一种银行决策生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种银行决策生成方法、装置、设备及存储介质，其方法包括：从文本数据库中获取文本数据，将文本数据进行分词处理，得到分词结果，将分词结果划分为训练集、验证集和测试集，将训练集输入到初始训练模型，得到输出结果，输出结果包括训练集语义关键词和训练集情感关键词；计算输出结果与验证集的相似度，判断相似度是否大于预设相似度阈值，若相似度大于预设相似度阈值，则将初始训练模型作为最终训练模型；将测试集输入到最终训练模型，得到测试结果，测试结果包括测试集语义关键词和测试集情感关键词；从预设决策数据库中选择与测试结果匹配的决策作为目标决策。本发明专利技术可以根据用户输入的问题和数据，实时生成相应的银行策略。应的银行策略。应的银行策略。

【技术实现步骤摘要】
一种银行决策生成方法、装置、设备及存储介质


[0001]本专利技术涉及金融科技领域，尤其涉及一种银行决策生成方法、装置、设备及存储介质。

技术介绍

[0002]人工智能和自然语言处理技术在各个领域得到了广泛的应用，尤其是在金融领域，但是在银行决策方面的应用还不太完善，目前银行决策主要还是通过决策平台来实现的，决策平台是银行业务中非常重要的一部分，可以帮助银行管理层更好地分析和决策各种业务问题，银行现有的费用减免决策平台主要采用规则的方法，例如：大部分银行通过事先配置好策略，当遇到客户咨询业务问题时，可以根据配置好的策略得出相应的输出结果，但是这种方法不能充分考虑到复杂的自然语言表达方式和语境，同时也缺乏与用户的即时互动。

