CN110930244B - 用户信用调研评估值的计算方法及装置 - Google Patents
用户信用调研评估值的计算方法及装置 Download PDFInfo
- Publication number
- CN110930244B CN110930244B CN201911185326.5A CN201911185326A CN110930244B CN 110930244 B CN110930244 B CN 110930244B CN 201911185326 A CN201911185326 A CN 201911185326A CN 110930244 B CN110930244 B CN 110930244B
- Authority
- CN
- China
- Prior art keywords
- target collection
- collection dimension
- data
- feedback data
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用户信用调研评估值的计算方法及装置,包括:确定待评估用户对应的问题集,通过人机交互模块向待评估用户展示问题集,获取问题集的反馈数据;对问题集的反馈数据进行特征提取,得到特征数据集;将特征数据集输入至预先构建的置信度计算模型,得到每一个目标收集维度的总体置信度;展示每个目标收集维度对应的验证问题;利用每个目标收集维度对应的验证问题的反馈数据,验证目标收集维度对应的问题的反馈数据的置信度,得到每个目标收集维度对应的问题的反馈数据的验证结果;基于每个目标收集维度对应的问题的反馈数据的验证结果,对目标收集维度对应的总体置信度进行修正;根据修正后总体置信度,得到待评估用户信用调研评估值。
Description
技术领域
本申请涉及计算机领域,特别涉及一种用户信用调研评估值的计算方法及装置。
背景技术
目前,针对小微企业的风险评估方法,一个重要的环节是通过现场尽职调查的方式。以目前的信贷业务为例,现场尽职调查是指由资深的客户经理与客户进行现场面谈的方式,深入的了解贷款企业的贷款用途、还款能力以及还款意愿进行评估。通过了解客户的具体情况,识别出关键的风险点,并对客户提供的信息进行真实性判断,最后通过多方面信息形成信用评分,为信贷决策提供依据。
但是,现场尽职调查十分依赖客户经理的自身素质,并且培养客户经理的成本较高,使得标准化复制难度较大,严重影响对客户进行风险审查的效率。
因此,亟需一种智能化的用户信用数据的获取以及信用评分的计算方法,用于高效率对客户进行调查及计算信用分数,并保证风险审查的准确性。
发明内容
有鉴于此,本申请实施例提供一种用户信用调研评估值的计算方法及装置,以达到高效率对客户进行调查及计算,并保证风险审查的准确性的目的。
本申请第一方面公开了一种用户信用调研评估值的计算方法,包括:
确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;所述每一个目标收集维度对应至少一个问题;
通过人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;
对所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;
将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;
根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;
获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据,并利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果;
基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正;
根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值。
可选的,所述置信度计算模型的构建方法,包括:
获取用于对置信度计算模型进行训练测试的训练样本集,所述训练样本集包括属于同一维度的多个问题的反馈数据,且所述多个问题的反馈数据分别从不同数据来源采集到;
对所述多个问题的反馈数据进行交叉验证,以将所述多个问题的反馈数据划分至不具有数据一致性的反馈数据组和具有数据一致性的反馈数据组中;
基于所述具有数据一致性的反馈数据组中的各个数据,获得所述具有数据一致性的反馈数据组中的各个数据各自对应的目标数据,以所述目标数据替换所述训练样本集中与所述目标数据对应的反馈数据组中的各个数据;
计算所述不具有数据一致性的反馈数据组中各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度;
将所述各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度作为所述置信度计算模型的输入,对所述置信度计算模型进行训练测试。
可选的,所述根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题,包括:
针对每一个所述目标收集维度,将从本地题库中的多个验证问题中,筛选得到所述目标收集维度对应的验证问题,或者从云数据库中确定出所述目标收集维度对应的验证问题输出;其中,所述每个所述目标收集维度对应的验证问题,基于每个所述目标收集维度对应的所述收集类问题的反馈数据进行筛选得到;
通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题。
