基于BP神经网络的来访人风险评估监管方法、系统及设备技术方案

本发明专利技术公开了一种基于BP神经网络的来访人风险评估监管方法、系统及硬件设备，通过分析来访人风险评估需求确定来访风险影响因子，然后这些来访风险影响因子将采集到的来访人当次来访信息转换为来访人当次来访风险样本数据，并将来访人当次来访风险样本数据输入到BP神经网络中评估来访人当次来访风险等级，获取来访人风险评估结果，从而实现对来访人进行监管和预警。监管和预警。监管和预警。

【技术实现步骤摘要】
基于BP神经网络的来访人风险评估监管方法、系统及设备


[0001]本专利技术涉及来访人风险评估领域，具体涉及一种基于BP神经网络的来访人风险评估监管方法、系统及硬件设备。

技术介绍

[0002]随着公司的发展以及业务的扩大，往往需要公司安排专门的工作人员来接待外来客户。但是由于外来客户的良莠不齐，以及对公司业务可能存在的不满，来访人往往存在一定程度的风险因素，可能给接访人带来一定程度的风险，包括暴力倾向、言语威胁、历史风险因素等内容，因此迫切需要一种来访人风险评估监管方法，通过选取一些安全性指标对来访人风险等级进行评估以及监管预警，以保障公司接访人员人身安全、便于预先采取保护性措施。

