用户业务需求识别方法、装置及计算机可读存储介质制造方法及图纸

本申请提供的用户业务需求识别方法、装置及计算机可读存储介质，首先将目的机构内部的用户历史行为数据处理成多维数据集；接着通过对多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量；然后再将用户行为特征向量输入训练好的密度聚类模型中进行聚类处理确定待分类用户所在的类；最后，根据各个待分类用户所在的类对应的业务需求类别，确定多个待分类用户各自的业务需求类别。本申请可以采用无监督的密度聚类模型进行分类，以减小对训练样本的标签依赖，无需对大量训练样本进行人工标注，提高模型分类的效率。另外，历史行为数据来源于目的机构内部，信息获取的规格更加统一，也更加安全合规。

【技术实现步骤摘要】
用户业务需求识别方法、装置及计算机可读存储介质
本申请涉及人工智能
，具体而言，涉及一种用户业务需求识别方法、装置及计算机可读存储介质。
技术介绍
用户的潜在业务需求是企业或商家开展工作时所需了解的重要内容，以金融机构的信贷产品推销为例，金融机构拥有海量的存量存款和贷款对公客户，但是大部分金融机构并没有对这部分客户进行深度挖掘，进而对有资金需求的客户进行精准推销，而是投入大量人力进行线下客户拜访获客。线下获客一方面成功率较低，另一方面也耗费大量人力和时间成本。可以理解，对用户的潜在业务需求的识别在各行各业中适用，如何确定用户的业务需求（用户画像特征），以便后续对用户进行精确信息推送是本领域需要解决的技术问题。
技术实现思路
为了至少克服现有技术中的上述不足，本申请的目的在于提供一种用户业务需求识别方法、装置及计算机可读存储介质，用于解决上述技术问题。第一方面，本申请实施例提供一种用户业务需求识别方法，应用于计算机设备，所述方法包括：从目的机构中获取多个待分类用户的历史行为数据；将所述历史行为数据进行处理得到多维度数据集；根据所述多维度数据集中各维度数据集的类型和特点，对所述多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量，其中，所述用户行为特征向量中的特征值对应所述用户在所述各维度数据集中的指标；将所述多个待分类用户的用户行为特征向量输入训练好的密度聚类模型中进行聚类处理确定各个待分类用户所在的类；根据所述各个待分类用户所在的类对应的业务需求类别，确定所述多个待分类用户各自的业务需求类别。本申请提供的方案首先将目的机构内部的用户历史行为数据处理成多维数据集；接着通过对多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量；然后再将多个待分类用户的用户行为特征向量输入训练好的密度聚类模型中进行聚类处理确定各个待分类用户所在的类；最后，根据各个待分类用户所在的类对应的业务需求类别，确定多个待分类用户各自的业务需求类别。本申请采用无监督的密度聚类模型进行分类，可以减小对训练样本的标签依赖，无需对大量训练样本进行人工标注，提高模型分类的效率。另外，历史行为数据来源于目的机构内部，信息获取的规格更加统一，也更加安全合规。在一种可能的实现方式中，所述从目的机构中获取多个待分类用户的历史行为数据的步骤包括：从所述目的机构中获取所述多个待分类用户在预设时间段内的历史行为数据；所述将所述历史行为数据进行处理得到多维度数据集的步骤包括：根据所述历史行为数据中的交易数据得到交易维度数据集；根据所述历史行为数据中的经营数据得到经营维度数据集；根据所述历史行为数据中的用户属性数据得到属性维度数据集。