可选的,所述利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果,包括:
分别验证所述每个所述目标收集维度对应的验证问题的反馈数据的正确性;
其中,若无法验证所述目标收集维度对应的验证问题的反馈数据的正确性,则确定所述目标收集维度对应的问题的反馈数据的验证结果为无法验证;
若验证出所述目标收集维度对应的验证问题的反馈数据是错误的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低;
若验证出所述目标收集维度对应的验证问题的反馈数据是正确的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高。
可选的,所述所述基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正,包括:
若所述目标收集维度对应的问题的反馈数据的验证结果为无法验证,则计算预设的所述验证问题对应的第一修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第一修正系数小于1;
若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低,则计算预设的所述验证问题对应的第二修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第二修正系数小于1;
若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高,则计算预设的所述验证问题对应的第三修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第三修正系数等于1。
可选的,所述根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值,包括:
根据预设的每一个目标收集维度的评分表、所述问题集、以及与所述问题集中每一个目标收集维度相对应的概率分布函数,计算得到所述每一个目标收集维度所对应的信用计算值;其中,所述每一个目标收集维度的评分表用于说明所述每一个目标收集维度下的每一个问题所对应信用计算值;所述问题集中每一个目标收集维度相对应的概率分布函数用于计算所述问题集中的每一个问题所对应的权重概率;
根据所述特征数据集中每一个目标收集维度的修正后总体置信度,对所述每一个目标收集维度所对应的信用计算值进行调整,得到调整后的每一个目标收集维度所对应的信用计算值;
将所述调整后的每一个目标收集维度所对应的信用计算值进行求和,得到所述待评估用户的信用调研评估值。
可选的,所述问题集中每一个目标收集维度相对应的概率分布函数根据所述每一个目标收集维度下的每一个问题、以及预设的所述每一个目标收集维度下的每一个问题所对应的来源渠道的置信度构建得到;其中,所述每一个问题所对应的来源渠道的置信度用于说明所述来源渠道获取的信用数据的可靠性。
本申请第二方面公开了一种用户信用调研评估值的计算装置,包括:
确定单元,用于确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;所述每一个目标收集维度对应至少一个问题;
执行单元,用于通过人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;
提取单元,用于对所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;
第一计算单元,用于将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;
展示单元,用于根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;
第一获取单元,用于获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据,并利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果;
修正单元,用于基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正;
第二计算单元,用于根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值。
可选的,本申请第二方面公开的一种用户信用调研评估值的计算装置,还包括置信度计算模型的构建单元;所述置信度计算模型的构建单元包括:
第二获取单元,用于获取用于对置信度计算模型进行训练测试的训练样本集,所述训练样本集包括属于同一维度的多个问题的反馈数据,且所述多个问题的反馈数据分别从不同数据来源采集到;
交叉验证单元,用于对所述多个问题的反馈数据进行交叉验证,以将所述多个问题的反馈数据划分至不具有数据一致性的反馈数据组和具有数据一致性的反馈数据组中;
替换单元,用于基于所述具有数据一致性的反馈数据组中的各个数据,获得所述具有数据一致性的反馈数据组中的各个数据各自对应的目标数据,以所述目标数据替换所述训练样本集中与所述目标数据对应的反馈数据组中的各个数据;
第三计算单元,用于计算所述不具有数据一致性的反馈数据组中各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度;
训练测试单元,用于将所述各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度作为所述置信度计算模型的输入,对所述置信度计算模型进行训练测试。
可选的,所述展示单元,包括:
