【技术实现步骤摘要】
本公开的实施例涉及计算机，具体涉及价值信息生成方法、装置、电子设备和计算机可读介质。
技术介绍
1、目前，价值借用信息的精准调整(例如，利率的调整)是当前各个领域的关键发展方向。对于价值信息的调整，通常采用的方式为：通过相关领域的专家，来人为设置针对目标用户的价值借用信息，以实现价值的获取。
2、然而，专利技术人发现，当采用上述方式，经常会存在如下技术问题一：
3、相关领域的专家人为在设置价值借用信息的过程中，所考虑的价值借用特征不够全面，存在片面性的问题，且所能考虑的数据集有限，不能针对目标用户的相关价值特征数据集实现精准地特征把控，导致所得到价值借用相关信息不够精准。
4、在采用技术方案来解决上述技术问题一的过程中，往往又会伴随着如下技术问题：如何精准地生成针对组合数据序列的历史用户信用信息序列。针对上述技术问题二，常规的解决方案一般是：直接将第一组合数据序列输入至预先训练的历史用户信用信息生成模型，得到第二历史用户信用信息序列。然而，上述常规解决方案依然存在如下问题二：计算量较大，且历史用户信用信息序列的输出精准性有限。
5、该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或
2、本公开的一些实施例提出了价值信息生成方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
3、第一方面，本公开的一些实施例提供了一种价值信息生成方法，包括：响应于接收到针对目标用户的价值借用请求信息，获取上述目标用户对应的历史价值借用数据序列、第一历史价值借用比率序列和第一历史用户信用信息序列，其中，上述历史价值借用数据序列、上述第一历史价值借用比率序列和上述第一历史用户信用信息序列存在同一对应的历史时间段；将上述历史价值借用数据序列和上述第一历史价值借用比率序列进行对应数据组合，以生成第一组合数据序列，以及将上述历史价值借用数据序列和上述第一历史用户信用信息序列进行对应数据组合，以生成第二组合数据序列；根据上述第一组合数据序列，利用预先训练的历史用户信用信息生成模型，生成针对上述历史时间段的第二历史用户信用信息序列；根据上述第二组合数据序列，利用预先训练的历史价值借用比率生成模型，生成针对上述历史时间段的第二历史价值借用比率序列；将上述第一历史用户信用信息序列和上述第二历史用户信用信息序列进行信息序列融合，以生成融合历史用户信用信息序列，以及将上述第一历史价值借用比率序列和上述第二历史价值借用比率序列进行信息序列融合，以生成融合历史价值借用比率序列；根据上述历史价值借用数据序列、上述融合历史用户信用信息序列和上述融合历史价值借用比率序列，利用价值借用比率生成模型和价值借用数值生成模型，生成针对上述目标用户的价值借用比率和价值借用数值；根据上述价值借用比率和上述价值借用数值，对上述目标用户对应的目标价值流转应用中的历史价值借用比率和历史价值借用数值进行调整，以供上述目标用户进行价值借用。
4、第二方面，本公开的一些实施例提供了一种价值信息生成装置，包括：获取单元，被配置成响应于接收到针对目标用户的价值借用请求信息，获取上述目标用户对应的历史价值借用数据序列、第一历史价值借用比率序列和第一历史用户信用信息序列，其中，上述历史价值借用数据序列、上述第一历史价值借用比率序列和上述第一历史用户信用信息序列存在同一对应的历史时间段；数据组合单元，被配置成将上述历史价值借用数据序列和上述第一历史价值借用比率序列进行对应数据组合，以生成第一组合数据序列，以及将上述历史价值借用数据序列和上述第一历史用户信用信息序列进行对应数据组合，以生成第二组合数据序列；第一生成单元，被配置成根据上述第一组合数据序列，利用预先训练的历史用户信用信息生成模型，生成针对上述历史时间段的第二历史用户信用信息序列；第二生成单元，被配置成根据上述第二组合数据序列，利用预先训练的历史价值借用比率生成模型，生成针对上述历史时间段的第二历史价值借用比率序列；融合单元，被配置成将上述第一历史用户信用信息序列和上述第二历史用户信用信息序列进行信息序列融合，以生成融合历史用户信用信息序列，以及将上述第一历史价值借用比率序列和上述第二历史价值借用比率序列进行信息序列融合，以生成融合历史价值借用比率序列；第三生成单元，被配置成根据上述历史价值借用数据序列、上述融合历史用户信用信息序列和上述融合历史价值借用比率序列，利用价值借用比率生成模型和价值借用数值生成模型，生成针对上述目标用户的价值借用比率和价值借用数值；调整单元，被配置成根据上述价值借用比率和上述价值借用数值，对上述目标用户对应的目标价值流转应用中的历史价值借用比率和历史价值借用数值进行调整，以供上述目标用户进行价值借用。