在一种可能的实现方式中，所述根据所述多维度数据集中各维度数据集的类型和特点，对所述多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量的步骤包括：根据所述交易维度数据集确定的客户关系图谱衍生形成关系型特征作为交易维度数据集的指标，其中，所述交易维度数据集的指标包括预设时间段的收支金额、交易账户数、担保集中度及对外投资金额；根据所述经营维度数据集中的数据信息生成连续型的经营维度数据集的指标，其中，所述经营维度数据集的指标包括资产负债率、年度纳税额、销售收入额、上一年利润额、营业收入变化率；根据所述属性维度数据集中的数据信息生成离散型的属性维度数据集的指标，其中，所述属性维度数据集的指标包括成立时间及所处行业；基于所述交易维度数据集的指标、所述经营维度数据集的指标及所述属性维度数据集的指标形成所述待分类用户对应的用户行为特征向量。在一种可能的实现方式中，在所述从目的机构中获取多个待分类用户的历史行为数据的步骤之前，所述方法还包括训练密度聚类模型的步骤，该步骤包括：设定密度聚类模型的初始模型参数，其中模型参数包括临近区域半径及临近区域中包含点的个数；将用户行为特征向量样本输入所述密度聚类模型中进行训练分类，其中，所述用户行为特征向量样本包括部分具有分类标签的评估样本；根据分类结果，结合所述评估样本和轮廓系数对所述密度聚类模型的分类结果进行效果评估，若达不到预设要求，则调整所述密度聚类模型的模型参数，重新对所述用户行为特征向量样本进行分类，直到分类结果满足预设要求；将满足预设要求时密度聚类模型的模型参数作为训练好的密度聚类模型的模型参数。在一种可能的实现方式中，在所述根据所述各个待分类用户所在的类对应的业务需求类别，确定所述多个待分类用户各自的业务需求类别的步骤之前，所述方法还包括确定分类结果中存在用户业务需求的分类的步骤，该步骤包括：将带有用户业务需求标签的用户行为特征向量样本输入到所述训练好的密度聚类模型中进行聚类处理，得到带有用户业务需求标签的用户行为特征向量样本在各分类中的分布情况；将分类中带有用户业务需求标签的用户行为特征向量样本的密度大于预设密度的分类，作为存在用户业务需求的分类。在一种可能的实现方式中，在所述确定所述多个待分类用户各自的业务需求类别之后，所述方法还包括：获取所述多个待分类用户的通信联系方式；根据所述多个待分类用户各自的业务需求类别，通过所述多个待分类用户对应的通信联系方式向对应的用户推送与所述业务需求类别相关的信息。第二方面，本申请实施例还提供一种用户业务需求识别装置，应用于计算机设备，所述装置包括：获取模块，用于从目的机构中获取多个待分类用户的历史行为数据；第一处理模块，用于将所述历史行为数据进行处理得到多维度数据集；第二处理模块，用于根据所述多维度数据集中各维度数据集的类型和特点，对所述多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量，其中，所述用户行为特征向量中的特征值对应所述用户在所述各维度数据集中的指标；分类模块，用于将所述多个待分类用户的用户行为特征向量输入训练好的密度聚类模型中进行聚类处理确定各个待分类用户所在的类；确定模块，用于并根据所述各个待分类用户所在的类对应的业务需求类别，确定所述多个待分类用户各自的业务需求类别。在一种可能的实现方式中，所述获取模块具体用于：从所述目的机构中获取所述多个待分类用户在预设时间段内的历史行为数据；所述第一处理模块具体用于：根据所述历史行为数据中的交易数据得到交易维度数据集；根据所述历史行为数据中的经营数据得到经营维度数据集；根据所述历史行为数据中的用户属性数据得到属性维度数据集。在一种可能的实现方式中，所述第二处理模块具体用于：根据所述交易维度数据集确定的客户关系图谱衍生形成关系型特征作为交易维度数据集的指标，其中，所述交易维度数据集的指标包括预设时间段的收支金额、交易账户数、担保集中度及对外投资金额；根据所述经营维度数据集中的本文档来自技高网...