筛选单元,用于针对每一个所述目标收集维度,将从本地题库中的多个验证问题中,筛选得到所述目标收集维度对应的验证问题,或者从云数据库中确定出所述目标收集维度对应的验证问题输出;其中,所述每个所述目标收集维度对应的验证问题,基于每个所述目标收集维度对应的所述收集类问题的反馈数据进行筛选得到;
展示子单元,用于通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题。
可选的,所述第一获取单元,包括:
第一获取子单元,用于获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据;
验证单元,用于分别验证所述每个所述目标收集维度对应的验证问题的反馈数据的正确性;
其中,若无法验证所述目标收集维度对应的验证问题的反馈数据的正确性,则确定所述目标收集维度对应的问题的反馈数据的验证结果为无法验证;
若验证出所述目标收集维度对应的验证问题的反馈数据是错误的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低;
若验证出所述目标收集维度对应的验证问题的反馈数据是正确的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高。
可选的,所述修正单元,包括:
第一修正子单元,用于若所述目标收集维度对应的问题的反馈数据的验证结果为无法验证,则计算预设的所述验证问题对应的第一修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第一修正系数小于1;
第二修正子单元,用于若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低,则计算预设的所述验证问题对应的第二修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第二修正系数小于1;
第三修正子单元,用于若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高,则计算预设的所述验证问题对应的第三修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第三修正系数等于1。
可选的,所述第二计算单元,包括:
第二计算子单元,用于根据预设的每一个目标收集维度的评分表、所述问题集、以及与所述问题集中每一个目标收集维度相对应的概率分布函数,计算得到所述每一个目标收集维度所对应的信用计算值;其中,所述每一个目标收集维度的评分表用于说明所述每一个目标收集维度下的每一个问题所对应信用计算值;所述问题集中每一个目标收集维度相对应的概率分布函数用于计算所述问题集中的每一个问题所对应的权重概率;
调整单元,用于根据所述特征数据集中每一个目标收集维度的修正后总体置信度,对所述每一个目标收集维度所对应的信用计算值进行调整,得到调整后的每一个目标收集维度所对应的信用计算值;
求和单元,用于将所述调整后的每一个目标收集维度所对应的信用计算值进行求和,得到所述待评估用户的信用调研评估值。
由上述技术方案可以看出,本申请实施例提出的用户信用调研评估值的计算方法中,通过确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;所述每一个目标收集维度对应至少一个问题;再通过人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;并根据所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;然后将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;之后根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;之后获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据,并利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果;基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正;;最后,根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值。以达到高效率对客户进行调查及计算信用分数的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种用户信用调研评估值的计算方法的具体流程图;
图2为本申请另一实施例提供的一种用户信用调研评估值的计算方法的具体流程图;
图3为本申请另一实施例提供的一种用户信用调研评估值的计算方法的具体流程图;
图4为本申请另一实施例提供的一种用户信用调研评估值的计算方法的具体流程图;
图5为本申请另一实施例提供的一种用户信用调研评估值的计算装置的结构示意图;
图6为本申请另一实施例提供的一种置信度计算模型的构建单元的结构示意图;
图7为本申请另一实施例提供的一种展示单元的结构示意图;
图8为本申请另一实施例提供的一种修正单元的结构示意图;
图9为本申请另一实施例提供的一种第二计算单元的结构示意图。
具体实施方式
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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
参阅图1,本申请实施例公开了一种用户信用调研评估值的计算方法,具体包括以下步骤:
S101、确定待评估用户对应的问题集。
其中,待评估用户可以是个人用户,也可以是企业或其他各类机构;问题集包括至少一个目标收集维度的问题;每一个目标收集维度对应至少一个问题;
