一种客户需求预测分类方法及装置制造方法及图纸

本申请提供一种客户需求预测分类方法及装置，该客户需求预测分类方法包括：接收用户输入的工商信息；通过预先构建的客户需求预测分类模型对工商信息进行特征提取，得到信息特征；通过客户需求预测分类模型对信息特征进行拼接，得到与固定字段相匹配的文本特征；通过客户需求预测分类模型对文本特征进行文本二分类，得到客户需求预测分类结果。可见，实施这种实施方式，能够预测历史存量客户的需求，还能够预测新客户的需求，灵活性好，从而有利于提升业务效率。提升业务效率。提升业务效率。

【技术实现步骤摘要】
一种客户需求预测分类方法及装置


[0001]本申请涉及数据处理
，具体而言，涉及一种客户需求预测分类方法及装置。

技术介绍

[0002]目前，对于银行对公业务中的跨境类产品，其客群指向性非常明确，即客户本身需要有跨境进出口相关的潜在需求或实际业务，因此首先需要对客户进行是否有进出口需求进行基本判别。由于现阶段海关报关类数据、国家外汇局登记数据、国家商务局备案登记数据、税务局退税认定登记数据等国家级数据无法作为外部数据源接入，而目前对拥有跨境进出口需求的客户进行识别，只能依靠分析控股股东的类型、客户的注册地址是否在自贸区等，来简单大略地判断客户是否有进出口需求，进而需要营销跨境金融类产品；或者通过判断客户汇款收款是否涉及外币币种、是否开立过非人民币结算户、是否使用过跨境结售汇等相关产品等来挖潜或促活客户。可见，现有方法只能对于历史存量客户进行一定的判别积极性，但是无法识别一个新客户的实际需求。