【技术保护点】
1.一种用户业务需求识别方法，其特征在于，应用于计算机设备，所述方法包括：/n从目的机构中获取多个待分类用户的历史行为数据；/n将所述历史行为数据进行处理得到多维度数据集；/n根据所述多维度数据集中各维度数据集的类型和特点，对所述多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量，其中，所述用户行为特征向量中的特征值对应所述用户在所述各维度数据集中的指标；/n将所述多个待分类用户的用户行为特征向量输入训练好的密度聚类模型中进行聚类处理确定各个待分类用户所在的类；/n根据所述各个待分类用户所在的类对应的业务需求类别，确定所述多个待分类用户各自的业务需求类别。/n

【技术特征摘要】
1.一种用户业务需求识别方法，其特征在于，应用于计算机设备，所述方法包括：
从目的机构中获取多个待分类用户的历史行为数据；
将所述历史行为数据进行处理得到多维度数据集；
根据所述多维度数据集中各维度数据集的类型和特点，对所述多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量，其中，所述用户行为特征向量中的特征值对应所述用户在所述各维度数据集中的指标；
将所述多个待分类用户的用户行为特征向量输入训练好的密度聚类模型中进行聚类处理确定各个待分类用户所在的类；
根据所述各个待分类用户所在的类对应的业务需求类别，确定所述多个待分类用户各自的业务需求类别。


2.如权利要求1所述的用户业务需求识别方法，其特征在于，所述从目的机构中获取多个待分类用户的历史行为数据的步骤包括：
从所述目的机构中获取所述多个待分类用户在预设时间段内的历史行为数据；
所述将所述历史行为数据进行处理得到多维度数据集的步骤包括：
根据所述历史行为数据中的交易数据得到交易维度数据集；
根据所述历史行为数据中的经营数据得到经营维度数据集；
根据所述历史行为数据中的用户属性数据得到属性维度数据集。


3.如权利要求2所述的用户业务需求识别方法，其特征在于，所述根据所述多维度数据集中各维度数据集的类型和特点，对所述多维度数据集中各维度数据集进行处理，得到所述待分类用户对应的用户行为特征向量的步骤包括：
根据所述交易维度数据集确定的客户关系图谱衍生形成关系型特征作为交易维度数据集的指标，其中，所述交易维度数据集的指标包括预设时间段的收支金额、交易账户数、担保集中度及对外投资金额；
根据所述经营维度数据集中的数据信息生成连续型的经营维度数据集的指标，其中，所述经营维度数据集的指标包括资产负债率、年度纳税额、销售收入额、上一年利润额、营业收入变化率；
根据所述属性维度数据集中的数据信息生成离散型的属性维度数据集的指标，其中，所述属性维度数据集的指标包括成立时间及所处行业；
基于所述交易维度数据集的指标、所述经营维度数据集的指标及所述属性维度数据集的指标形成所述待分类用户对应的用户行为特征向量。


4.如权利要求1-3中任意一项所述的用户业务需求识别方法，其特征在于，在所述从目的机构中获取多个待分类用户的历史行为数据的步骤之前，所述方法还包括训练密度聚类模型的步骤，该步骤包括：
设定密度聚类模型的初始模型参数，其中模型参数包括临近区域半径及临近区域中包含点的最少个数；
将用户行为特征向量样本输入所述密度聚类模型中进行训练分类，其中，所述用户行为特征向量样本包括部分具有分类标签的评估样本；
根据分类结果，结合所述评估样本和轮廓系数对所述密度聚类模型的分类结果进行效果评估，若达不到预设要求，则调整所述密度聚类模型的模型参数，重新对所述用户行为特征向量样本进行分类，直到分类结果满足预设要求；
将满足预设要求时密度聚类模型的模型参数作为训练好的密度聚类模型的模型参数。


5.如权利要求4所述的用户业务需求识别方法，其特征在于，在所述根据所述各个待分类用户所在的类对应的业...

【专利技术属性】
技术研发人员：顾凌云，陈波，张兵，孙越凡，
申请(专利权)人：南京冰鉴信息科技有限公司，
类型：发明
国别省市：江苏;32