5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的价值信息生成方法可以将精准生成的价值借用比率和价值借用数值展示给目标用户，以供目标用户进行价值借用。具体来说，造成相关的价值借用比率和价值借用数值不够精确的原因在于：相关领域的专家人为在设置价值借用信息的过程中，所考虑的价值借用特征不够全面，存在片面性的问题，且所能考虑的数据集有限，不能针对目标用户的相关价值特征数据集实现精准地特征把控，导致所得到价值借用相关信息不够精准。基于此，本公开的一些实施例的价值信息生成方法，首先，响应于接收到针对目标用户的价值借用请求信息，获取上述目标用户对应的历史价值借用数据序列、第一历史价值借用比率序列和第一历史用户信用信息序列。其中，上述历史价值借用数据序列、上述第一历史价值借用比率序列和上述第一历史用户信用信息序列存在同一对应的历史时间段。在这里，通过获取历史价值借用数据序列、第一历史价值借用比率序列和第一历史用户信用信息序列，以作为基础数据集，来后续确定目标用户的价值借用比率和价值借用数值。然后，将上述历史价值借用数据序列和上述第一历史价值借用比率序列进行对应数据组合，以生成第一组合数据序列，以及将上述历史价值借用数据序列和上述第一历史用户信用信息序列进行对应数据组合，以生成第二组合数据序列，以便于后续第二历史用户信用信息序列和第二历史价值借用比率序列的生成。接着，根据上述第一组合数据序列，利用本文档来自技高网...
【技术保护点】
1.一种价值信息生成方法，包括：
2.根据权利要求1所述的方法，其中，所述历史用户信用信息生成模型包括：第一历史用户信用信息生成模型、第二历史用户信用信息生成模型和第三历史用户信用信息生成模型；以及
3.根据权利要求2所述的方法，其中，所述历史用户信用信息生成模型还包括：第一多层次特征提取模型、第二多层次特征提取模型和多头注意力机制模型；以及
4.根据权利要求3所述的方法，其中，在所述将所述第一历史用户信用信息序列和所述第二历史用户信用信息序列进行信息序列融合，以生成融合历史用户信用信息序列，以及将所述第一历史价值借用比率序列和所述第二历史价值借用比率序列进行信息序列融合，以生成融合历史价值借用比率序列之前，所述方法还包括：
5.根据权利要求4所述的方法，其中，所述价值借用比率生成模型包括：第一借用比率回归模型、第二借用比率回归模型和借用比例分类模型；以及
6.根据权利要求5所述的方法，其中，所述价值借用数值生成模型包括：价值获取信息生成模型、价值损失信息生成模型和价值借用数值回归模型；以及
7.根据权利要求
8.一种价值信息生成装置，包括：
9.一种电子设备，包括：
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
...【技术特征摘要】
1.一种价值信息生成方法，包括：
2.根据权利要求1所述的方法，其中，所述历史用户信用信息生成模型包括：第一历史用户信用信息生成模型、第二历史用户信用信息生成模型和第三历史用户信用信息生成模型；以及
3.根据权利要求2所述的方法，其中，所述历史用户信用信息生成模型还包括：第一多层次特征提取模型、第二多层次特征提取模型和多头注意力机制模型；以及
4.根据权利要求3所述的方法，其中，在所述将所述第一历史用户信用信息序列和所述第二历史用户信用信息序列进行信息序列融合，以生成融合历史用户信用信息序列，以及将所述第一历史价值借用比率序列和所述第二历史价值借用比率序列进行信息序列融合，以生成...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。