基于AI模型的贷款资金去向分析方法及相关设备技术

本申请实施例属于人工智能领域，应用于智慧银行领域中，涉及一种基于AI模型的贷款资金去向分析装置方法，包括获取贷款语料；基于预设预料构建策略和贷款语料训练待训练的分析模型；根据训练好的分析模型对预设配置表进行更新，得到更新后的预设配置表；根据银行贷款平台的贷款疑问与贷款用户的贷款应答构建待检应答语料；将待检应答语料输入到训练好的分析模型中，以指示训练好的分析模型基于贷款疑问和所述贷款应答为贷款用户生成意图标签，其中，所述意图标签包括至少一个意图子标签；基于更新后的预设配置表和所述意图子标签对所述贷款用户的贷款请求进行去向分析，得到去向分析结果。采用本方法大大提高了对用户贷款资金去向分析的准确率。

【技术实现步骤摘要】
基于AI模型的贷款资金去向分析方法及相关设备
本申请涉及人工智能领域，特别是涉及一种基于AI模型的贷款资金去向分析方法、装置、计算机设备和存储介质。
技术介绍
近几年，AI作为一项比较前沿的技术，越来越多的公司投入精力进行人工智能相关的开发。人工智能的关键在于语音识别和对应的话术应答技术。语音识别技术，一般的科技公司多采用头部公司(如科大讯飞)的产品或进行简单的二次封装。但对于识别完客户语音后，应当如何应答，每个公司都会基于各自的实际业务场景，指定特定的话术语料。由于现实中语料较多，且流程复杂，很多AI的测试根本无法覆盖所有的话术语料，导致用户的贷款资金去向的分析覆盖率太低，无法针对用户的资金去向做出准确分析。
技术实现思路
基于此，针对上述技术问题，本申请提供一种基于AI模型的贷款资金去向分析方法、装置、计算机设备及存储介质，以解决现有技术中AI测试无法覆盖所有的话术预料，导致的用户贷款资金去向分析覆盖率低，无法针对用户的资金去向做出准确分析的技术问题。一种基于AI模型的贷款资金去向分析方法，所述方法包括：获取贷款语料，其中，所述贷款语料包括问答数据样本和历史问答数据，所述问答数据样本包括贷款疑问样本和贷款应答样本以及贷款用户的标注标签，所述历史问答数据为银行贷款平台与贷款用户之间有关贷款场景的问答文本；基于预设预料构建策略和所述贷款语料训练待训练的分析模型；根据训练好的分析模型对预设配置表进行训练，得到更新后的预设配置表；根据银行贷款平台的贷款疑问与贷款用户的贷款应答构建待检应答语料；将所述待检应答语料输入到训练好的分析模型中，以指示训练好的分析模型基于所述贷款疑问和所述贷款应答为贷款用户生成意图标签，其中，所述意图标签包括至少一个意图子标签；基于更新后的所述预设配置表和所述意图子标签对所述贷款用户的贷款请求进行去向分析，得到去向分析结果。一种基于AI模型的贷款资金去向分析装置，所述装置包括：语料模块，用于获取贷款语料，其中，所述贷款语料包括问答数据样本和历史问答数据，所述问答数据样本包括贷款疑问样本和贷款应答样本以及贷款用户的标注标签，所述历史问答数据为银行贷款平台与贷款用户之间有关贷款场景的问答文本；训练模块，用于基于预设预料构建策略和所述贷款语料训练待训练的分析模型；更新模块，用于根据训练好的分析模型对预设配置表进行更新，得到更新后的预设配置表；构建模块，用于根据银行贷款平台的贷款疑问与贷款用户的贷款应答构建待检应答语料；预测模块，用于将所述待检应答语料输入到训练好的分析模型中，以指示训练好的分析模型基于所述贷款疑问和所述贷款应答为贷款用户生成意图标签，其中，所述意图标签包括至少一个意图子标签；分析模块，用于基于更新后的所述预设配置表和所述意图子标签对所述贷款用户的贷款请求进行去向分析，得到去向分析结果。一种计算机设备，包括存储器和处理器，以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述基于AI模型的贷款资金去向分析方法的步骤。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计算机可读指令，所述计算机可读指令被处理器执行时实现上述基于AI模型的贷款资金去向分析方法的步骤。上述基于AI模型的贷款资金去向分析方法、装置、计算机设备和存储介质，通过问答数据样本对分析模型进行训练，又根据训练好的分析模型和历史问答数据对预设配置表进行更新，再通过待检问答语料所对应的贷款用户的意图标签与预设配置表对贷款用户的贷款资金去向进行分析，本申请通过预设策略不断完善预设配置表丰富话术语料对应的去向标签，解决了现有技术中对贷款用户的资金去向的分析覆盖率低，无法对用户贷款资金去向做出准确分析的技术问题。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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性的前提下，还可以根据这些附图获得其他的附图。图1为基于AI模型的贷款资金去向分析方法的应用环境示意图；图2为基于AI模型的贷款资金去向分析方法的流程示意图；图3为基于AI模型的贷款资金去向分析装置的示意图；图4为一个实施例中计算机设备的示意图。具体实施方式除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请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，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。为了使本申请的目的、技术方案及优点更加清楚明白，下面结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术实施例提供的基于AI模型的贷款资金去向分析方法，可以应用于如图1所示的应用环境中。其中，该应用环境可以包括终端102、网络以及服务端104，网络用于在终端102和服务端104之间提供通信链路介质，网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端102通过网络与服务端104交互，以接收或发送消息等。终端102上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。终端102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。服务端104可以是提供各种服务的服务器，例如对终端102上显示的页面提供支持的后台服务器。需要说明的是，本申请实施例所提供的基于AI模型的贷款资金去向分析方法一般由服务端/终端执行，相应地，基于AI模型的贷款资金去向分析装置一般设置于服务端/终端设备中。本申本文档来自技高网...

