数据处理方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种数据处理方法、装置、电子设备以及存储介质，获得待测用户对应的待测数据矩阵，待测数据矩阵包含了可能影响待测用户是否同意营销活动的数据；将待测数据矩阵分别输入至第一稀疏矩阵模型和第二稀疏矩阵模型，分别得到第一预测结果和第二预测结果；基于所述第一稀疏矩阵模型对应的第一权重值、所述第二稀疏矩阵模型对应的第二权重值、所述第一预测结果以及所述第二预测结果，获得最终结果。由于获得的最终结果是结合两个预测结果及其权重值得到的，较直接将模型输出的预测结果作为最终结果更加准确。金融行业的工作人员可以基于最终结果确定是否给待测用户进行营销，使得金融行业的工作人员不再盲目营销，提高营销成功率。

【技术实现步骤摘要】
数据处理方法、装置、设备以及存储介质
本申请涉及银行领域，更具体的说，是涉及一种数据处理方法、装置、设备以及存储介质。
技术介绍
金融行业(例如银行)在进行营销活动时，是盲目给各用户拨打电话或发送短信或发送邮件，以使得用户能够获知该营销活动，促使用户可以同意购买营销活动对应的产品，或，办理营销活动对应的业务。
技术实现思路
有鉴于此，本申请提供了一种数据处理方法、装置、设备以及存储介质，以克服现有技术中盲目营销的问题，提高营销成功率。为实现上述目的，本申请提供如下技术方案：一种数据处理方法，包括：获取待测用户对应的待测数据矩阵，所述待测数据矩阵包括：所述待测用户的存款金额、所述待测用户所持信用卡数量、表征所述待测用户针对信用卡的还款能力的第一数据、表征所述待测用户的流水的第二数据、所述待测用户的贷款总数目、表征所述待测用户的贷款类型的第三数据、针对所述待测用户的营销的次数、针对所述待测用户营销成功的次数中的至少一个；将所述待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果；所述第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第一稀疏表示系数，并基于所述第一字典矩阵以及所述第一稀疏表示系数计算得到所述第一预测结果；一个所述第一样本数据矩阵包含的针对用户营销成功的次数为零，一个所述第一样本数据矩阵包含的针对用户被营销的次数小于或等于第一预设值；将所述待测数据矩阵输入至第二稀疏矩阵模型，得到所述第二稀疏矩阵模型输出的第二预测结果；所述第二稀疏矩阵模型是利用多个第二样本数据矩阵组成的第二字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第二稀疏表示系数，并基于所述第二字典矩阵以及所述第二稀疏表示系数计算得到所述第二预测结果；一个所述第二样本数据矩阵包含的针对用户营销成功的次数大于零，一个所述第二样本数据矩阵包含的针对用户被营销的次数小于或等于所述第一预设值；基于所述第一稀疏矩阵模型对应的第一权重值、所述第二稀疏矩阵模型对应的第二权重值、所述第一预测结果以及所述第二预测结果，获得最终结果。一种数据处理装置，包括：第一获取模块，用于获取待测用户对应的待测数据矩阵，所述待测数据矩阵包括：所述待测用户的存款金额、所述待测用户所持信用卡数量、表征所述待测用户针对信用卡的还款能力的第一数据、表征所述待测用户的流水的第二数据、所述待测用户的贷款总数目、表征所述待测用户的贷款类型的第三数据、针对所述待测用户的营销的次数、针对所述待测用户营销成功的次数中的至少一个；第一输入模块，用于将所述待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果；所述第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第一稀疏表示系数，并基于所述第一字典矩阵以及所述第一稀疏表示系数计算得到所述第一预测结果；一个所述第一样本数据矩阵包含的针对用户营销成功的次数为零，一个所述第一样本数据矩阵包含的针对用户被营销的次数小于或等于第一预设值；第二输入模块，用于将所述待测数据矩阵输入至第二稀疏矩阵模型，得到所述第二稀疏矩阵模型输出的第二预测结果；所述第二稀疏矩阵模型是利用多个第二样本数据矩阵组成的第二字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第二稀疏表示系数，并基于所述第二字典矩阵以及所述第二稀疏表示系数计算得到所述第二预测结果；一个所述第二样本数据矩阵包含的针对用户营销成功的次数大于零，一个所述第二样本数据矩阵包含的针对用户被营销的次数小于或等于所述第一预设值；第二获取模块，用于基于所述第一稀疏矩阵模型对应的第一权重值、所述第二稀疏矩阵模型对应的第二权重值、所述第一预测结果以及所述第二预测结果，获得最终结果。