画像数据的归因方法、装置、电子设备及存储介质制造方法及图纸

本公开提供一种画像数据的归因方法，涉及人工智能领域，可应用于金融科技领域，包括：获取营销画像数据；根据所述营销画像数据计算营销画像的评价指标得分；获取评价指标得分大于预设阈值的营销画像对应的行为数据；对所述营销画像数据及所述行为数据进行知识图谱的构建及图卷积运算，提取所述行为数据中影响所述评价指标得分的行为特征。本公开还提供一种画像数据的归因装置、电子设备及计算机可读存储介质。介质。介质。

【技术实现步骤摘要】
画像数据的归因方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能领域，可应用于金融科技领域，具体涉及一种画像数据的归因方法、装置、电子设备及存储介质。

技术介绍

[0002]在金融服务领域，画像数据有助于金融企业对相关业务进行全面的综合评价及归因，以此提出业务优化建议，进而提高金融企业的整体业务水平及能力。例如，对于银行而言，客户经理和财富顾问是其一线重要营销角色，基于这些营销角色的营销画像，可以对营销角色的业务能力、业绩、业务行为等进行综合评价，以给出指导业务操作的建议。
[0003]然而，在实现本公开的构思中，申请人发现：目前的画像分析缺乏有效地画像数据智能化归因方法，需要耗费大量的资源进行画像数据对应的行为特征的识别提取。并且，在行为特征识别提取的过程中，只考虑单个行为特征，忽略了各行为特征之间的关联以及行为特征与实体之间的关联，导致不能准确地提取画像数据对应的关键行为特征。
[0004]公开内容
[0005]有鉴于此，本公开提供一方面提供一种画像数据的归因方法，包括：获取营销画像数据；根据所述营销画像数据计算营销画像的评价指标得分；获取评价指标得分大于预设阈值的营销画像对应的行为数据；对所述营销画像数据及所述行为数据进行知识图谱的构建及图卷积运算，提取所述行为数据中影响所述评价指标得分的行为特征。
[0006]根据本公开的实施例，其中，所述获取营销画像数据包括：基于机器人流程自动化技术，登录指定的系统和/或Notes邮箱，获取所述营销画像数据。
[0007]根据本公开的实施例，其中，基于机器人流程自动化技术，获取所述营销画像数据包括：定时触发数据采集任务，将所述数据采集任务分配至至少一个机器人的客户端，以使得所述客户端下载报表数据，得到所述营销画像数据。
[0008]根据本公开的实施例，其中，所述对所述营销画像数据及所述行为数据进行知识图谱的构建及图卷积运算，提取所述行为数据中影响所述评价指标得分的行为特征包括：对所述营销画像数据及所述行为数据进行知识抽取，构建所述营销画像的知识图谱；利用所述知识图谱分析所述行为数据中的行为特征，构建行为特征子图及营销画像的评价指标得分子图；将所述行为特征子图及营销画像的评价指标得分子图输入图卷积神经网络进行运算，输出行为特征对所述评价指标得分重要程度的概率分布；提取概率值大于预设概率阈值的行为特征。
[0009]根据本公开的实施例，其中，所述将所述行为特征子图及营销画像的评价指标得分子图输入图卷积神经网络进行运算包括：将所述行为特征子图及营销画像的评价指标得分子图转化为矩阵形式后输入所述图卷积神经网络进行运算。
[0010]根据本公开的实施例，所述归因方法还包括：获取训练数据集，其中，所述训练数据集包括历史营销画像数据；利用所述历史营销画像数据训练所述图卷积神经网络。
[0011]根据本公开的实施例，所述归因方法还包括：根据概率值大于预设概率阈值的行
为特征指导营销操作。
[0012]根据本公开的实施例，所述归因方法还包括：在根据概率值大于预设概率阈值的行为特征进行营销操作之后，判断营销画像的评价指标得分是否提升；若是，则调高行为特征对应的概率值，若否，则调低行为特征对应的概率值。
[0013]根据本公开的实施例，所述归因方法还包括：获取训练数据集，其中，所述训练数据集包括历史营销画像数据以及评价指标得分提升的营销画像对应的营销画像数据；利用所述历史营销画像数据及所述评价指标得分提升的营销画像对应的营销画像数据训练所述图卷积神经网络。
[0014]本公开另一方面提供一种画像数据的归因装置，包括：第一获取模块，用于获取营销画像数据；计算模块，用于根据所述营销画像数据计算营销画像的评价指标得分；第二获取模块，用于获取评价指标得分大于预设阈值的营销画像对应的行为数据；提取模块，用于对所述营销画像数据及所述行为数据进行知识图谱的构建及图卷积运算，提取所述行为数据中影响所述评价指标得分的行为特征。