技术实现思路

[0003]以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
[0004]本专利技术的目的在于解决上述问题，提供了一种基于BP神经网络的来访人风险评估监管方法、系统及硬件设备，通过分析来访人风险评估需求确定来访风险影响因子，然后这些来访风险影响因子将采集到的来访人当次来访信息转换为来访人当次来访风险样本数据，并将来访人当次来访风险样本数据输入到BP神经网络中评估来访人当次来访风险等级，获取来访人风险评估结果，从而实现对来访人进行监管和预警。
[0005]本专利技术的技术方案为：
[0006]本专利技术提供一种基于BP神经网络的来访人风险评估监管方法，包括以下步骤：
[0007]采集来访人当次来访信息；
[0008]根据来访风险影响因子将来访人当次来访信息转换为来访人当次来访风险样本数据；
[0009]基于来访人当次来访风险样本数据评估来访人当次来访风险等级，获取来访人风险评估结果；
[0010]根据来访人风险评估结果对来访人进行监管和预警。
[0011]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述来访人当次来访信息包括当次来访预约信息、当次来访预登记信息、来访接待信息以及行为分析信息，所述基于BP神经网络的来访人风险评估监管方法根据来访风险影响因子将来访人当次来访信息转换为来访人当次来访风险样本数据。
[0012]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述基于BP神经网络的来访人风险评估监管方法获取到来访人当次来访风险样本数据后，采用BP神
经网络对来访人当次来访风险样本数据进行分析，评估来访人当次来访风险等级，获取来访人风险评估结果。
[0013]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述基于BP神经网络的来访人风险评估监管方法基于来访人历史来访信息建立BP神经网络，包括以下步骤：
[0014]基于来访风险影响因子从来访人历史来访信息中收集来访人历史来访风险样本数据；
[0015]对来访人历史来访风险样本数据进行归一化处理，获取归一化后的来访人历史来访风险样本数据；
[0016]根据归一化后的来访人历史来访风险样本数据划分风险等级；
[0017]基于来访人历史来访风险样本数据和对应的风险等级构建并学习训练BP神经网络。
[0018]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述基于BP神经网络的来访人风险评估监管方法通过分析风险评估需求确定来访风险影响因子，然后根据来访风险影响因子收集来访人历史来访风险样本数据。
[0019]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述来访人历史来访风险样本数据分为数值型样本数据和非数值型样本数据，所述基于BP神经网络的来访人风险评估监管方法针对不同的样本数据类型采用不同的归一化处理方法对来访人历史来访风险样本数据进行归一化处理，获取归一化后的来访人历史来访风险样本数据。
[0020]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述来访人历史来访风险样本数据进行归一化处理之前，根据风险影响因子对来访人历史来访风险样本数据归类汇总，得到以下样本数据矩阵X：
[0021][0022]；其中，n表示样本数量，p表示影响因子的数量，X
np
表示第n个样本数据的第p个影响因子。
[0023]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，当来访人历史来访风险样本数据为数值型样本数据时，通过以下公式计算样本数据矩阵中各数值型样本数据的归一化值：
[0024][0025]；其中，X
ij
表示样本数据矩阵X中第i个样本的第j个数据，
[0026]max{X
ij
}表示样本数据矩阵X中第i个样本中数值最大的指标，
[0027]min{X
ij
}表示样本数据矩阵X中第i个样本中数值最小的指标，
[0028]E表示样本数据矩阵X中第i个数值型样本数据的归一化值。
[0029]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，当来访人历史来访风险样本数据为非数值型样本数据时，所述BP神经网络利用预设的来访危险等级对非数值型样本数据进行归一化处理，通过以下公式计算非数值型样本数据的对应的来访危险等级的归一化值：
[0030][0031]；其中，D表示预设的来访危险等级，E
’
表示非数值型样本数据对应的来访危险等级的归一化值。
[0032]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述BP神经网络获取到归一化后的来访人历史来访风险样本数据后，对归一化后的来访人历史来访风险样本数据划分风险等级，然后基于归一化后的来访人历史来访风险样本数据和对应的风险等级构建BP神经网络，并对BP神经网络进行学习训练，得到用于评估来访人风险的BP神经网络；其中，所述BP神经网络包括输出层、隐藏层和输出层。
[0033]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述BP神经网络根据来访人历史来访风险样本数据对应的来访风险影响因子数目确定输入层神经元数量，通过输入层获取输入的样本数据。
[0034]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述BP神经网络根据风险等级确定输出层神经元数量，通过输出层输对接隐藏层并输出来访人风险评估结果。
[0035]根据本专利技术的基于BP神经网络的来访人风险评估监管方法的一实施例，所述BP神经网络通过隐藏层进行特征提取，并通过以下公式计算隐藏层神经元数量p:
[0036][0037]；其中，m表示输入层神经元数量，n表示输出层神经元数量，α表示1
‑
10之间的任意常数。