一种电子设备，包括：存储器，用于存储程序；处理器，用于执行所述程序，所述程序具体用于：获取待测用户对应的待测数据矩阵，所述待测数据矩阵包括：所述待测用户的存款金额、所述待测用户所持信用卡数量、表征所述待测用户针对信用卡的还款能力的第一数据、表征所述待测用户的流水的第二数据、所述待测用户的贷款总数目、表征所述待测用户的贷款类型的第三数据、针对所述待测用户的营销的次数、针对所述待测用户营销成功的次数中的至少一个；将所述待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果；所述第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第一稀疏表示系数，并基于所述第一字典矩阵以及所述第一稀疏表示系数计算得到所述第一预测结果；一个所述第一样本数据矩阵包含的针对用户营销成功的次数为零，一个所述第一样本数据矩阵包含的针对用户被营销的次数小于或等于第一预设值；将所述待测数据矩阵输入至第二稀疏矩阵模型，得到所述第二稀疏矩阵模型输出的第二预测结果；所述第二稀疏矩阵模型是利用多个第二样本数据矩阵组成的第二字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第二稀疏表示系数，并基于所述第二字典矩阵以及所述第二稀疏表示系数计算得到所述第二预测结果；一个所述第二样本数据矩阵包含的针对用户营销成功的次数大于零，一个所述第二样本数据矩阵包含的针对用户被营销的次数小于或等于所述第一预设值；基于所述第一稀疏矩阵模型对应的第一权重值、所述第二稀疏矩阵模型对应的第二权重值、所述第一预测结果以及所述第二预测结果，获得最终结果。一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述任一项所述的数据处理方法中的各个步骤。经由上述的技术方案可知，与现有技术相比，本申请提供的数据处理方法中，获得待测用户对应的待测数据矩阵，待测数据矩阵包含了可能影响待测用户是否同意营销活动的数据；将待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果，由于第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第一稀疏表示系数，并基于第一字典矩阵以及所述第一稀疏表示系数计算得到第一预测结果，且每一个第一样本数据矩阵包含的针对用户营销成功的次数为零，所以各第一样本数据矩阵为失败样本，所以第一稀疏矩阵模型更大程度上学习到了失败样本的属性特征，即得到的第一预测结果是第一稀疏矩阵模型基于倾向于失败样本的属性特征得到的，即第一预测结果更加倾向于失败营销方向。因此，若第一预测结果越大，说明在实际营销中针对待测用户的营销成功率就越大；若第一预测结果越小，由于该结果是倾向于失败营销方向的，并不能表示在实际营销中针对待测用户的营销成功率就小，所以需要结合第二预测结果来判断。将所述待测数据矩阵输入至第二稀疏矩阵模型，得到所述第二稀疏矩阵模型输出的第二预测结果。由于第二稀疏矩阵模型是利用多个第二样本数据矩阵组成的第二字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n获取待测用户对应的待测数据矩阵，所述待测数据矩阵包括：所述待测用户的存款金额、所述待测用户所持信用卡数量、表征所述待测用户针对信用卡的还款能力的第一数据、表征所述待测用户的流水的第二数据、所述待测用户的贷款总数目、表征所述待测用户的贷款类型的第三数据、针对所述待测用户的营销的次数、针对所述待测用户营销成功的次数中的至少一个；/n将所述待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果；所述第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第一稀疏表示系数，并基于所述第一字典矩阵以及所述第一稀疏表示系数计算得到所述第一预测结果；一个所述第一样本数据矩阵包含的针对用户营销成功的次数为零，一个所述第一样本数据矩阵包含的针对用户被营销的次数小于或等于第一预设值；/n将所述待测数据矩阵输入至第二稀疏矩阵模型，得到所述第二稀疏矩阵模型输出的第二预测结果；所述第二稀疏矩阵模型是利用多个第二样本数据矩阵组成的第二字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第二稀疏表示系数，并基于所述第二字典矩阵以及所述第二稀疏表示系数计算得到所述第二预测结果；一个所述第二样本数据矩阵包含的针对用户营销成功的次数大于零，一个所述第二样本数据矩阵包含的针对用户被营销的次数小于或等于所述第一预设值；/n基于所述第一稀疏矩阵模型对应的第一权重值、所述第二稀疏矩阵模型对应的第二权重值、所述第一预测结果以及所述第二预测结果，获得最终结果。/n...