[0015]本公开的另一个方面提供了一种电子设备，包括：一个或多个处理器；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如上所述的方法。
[0016]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0017]本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
附图说明
[0018]图1示意性示出了根据本公开实施例的画像数据的归因方法及装置的系统架构100；
[0019]图2示意性示出了根据本公开一实施例的画像数据的归因方法的流程图；
[0020]图3示意性示出了根据本公开实施例的营销画像数据获取方法的流程图；
[0021]图4示意性示出了根据本公开实施例的行为特征提取方法的流程图；
[0022]图5示意性示出了根据本公开又一实施例的画像数据归因方法的流程图；
[0023]图6示意性示出了根据本公开又一实施例的画像数据归因方法的流程图；
[0024]图7示意性示出了根据本公开又一实施例的画像数据归因方法的流程图；
[0025]图8示意性示出了根据本公开一实施例的画像数据的归因装置的框图；
[0026]图9示意性示出了根据本公开又一实施例的画像数据的归因装置的框图：
[0027]图10示意性示出了根据本公开又一实施例的画像数据的归因装置的框图；
[0028]图11示意性示出了根据本公开又一实施例的画像数据的归因装置的框图；
[0029]图12示意性示出了根据本公开又一实施例的画像数据的归因装置的框图；
[0030]图13示意性示出了根据本公开一实施例的第一获取模块的框图；
[0031]图14示意性示出了根据本公开一实施例的提取模块的框图；
[0032]图15示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。
具体实施方式
[0033]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0034]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0035]在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种画像数据的归因方法，包括：获取营销画像数据；根据所述营销画像数据计算营销画像的评价指标得分；获取评价指标得分大于预设阈值的营销画像对应的行为数据；对所述营销画像数据及所述行为数据进行知识图谱的构建及图卷积运算，提取所述行为数据中影响所述评价指标得分的行为特征。2.根据权利要求1所述的画像数据的归因方法，其中，所述获取营销画像数据包括：基于机器人流程自动化技术，登录指定的系统和/或Notes邮箱，获取所述营销画像数据。3.根据权利要求2所述的画像数据的归因方法，其中，基于机器人流程自动化技术，获取所述营销画像数据包括：定时触发数据采集任务，将所述数据采集任务分配给至少一个机器人的客户端，以使得所述客户端下载报表数据，得到所述营销画像数据。4.根据权利要求1所述的画像数据的归因方法，其中，所述对所述营销画像数据及所述行为数据进行知识图谱的构建及图卷积运算，提取所述行为数据中影响所述评价指标得分的行为特征包括：对所述营销画像数据及所述行为数据进行知识抽取，构建所述营销画像的知识图谱；利用所述知识图谱分析所述行为数据中的行为特征，构建行为特征子图及营销画像的评价指标得分子图；将所述行为特征子图及营销画像的评价指标得分子图输入图卷积神经网络进行运算，输出行为特征对所述评价指标得分重要程度的概率分布；提取概率值大于预设概率阈值的行为特征。5.根据权利要求4所述的画像数据的归因方法，其中，所述将所述行为特征子图及营销画像的评价指标得分子图输入图卷积神经网络进行运算包括：将所述行为特征子图及营销画像的评价指标得分子图转化为矩阵形式后输入所述图卷积神经网络进行运算。6.根据权利要求4所述的画像数据的...

【专利技术属性】
技术研发人员：张笑雪，李曼丽，文晋京，胡屹，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：