技术实现思路

[0003]有鉴于此，本专利技术的目的是为了克服现有技术中的不足，提供一种银行决策生成方法、装置、设备及存储介质。
[0004]本专利技术提供如下技术方案：
[0005]第一方面，本申请提供了一种银行决策生成方法，包括：
[0006]从文本数据库中获取文本数据，将所述文本数据进行分词处理，得到分词结果；
[0007]将所述分词结果划分为训练集、验证集和测试集，将所述训练集输入到初始训练模型，得到输出结果，所述输出结果包括训练集语义关键词和训练集情感关键词；
[0008]计算所述输出结果与所述验证集的相似度，判断所述相似度是否大于预设相似度阈值，若所述相似度大于所述预设相似度阈值，则将所述初始训练模型作为最终训练模型；
[0009]将所述测试集输入到所述最终训练模型，得到测试结果，所述测试结果包括测试集语义关键词和测试集情感关键词；
[0010]从预设决策数据库中选择与所述测试结果匹配的决策作为目标决策。
[0011]一种实施方式中，所述将所述文本数据进行分词处理，得到分词结果，包括：
[0012]利用结巴分词工具将所述文本数据切分成多个词组，将多个所述词组作为所述分词结果。
[0013]一种实施方式中，所述将所述训练集输入到初始训练模型，得到输出结果，所述输出结果包括训练集语义关键词和训练集情感关键词，包括：
[0014]通过所述初始训练模型对所述训练集中的词组进行分类，将所述训练集中的词组分为所述训练集语义关键词和所述训练集情感关键词并输出。
[0015]一种实施方式中，所述验证集包括验证集语义关键词和验证集情感关键词，所述计算所述输出结果与所述验证集的相似度，包括：
[0016]计算所述训练集语义关键词与所述验证集语义关键词的第一相似度；
[0017]计算所述训练集情感关键词与所述验证集情感关键词的第二相似度；
[0018]将所述第一相似度和所述第二相似度的平均值作为所述输出结果与所述验证集的相似度。
[0019]一种实施方式中，所述判断所述相似度是否大于预设相似度阈值，包括：
[0020]若所述相似度小于或等于所述预设相似度阈值，则调整所述初始训练模型的参数，直到所述相似度大于所述预设相似度阈值。
[0021]一种实施方式中，所述从预设决策数据库中选择与所述测试结果匹配的决策作为目标决策之前，包括：
[0022]根据银行业务类型制定银行决策，将所述银行决策存储到所述决策数据库中。
[0023]一种实施方式中，所述从预设决策数据库中选择与所述测试结果匹配的决策作为目标决策，包括：
[0024]根据所述测试集语义关键词和所述测试集情感关键词，从所述决策数据库中搜索得到对应的多个候选银行决策；
[0025]从多个所述候选银行决策中确定目标决策，所述目标决策为包含所述测试集语义关键词和所述测试集情感关键词最多的决策。
[0026]第二方面，本申请还提供了一种银行决策生成装置，包括：
[0027]分词模块，用于从银行文本数据库中获取文本数据，将所述文本数据进行分词处理，得到分词结果；
[0028]训练模块，用于将所述分词结果划分为训练集、验证集和测试集，将所述训练集输入到初始训练模型，得到输出结果，所述输出结果包括训练集语义关键词和训练集情感关键词；
[0029]判断模块，用于判断所述输出结果与所述验证集的相似度，若所述相似度大于预设相似度阈值，则将所述初始训练模型作为最终训练模型；
[0030]测试模块，用于将所述测试集输入到所述最终训练模型，得到测试结果，所述测试结果包括测试集语义关键词和测试集情感关键词；
[0031]决策选择模块，用于从预设决策数据库中选择与所述测试结果匹配的决策作为目标决策。
[0032]第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施如第一方面所述的银行决策生成方法。
[0033]第四方面，本申请还提供了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程序，所述计算机程序被执行时，实现如第一方面所述的银行决策生成方法。
[0034]本专利技术的实施例具有如下有益效果：
[0035]本专利技术提供的银行决策生成方法，可以根据用户输入的问题和数据，实时生成相应的银行策略，更加智能化，可以更好地与客户进行互动，提高了业务处理的效率和客户的体验。
[0036]为使本专利技术的上述目的、特征和优点能更明显和易懂，下文特举较佳实施例，并配合所附附图，做详细说明如下。
附图说明
[0037]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专利技术的某些实施例，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。
[0038]图1示出了一种银行决策生成方法的流程示意图；
[0039]图2示出了一种相似度计算方法的流程示意图；
[0040]图3示出了一种目标决策选择方法的流程示意图；
[0041]图4示出了一种银行决策生成装置框架的结构示意图。
[0042]主要元件符号说明：
[0043]400、银行决策生成装置；401、分词模块；402、训练模块；403、判断模块；404、测试模块；405、决策选择模块。
具体实施方式
[0044]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0045]需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接在”另一元件“上”时，不存在中间元件。本文所使用的术语“垂直的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行决策生成方法，其特征在于，包括：从文本数据库中获取文本数据，将所述文本数据进行分词处理，得到分词结果；将所述分词结果划分为训练集、验证集和测试集，将所述训练集输入到初始训练模型，得到输出结果，所述输出结果包括训练集语义关键词和训练集情感关键词；计算所述输出结果与所述验证集的相似度，判断所述相似度是否大于预设相似度阈值，若所述相似度大于所述预设相似度阈值，则将所述初始训练模型作为最终训练模型；将所述测试集输入到所述最终训练模型，得到测试结果，所述测试结果包括测试集语义关键词和测试集情感关键词；从预设决策数据库中选择与所述测试结果匹配的决策作为目标决策。2.根据权利要求1所述的银行决策生成方法，其特征在于，所述将所述文本数据进行分词处理，得到分词结果，包括：利用结巴分词工具将所述文本数据切分成多个词组，将多个所述词组作为所述分词结果。3.根据权利要求2所述的银行决策生成方法，其特征在于，所述将所述训练集输入到初始训练模型，得到输出结果，所述输出结果包括训练集语义关键词和训练集情感关键词，包括：通过所述初始训练模型对所述训练集中的词组进行分类，将所述训练集中的词组分为所述训练集语义关键词和所述训练集情感关键词并输出。4.根据权利要求1所述的银行决策生成方法，其特征在于，所述验证集包括验证集语义关键词和验证集情感关键词，所述计算所述输出结果与所述验证集的相似度，包括：计算所述训练集语义关键词与所述验证集语义关键词的第一相似度；计算所述训练集情感关键词与所述验证集情感关键词的第二相似度；将所述第一相似度和所述第二相似度的平均值作为所述输出结果与所述验证集的相似度。5.根据权利要求1所述的银行决策生成方法，其特征在于，所述判断所述相似度是否大于预设相似度阈值，包括：若所述相似度小于或等于所述预设相似度阈值，则调整所述初始训练模型...

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