[0038]根据本专利技术的基于BP神经网络的来访人风险评估监管方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的来访人风险评估监管方法，其特征在于，包括以下步骤：采集来访人当次来访信息；根据来访风险影响因子将来访人当次来访信息转换为来访人当次来访风险样本数据；基于来访人当次来访风险样本数据评估来访人当次来访风险等级，获取来访人风险评估结果；根据来访人风险评估结果对来访人进行监管和预警。2.根据权利要求1所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述来访人当次来访信息包括当次来访预约信息、当次来访预登记信息、来访接待信息以及行为分析信息，所述基于BP神经网络的来访人风险评估监管方法根据来访风险影响因子将来访人当次来访信息转换为来访人当次来访风险样本数据。3.根据权利要求1所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述基于BP神经网络的来访人风险评估监管方法获取到来访人当次来访风险样本数据后，采用BP神经网络对来访人当次来访风险样本数据进行分析，评估来访人当次来访风险等级，获取来访人风险评估结果。4.根据权利要求3所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述基于BP神经网络的来访人风险评估监管方法基于来访人历史来访信息建立BP神经网络，包括以下步骤：基于来访风险影响因子从来访人历史来访信息中收集来访人历史来访风险样本数据；对来访人历史来访风险样本数据进行归一化处理，获取归一化后的来访人历史来访风险样本数据；根据归一化后的来访人历史来访风险样本数据划分风险等级；基于来访人历史来访风险样本数据和对应的风险等级构建并学习训练BP神经网络。5.根据权利要求4所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述基于BP神经网络的来访人风险评估监管方法通过分析风险评估需求确定来访风险影响因子，然后根据来访风险影响因子收集来访人历史来访风险样本数据。6.根据权利要求4所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述来访人历史来访风险样本数据分为数值型样本数据和非数值型样本数据，所述基于BP神经网络的来访人风险评估监管方法针对不同的样本数据类型采用不同的归一化处理方法对来访人历史来访风险样本数据进行归一化处理，获取归一化后的来访人历史来访风险样本数据。7.根据权利要求6所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述来访人历史来访风险样本数据进行归一化处理之前，根据风险影响因子对来访人历史来访风险样本数据归类汇总，得到以下样本数据矩阵X：；其中，n表示样本数量，p表示影响因子的数量，X
np
表示第n个样本数据的第p个影响因
子。8.根据权利要求7所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，当来访人历史来访风险样本数据为数值型样本数据时，通过以下公式计算样本数据矩阵中各数值型样本数据的归一化值：；其中，X
ij
表示样本数据矩阵X中第i个样本的第j个数据，max{X
ij
}表示样本数据矩阵X中第i个样本中数值最大的指标，min{X
ij
}表示样本数据矩阵X中第i个样本中数值最小的指标，E表示样本数据矩阵X中第i个数值型样本数据的归一化值。9.根据权利要求6所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，当来访人历史来访风险样本数据为非数值型样本数据时，所述BP神经网络利用预设的来访危险等级对非数值型样本数据进行归一化处理，通过以下公式计算非数值型样本数据对应的来访危险等级的归一化值：；其中，D表示预设的来访危险等级，E
’
表示非数值型样本数据对应的来访危险等级的归一化值。10.根据权利要求6所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述BP神经网络获取到归一化后的来访人历史来访风险样本数据后，对归一化后的来访人历史来访风险样本数据划分风险等级，然后基于归一化后的来访人历史来访风险样本数据和对应的风险等级构建BP神经网络，并对BP神经网络进行学习训练，得到用于评估来访人风险的BP神经网络；其中，所述BP神经网络包括输出层、隐藏层和输出层。11.根据权利要求10所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述BP神经网络根据来访人历史来访风险样本数据对应的来访风险影响因子数目确定输入层神经元数量，通过输入层获取输入的样本数据。12.根据权利要求10所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述BP神经网络根据风险等级确定输出层神经元数量，通过输出层输对接隐藏层并输出来访人风险评估结果。13.根据权利要求10所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述BP神经网络通过隐藏层进行特征提取，并通过以下公式计算隐藏层神经元数量p:；其中，m表示输入层神经元数量，n表示输出层神经元数量，α表示1
‑
10之间的任意常数。14.根据权利要求10所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述BP神经网络采用Sigmod函数作为传递函数；其中，传递函数g(x)如下所示：；其中，x表示隐藏层或输出层的下层的输入变量值。
15.根据权利要求10所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，所述BP神经网络的学习训练过程包括信号的正向传播和误差的反向传播；其中，所述BP神经网络通过信号的正向传播获取输入的样本数据的风险评估结果，并通过误差的反向传播来调整样本数据的输出误差。16.根据权利要求15所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，当输入的样本数据通过信号的正向传播得到的风险评估结果未达到期望值时，所述BP神经网络通过误差的反向传播对输出误差进行修正；其中，所述输出误差e的计算公式如下:；其中，m表示BP神经网络的输出层神经元数量，Y
real
表示输出层输出结果的真实值，Y
m
表示输出层输出值的计算值。17.根据权利要求16所述的基于BP神经网络的来访人风险评估监管方法，其特征在于，当BP神经网络通过误差的反向传播对输出误差进行修正时，所述BP神经网络采用梯度下降法迭代修正输入层到隐藏层、隐藏层到输出层的权值和阈值来修正输出误差，直到完成BP神经网络学习训练。18.一种基于BP神经网络的来访人风险评估监管系统，其特征在于，包括现场信息采集模块、样本数据转换模块、风险评估模块和监管预警模块；其中，所述现场信息采集模块用于采集来访人当次来访信息，并将采集到的来访人当次来访信息传输到样本数据转换模块进行数据转换；所述样本数据转换模块根据来访风险影响因子将接收到来访人当次来访信息转换为来访人当次来访风险样本数据，并将转换得到的来访人当次来访风险样本数据发送到风险评估模块进行来访人风险评估；所述风险评估模块基于来访人当次来访风险样本数据评...

【专利技术属性】
技术研发人员：赵文杰，范彦申，申强，黄苏清，
申请(专利权)人：上海聚微计算机技术有限公司，
类型：发明
国别省市：