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
获取待测用户对应的待测数据矩阵，所述待测数据矩阵包括：所述待测用户的存款金额、所述待测用户所持信用卡数量、表征所述待测用户针对信用卡的还款能力的第一数据、表征所述待测用户的流水的第二数据、所述待测用户的贷款总数目、表征所述待测用户的贷款类型的第三数据、针对所述待测用户的营销的次数、针对所述待测用户营销成功的次数中的至少一个；
将所述待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果；所述第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第一稀疏表示系数，并基于所述第一字典矩阵以及所述第一稀疏表示系数计算得到所述第一预测结果；一个所述第一样本数据矩阵包含的针对用户营销成功的次数为零，一个所述第一样本数据矩阵包含的针对用户被营销的次数小于或等于第一预设值；
将所述待测数据矩阵输入至第二稀疏矩阵模型，得到所述第二稀疏矩阵模型输出的第二预测结果；所述第二稀疏矩阵模型是利用多个第二样本数据矩阵组成的第二字典矩阵，通过字典学习算法得到所述待测数据矩阵对应的第二稀疏表示系数，并基于所述第二字典矩阵以及所述第二稀疏表示系数计算得到所述第二预测结果；一个所述第二样本数据矩阵包含的针对用户营销成功的次数大于零，一个所述第二样本数据矩阵包含的针对用户被营销的次数小于或等于所述第一预设值；
基于所述第一稀疏矩阵模型对应的第一权重值、所述第二稀疏矩阵模型对应的第二权重值、所述第一预测结果以及所述第二预测结果，获得最终结果。


2.根据权利要求1所述数据处理方法，其特征在于，还包括：
若所述最终结果大于或等于第二预设值，请求与所述待测用户建立通信连接。


3.根据权利要求1或2所述数据处理方法，其特征在于，还包括：
将所述多个第一样本数据矩阵作为自变量，将所述多个第一样本数据矩阵分别对应的实际营销成功概率作为因变量，得到表征自变量对因变量影响程度的第一回归系数集合，所述第一回归系数集合包括至少一个第一回归系数；
基于所述第一回归系数集合得到所述第一权重值。


4.根据权利要求1或2所述数据处理方法，其特征在于，还包括：
将所述多个第二样本数据矩阵作为自变量，将所述多个第二样本数据矩阵分别对应的实际营销成功概率作为因变量，得到表征自变量对因变量影响程度的第二回归系数集合，所述第二回归系数集合包括至少一个第二回归系数；
基于所述第二回归系数集合得到所述第二权重值。


5.根据权利要求4所述数据处理方法，其特征在于，还包括：
获取表征针对所述待测用户的营销成功概率的实际结果；
若所述实际结果表征针对用户营销成功的次数为零，针对用户被营销的次数小于或等于第一预设值，确定所述待测数据矩阵为所述第一样本数据矩阵，基于所述待测数据矩阵与所述实际结果调整所述第一权重值；
若所述实际结果表征针对用户营销成功的次数不为零，针对用户被营销的次数小于或等于第一预设值，确定所述待测数据矩阵为所述第二样本数据矩阵，基于所述测数据矩阵与所述实际结果调整所述第二权重值。


6.一种数据处理装置，包括：
第一获取模块，用于获取待测用户对应的待测数据矩阵，所述待测数据矩阵包括：所述待测用户的存款金额、所述待测用户所持信用卡数量、表征所述待测用户针对信用卡的还款能力的第一数据、表征所述待测用户的流水的第二数据、所述待测用户的贷款总数目、表征所述待测用户的贷款类型的第三数据、针对所述待测用户的营销的次数、针对所述待测用户营销成功的次数中的至少一个；
第一输入模块，用于将所述待测数据矩阵输入至第一稀疏矩阵模型，得到所述第一稀疏矩阵模型输出的第一预测结果；所述第一稀疏矩阵模型是利用多个第一样本数据矩阵组成的第一字典矩阵，通过字典...

【专利技术属性】
技术研发人员：梁亮，李婷姝，
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