一种跨境场景画像构建方法和装置制造方法及图纸

本发明专利技术提供了一种跨境场景画像构建方法和装置，该方法包括：获取历史数据和行为数据，根据历史数据，构建客户画像基础部分和产品画像基础部分；根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；根据行为数据，构建行为画像；根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户‑产品标签权重，构建跨境场景画像。本发明专利技术能让机器深度理解信息涵义。

【技术实现步骤摘要】
一种跨境场景画像构建方法和装置
本专利技术涉及计算机数据处理
，尤其涉及一种跨境场景画像构建方法和装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。跨境场景作为银行重点领域，一般位列战略级场景首位。如果能够及时、准确地为跨境客户提供优质的个性化金融及非金融服务，那么就能大幅增加客户粘度，获得更多效益以及市场竞争优势。然而传统的画像构建主要依赖直接使用原始数据作为画像内容或对历史数据进行简单地统计加工，不能精准度量客户、产品的特性与特质，更无法让机器深度理解信息涵义达到为个性化服务提供强有力数据支撑的能力。因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
技术实现思路
本专利技术实施例提供一种跨境场景画像构建方法，精准度量客户、产品和行为的特性与特质，让机器深度理解信息涵义；该方法包括：获取历史数据和行为数据，根据历史数据，构建客户画像基础部分和产品画像基础部分；根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；根据行为数据，构建行为画像；根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。本专利技术实施例还提供一种跨境场景画像构建装置，包括：数据获取模块，用于获取历史数据和行为数据，画像基础部分构建模块，用于根据历史数据，构建客户画像基础部分和产品画像基础部分；完整客户画像确定模块，用于根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；完整产品画像确定模块，用于利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；行为画像构建模块，用于根据行为数据，构建行为画像；跨境场景画像构建模块，用于根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种跨境场景画像构建方法。本专利技术实施例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存储有执行上述一种跨境场景画像构建方法的计算机程序。本专利技术实施例提供的一种跨境场景画像构建方法和装置，首先，获取历史数据和行为数据，根据历史数据，构建客户画像基础部分和产品画像基础部分；然后，根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；根据行为数据，构建行为画像；本专利技术通过完整客户画像、完整产品画像和行为画像三种画像跨境成精画像，使得最终构建的跨境场景画像内容更加丰富；最后，根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。本专利技术通过人工智能算法、自然语言处理技术以及器学习算法，对信息数据进行量化，从而使得机器能够深度理解信息涵义，更好的支撑上层个性化服务的开发，精准度量客户、产品和行为的特性与特质。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例一种跨境场景画像构建方法示意图。图2为本专利技术实施例一种跨境场景画像构建方法构建客户画像基础部分和产品画像基础部分过程示意图。图3为本专利技术实施例一种跨境场景画像构建方法确定稠密向量过程示意图。图4为运行本专利技术实施的一种跨境场景画像构建方法的计算机装置示意图。图5为本专利技术实施例一种跨境场景画像构建装置示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。图1为本专利技术实施例一种跨境场景画像构建方法示意图，如图1所示，本专利技术实施例提供一种跨境场景画像构建方法，精准度量客户、产品和行为的特性与特质，让机器深度理解信息涵义；该方法包括：步骤101：获取历史数据和行为数据，步骤102：根据历史数据，构建客户画像基础部分和产品画像基础部分；步骤103：根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；步骤104：利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；步骤105：根据行为数据，构建行为画像；步骤106：根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。本专利技术实施例提供的一种跨境场景画像构建方法，首先，获取历史数据和行为数据，根据历史数据，构建客户画像基础部分和产品画像基础部分；然后，根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；根据行为数据，构建行为画像；本专利技术通过完整客户画像、完整产品画像和行为画像三种画像跨境成精画像，使得最终构建的跨境场景画像内容更加丰富；最后，根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。本专利技术通过人工智能算法、自然语言处理技术以及器学习算法，对信息数据进行量化，从而使得机器能够深度理解信息涵义，更好的支撑上层个性化服务的开发，精准度量客户、产品和行为的特性与特质。在本专利技术实施例中，画像，是指一种抽象出信息全貌的手段。传统刻画画像主要依赖直接使用原本文档来自技高网...

【技术保护点】
1.一种跨境场景画像构建方法，其特征在于，包括：/n获取历史数据和行为数据，/n根据历史数据，构建客户画像基础部分和产品画像基础部分；/n根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；/n利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；/n根据行为数据，构建行为画像；/n根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。/n

【技术特征摘要】
1.一种跨境场景画像构建方法，其特征在于，包括：
获取历史数据和行为数据，
根据历史数据，构建客户画像基础部分和产品画像基础部分；
根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，将稠密向量与客户画像基础部分进行组装，确定完整客户画像；
利用自然语言处理技术从产品画像基础部分中提取出画像标签，将画像标签加入产品画像基础部分，确定完整产品画像；
根据行为数据，构建行为画像；
根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像。


2.如权利要求1所述的方法，其特征在于，获取历史数据和行为数据，包括：从银行大数据平台和银行基础数据平台中划定数据获取范围，从所述数据获取范围中获取历史数据和行为数据；其中，所述数据获取范围，至少包括：客户基本信息，客户金融类数据，客户非金融类数据，客户跨境应用的行为数据。


3.如权利要求1所述的方法，其特征在于，根据历史数据，构建客户画像基础部分和产品画像基础部分，包括：
从历史数据中获取交互行为数据；
构建数据加载算子和数据清洗算子，对交互行为数据进行预处理，确定客户数据和产品数据；
根据客户数据和产品数据，构建客户画像基础部分和产品画像基础部分。


4.如权利要求1所述的方法，其特征在于，根据客户画像基础部分和产品画像基础部分，利用人工智能算法确定稠密向量，包括：
从客户画像基础部分和产品画像基础部分中提取文本描述类数据；
将文本描述类数据进行切词和去停用词处理，确定词集合；其中，词集合，包括：关键词；
利用人工智能算法对关键词计算词向量，将每个关键词的词向量进行加权平均，确定稠密向量。


5.如权利要求1所述的方法，其特征在于，利用自然语言处理技术从产品画像基础部分中提取出画像标签，包括：
从产品画像基础部分中提取文本信息；
对文本信息进行切词和去停用词处理，使用TF-IDF计算得到文本关键词；
利用自然语言处理技术对文本信息进行挖掘，确定文本主题词；
根据文本关键词和文本主题词，确定画像标签。


6.如权利要求1所述的方法，其特征在于，根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，计算客户-产品标签权重，构建跨境场景画像，包括：
根据行为画像，建立完整客户画像与完整产品画像之间的连接，利用机器学习算法将完整产品画像中的画像标签作为特征传递至完整客户画像，构建客户-产品标签集合的交互矩阵；
根据客户-产品标签集合的交互矩阵，基于机器学习算法，计算客户-产品标签权重，构建跨境场景画像。


7.一种跨境场景画像构建装置，其特征在于，包括：
数据获取模块，用于获取历史数据和行为数据，

【专利技术属性】
技术研发人员：狄潇然，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11