【技术保护点】
1.一种基于AI模型的贷款资金去向分析方法，其特征在于，所述方法包括：/n获取贷款语料，其中，所述贷款语料包括问答数据样本和历史问答数据，所述问答数据样本包括贷款疑问样本和贷款应答样本以及贷款用户的标注标签，所述历史问答数据为银行贷款平台与贷款用户之间有关贷款场景的问答文本；/n基于预设预料构建策略和所述贷款语料训练待训练的分析模型；/n根据训练好的分析模型对预设配置表进行更新，得到更新后的预设配置表；/n根据银行贷款平台的贷款疑问与贷款用户的贷款应答构建待检应答语料；/n将所述待检应答语料输入到训练好的分析模型中，以指示训练好的分析模型基于所述贷款疑问和所述贷款应答为贷款用户生成意图标签，其中，所述意图标签包括至少一个意图子标签；/n基于更新后的所述预设配置表和所述意图子标签对所述贷款用户的贷款请求进行去向分析，得到去向分析结果。/n

【技术特征摘要】
1.一种基于AI模型的贷款资金去向分析方法，其特征在于，所述方法包括：
获取贷款语料，其中，所述贷款语料包括问答数据样本和历史问答数据，所述问答数据样本包括贷款疑问样本和贷款应答样本以及贷款用户的标注标签，所述历史问答数据为银行贷款平台与贷款用户之间有关贷款场景的问答文本；
基于预设预料构建策略和所述贷款语料训练待训练的分析模型；
根据训练好的分析模型对预设配置表进行更新，得到更新后的预设配置表；
根据银行贷款平台的贷款疑问与贷款用户的贷款应答构建待检应答语料；
将所述待检应答语料输入到训练好的分析模型中，以指示训练好的分析模型基于所述贷款疑问和所述贷款应答为贷款用户生成意图标签，其中，所述意图标签包括至少一个意图子标签；
基于更新后的所述预设配置表和所述意图子标签对所述贷款用户的贷款请求进行去向分析，得到去向分析结果。


2.根据权利要求1所述的方法，其特征在于，所述基于预设预料构建策略和所述贷款语料样本训练待训练的分析模型，包括：
分别对所述贷款疑问样本、所述贷款应答样本进行关键词抽取，得到第一关键词和第二关键词；
获取所述贷款疑问样本与所述贷款应答样本的应答关系，并基于预设实体策略将所述应答关系、所述第一关键词以及所述第二关键词输入到待训练的分析模型中，得到所述贷款用户的第一样本标签；
根据所述第一样本标签和所述标注标签计算所述贷款用户的交叉熵损失值，并基于梯度下降法调整待训练的分析模型的模型参数，直到模型收敛，得到训练好的分析模型。


3.根据权利要求2所述的方法，其特征在于，所述根据训练好的分析模型对预设配置表进行更新，得到更新后的预设配置表，还包括：
根据训练好的分析模型对历史问答数据对应的贷款用户的标签预测，得到贷款用户的第二样本标签；
检测所述预设配置表中是否存在与所述第二样本标签的相似度大于第一预设值的第三样本标签，得到检测结果；
若所述检测结果为存在相似度大于第一预设值的第三样本标签，则删除所述第二样本标签；
若所述检测结果为不存在相似度大于第一预设值的第三样本标签，则将所述第二样本标签更新到所述预设配置表中，直到连续预设次数的检测结果都为存在相似度大于第一预设值的第三样本标签，更新后的预设配置表。


4.根据权利要求2所述的方法，其特征在于，所述获取所述贷款疑问样本与所述贷款应答样本的应答关系，并基于预设实体策略将所述应答关系、所述第一关键词以及所述第二关键词输入到待训练的分析模型中，得到所述贷款用户的第一样本标签，包括：
计算所述第一关键词和所述第二关键词与实体词典中实体词的语义相似度，以将语义相似度大于第二预设值的实体词，作为样本实体词；
以所述样本实体词替换对应的第一关键词或第二...

【专利技术属性】
技术研发人员：丁勇，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：广东;44