技术实现思路

[0003]本申请实施例的目的在于提供一种客户需求预测分类方法及装置，能够预测历史存量客户的需求，还能够预测新客户的需求，灵活性好，从而有利于提升业务效率。
[0004]本申请实施例第一方面提供了一种客户需求预测分类方法，包括：
[0005]接收用户输入的工商信息；
[0006]通过预先构建的客户需求预测分类模型对所述工商信息进行特征提取，得到信息特征；
[0007]通过所述客户需求预测分类模型对所述信息特征进行拼接，得到与固定字段相匹配的文本特征；
[0008]通过所述客户需求预测分类模型对所述文本特征进行文本二分类，得到客户需求预测分类结果。
[0009]在上述实现过程中，该方法可以优先接收用户输入的工商信息；并通过预先构建的客户需求预测分类模型对工商信息进行特征提取，得到信息特征；再通过客户需求预测分类模型对信息特征进行拼接，得到与固定字段相匹配的文本特征；最后再通过客户需求预测分类模型对文本特征进行文本二分类，得到客户需求预测分类结果。可见，实施这种实施方式，能够预测历史存量客户的需求，还能够预测新客户的需求，灵活性好，从而有利于提升业务效率。
[0010]进一步地，所述客户需求预测分类模型为具有自注意力机制的RoBerta二分类模型。
[0011]进一步地，所述方法还包括：
[0012]获取存量数据；
[0013]在所述存量数据中，提取与预设跨境标签相匹配的训练数据；
[0014]将所述训练数据按照预设比例划分为训练集和验证集；
[0015]根据训练集和具有注意力机制的RoBerta预训练二分类模型进行训练，得到RoBerta初始模型；
[0016]根据验证集和RoBerta初始模型进行验证与微调，得到客户需求预测分类模型。
[0017]进一步地，所述预设跨境标签包括客户开立过非人民币结算户的标签、客户使用过跨境相关业务过产品的标签、客户的控股股东属于非内地客户的标签。
[0018]进一步地，所述预设比例为7：3。
[0019]本申请实施例第二方面提供了一种客户需求预测分类装置，所述客户需求预测分类装置包括：
[0020]接收单元，用于接收用户输入的工商信息；
[0021]特征提取单元，用于通过客户需求预测分类模型对所述工商信息进行特征提取，得到信息特征；
[0022]拼接单元，用于通过所述客户需求预测分类模型对所述信息特征进行拼接，得到与固定字段相匹配的文本特征；
[0023]分类单元，用于通过所述客户需求预测分类模型对所述文本特征进行文本二分类，得到客户需求预测分类结果。
[0024]在上述实现过程中，客户需求预测分类装置可以通过接收单元接收用户输入的工商信息；通过特征提取单元来通过客户需求预测分类模型对工商信息进行特征提取，得到信息特征；通过拼接单元来通过客户需求预测分类模型对信息特征进行拼接，得到与固定字段相匹配的文本特征；通过分类单元来通过客户需求预测分类模型对文本特征进行文本二分类，得到客户需求预测分类结果。可见，实施这种实施方式，能够预测历史存量客户的需求，还能够预测新客户的需求，灵活性好，从而有利于提升业务效率。
[0025]进一步地，所述客户需求预测分类模型为具有自注意力机制的RoBerta二分类模型。
[0026]进一步地，所述客户需求预测分类装置还包括：
[0027]获取单元，用于获取存量数据；
[0028]数据提取单元，用于在所述存量数据中，提取与预设跨境标签相匹配的训练数据；
[0029]划分单元，用于将所述训练数据按照预设比例划分为训练集和验证集；
[0030]训练单元，用于根据训练集和具有注意力机制的RoBerta预训练二分类模型进行训练，得到RoBerta初始模型；
[0031]验证单元，用于根据验证集和RoBerta初始模型进行验证与微调，得到客户需求预测分类模型。
[0032]进一步地，所述预设跨境标签包括客户开立过非人民币结算户的标签、客户使用过跨境相关业务过产品的标签、客户的控股股东属于非内地客户的标签。
[0033]进一步地，所述预设比例为7：3。
[0034]本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的客户需求预测分类方法。
[0035]本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的客户需求预测分类方法。
附图说明
[0036]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0037]图1为本申请实施例提供的一种客户需求预测分类方法的流程示意图；
[0038]图2为本申请实施例提供的另一种客户需求预测分类方法的流程示意图；
[0039]图3为本申请实施例提供的一种客户需求预测分类装置的结构示意图。
[0040]图4为本申请实施例提供的另一种客户需求预测分类装置的结构示意图。
具体实施方式
[0041]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
[0042]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0043]实施例1
[0044]请参看图1，图1为本申请实施例提供了一种客本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户需求预测分类方法，其特征在于，包括：接收用户输入的工商信息；通过预先构建的客户需求预测分类模型对所述工商信息进行特征提取，得到信息特征；通过所述客户需求预测分类模型对所述信息特征进行拼接，得到与固定字段相匹配的文本特征；通过所述客户需求预测分类模型对所述文本特征进行文本二分类，得到客户需求预测分类结果。2.根据权利要求1所述的客户需求预测分类方法，其特征在于，所述客户需求预测分类模型为具有自注意力机制的RoBerta二分类模型。3.根据权利要求1所述的客户需求预测分类方法，其特征在于，所述方法还包括：获取存量数据；在所述存量数据中，提取与预设跨境标签相匹配的训练数据；将所述训练数据按照预设比例划分为训练集和验证集；根据训练集和具有注意力机制的RoBerta预训练二分类模型进行训练，得到RoBerta初始模型；根据验证集和RoBerta初始模型进行验证与微调，得到客户需求预测分类模型。4.根据权利要求3所述的客户需求预测分类方法，其特征在于，所述预设跨境标签包括客户开立过非人民币结算户的标签、客户使用过跨境相关业务过产品的标签、客户的控股股东属于非内地客户的标签。5.根据权利要求3所述的客户需求预测分类方法，其特征在于，所述预设比例为7：3。6.一种客户需求预测分类装置，其特征在于，所述客户需求预测分类装置包括：接收单元，用于接收用户输入的工商信息；特征提取单元，用于通过客户需求预测分...

【专利技术属性】
技术研发人员：史凯旭，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：