样本数据进行处理的步骤，直至所述目标损失值小于所述目标阈值，并将当前的初始文本分类模型确定为所述目标文本分类模型。

7.根据权利要求1所述的方法，其特征在于，在依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块之后，所述方法还包括：

依据所述目标服务模块，从所述服务模块数据库中获取所述目标服务模块的目标说明信息；

将所述目标说明信息返回至所述目标对象，并检测是否接收到所述目标对象触发的目标指令，其中，所述目标指令用于表示所述目标对象未采纳所述目标服务模块；

若接收到所述目标指令，则重复执行依据所述第一描述信息和所述目标文本分类模型，得到所述目标金融业务对应的目标场景的步骤，直至检测到所述目标对象采纳所述目标服务模块。

8.一种金融业务的处理装置，其特征在于，包括：

第一获取单元，用于获取目标对象待办理的目标金融业务的第一描述信息；

第一确定单元，用于依据所述第一描述信息和目标文本分类模型，得到所述目标金融业务对应的目标场景；

第二确定单元，用于依据所述目标场景，从服务模块数据库的多个初始服务模块中确定目标服务模块；

处理单元，用于通过所述目标服务模块对所述目标金融业务进行处理，得到处理结果。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质在设备执行权利要求1至7中任意一项所述的金融业务的处理方法。

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中任意一项所述的金融业务的处理方法。