首先需要说明的是,在本申请实施例中,需要预先建立一个包含有多个问题的本地题库。具体的,为每个目标收集维度设置多个问题,并设置每个问题的属性,然后将所述问题以及属性存储在本地题库中。可选地,问题的属性包括输出方式、问题反馈方式、目的、问题对应的目标收集维度、问题的重要度系数以及支持系数、与其他问题的关联关系、置信度确认方式。
具体的,确定待评估用户对于的问题集的过程,可以为在预先建立的本地题库中进行随机筛选,确定出需要向待评估用户展示的问题集。
S102、通过人机交互模块向待评估用户展示问题集,并获取问题集的反馈数据。
其中,问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到。
需要说明的是,人机交互模块可以是一种通过人工智能技术来模拟真人对话的设备,通过与待评估用户进行对话的方式,来展示问题集中的每一个问题,以达到全程模拟人工审查环节的全过程。其中,人机交互模块可以由显示设备、声音输出设备、输入设备、语音合成装置、虚拟人物合成装置、声音采集设备、视频采集设备、存储设备和语音识别装置构成。其中,显示设备用于显示虚拟人物,并辅助显示对话内容,如显示器等;声音输出设备用于输出声音,如扬声器;输入设备是客户可以手动输入或者确认问题的设备,如键盘,触摸屏,鼠标等;语音合成装置用于将问题合成自然语音并通过声音输出设备输出;虚拟人物合成装置用于生成一个虚拟的角色,根据对话内容调整动作表情,并通过显示设备展示给客户;声音采集设备用于收集客户的语音信息,如麦克风等;视频采集设备用于收集客户的图像信息,如摄像头;存储设备用于存储收集的数据,进行后续分析。
具体的,在通过人机交互模块向待评估用户展示问题集后,可以通过人机交互模块中的麦克风、触摸屏幕、视频采集设备等收集不同类型的反馈数据。
S103、对问题集的反馈数据进行特征提取,得到特征数据集。
其中,特征数据集包括:每一个目标收集维度的每一个问题的反馈数据对应的特征数据。
具体的,可以通过多态特征识别模块获取待评估用户针对问题集的反馈数据,并对获取到的待评估用户针对问题集的反馈数据进行特征提取,得到特征数据集。
需要说明的是,多态特征识别模块是通过技术手段收集多种特征,从多个传统调研无法有效识别的方面对待评估用户回答问题本身潜在的欺诈进行风险提示,包括但不限于微表情特征模块、肢体语言特征模块、声纹特征模块、反应速度识别模块,生物信息特征模块等。
例如,微表情特征模块通过识别待评估用户回答问题时的表情反应提示可能存在欺诈风险;肢体语言特征模块通过识别待评估用户回答问题时的肢体反应提示可能存在的欺诈风险;声纹识别模块通过识别被调研对象回答问题时语音、语调、语速提示可能存在的欺诈风险;反应速度识别模块通过识别待评估用户回答问题的思考速度,来提示可能存在的欺诈风险;生物信息特征模块通过识别待评估用户的某些生理特性,如心率,呼吸等,来提示可能存在的欺诈风险。
S104、将特征数据集输入至预先构建的置信度计算模型,得到每一个目标收集维度的总体置信度。
可选的,本申请的另一实施例中,置信度计算模型的构建方法,如图2所示,包括以下步骤:
S201、获取用于对置信度计算模型进行训练测试的训练样本集。
其中,训练样本集包括属于同一维度的多个问题的反馈数据,且多个问题的反馈数据分别从不同数据来源采集到。
用于对模型进行训练测试的维度可能有多个,对这个维度所属的训练样本集都采用本实施例进行处理,然后才能够作为模型的输入对模型进行训练测试。
对于任一维度来说,可以将所有记录有该维度的问题的反馈数据来源中获取到该维度的问题数据的反馈数据,将从所有问题的反馈数据来源中的该维度的问题数据的反馈数据存储在该维度的训练样本集中。然而在实际业务场景中,一些数据来源的数值是可靠/权威的,若能够从这些数据来源中获取到数值则可以忽略其他数据来源的数值。
S202、对多个问题的反馈数据进行交叉验证,以将多个问题的反馈数据划分至不具有数据一致性的反馈数据组和具有数据一致性的反馈数据组中。
其中,对多个问题的反馈数据进行交叉验证的目的是为了从多个问题的反馈数据中查找到具有数据一致性的反馈数据组,而具有数据一致性的反馈数据组表明数据之间的差异在后续应用可以忽略,例如对于利润这一维度来说,若从不同数据来源采集到的利润分别为-500万元,+700万元,通过这两个数值能够说明从不同数据来源采集到的利润相差太大,不能忽略这两个数值之间的差异,进而说明这两个数据不具有数据一致性,则将这两个数据划分至不具有数据一致性的数据组中;若从不同数据来源采集到的利润分别为+700万元、+650万元,说明两个数据相接近,可以忽略两个数据之间的差异,进而说明这两个数据具有数据一致性,将这两个数据可以划分至同一个具有数据一致性的数数据组中。
S203、基于具有数据一致性的反馈数据组中的各个数据,获得具有数据一致性的反馈数据组中的各个数据各自对应的目标数据,以目标数据替换训练样本集中与目标数据对应的反馈数据组中的各个数据。
以目标数据进行替换的方式是:将目标数据加入到训练样本集中,而将与目标数据对应的反馈数据组中的各个数据从训练样本集中删除。之所以能够用目标数据替换是因为目标数据基于其对应的反馈数据组中的各个数据得到,该目标数据能够表征其对应的反馈数据组中的各个数据。
S204、计算不具有数据一致性的反馈数据组中各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度。
在本实施例中,通过各个数据的概率和各个目标数据的概率体现进行数据替换后的训练样本集中数据分布情况。并且通过该反馈数据组的目标数据替换训练样本集中该反馈数据组中的各个数据,以在训练样本集中增加一个可靠的目标数据进而增加训练样本集的置信度,而对于不具有数据一致性的反馈数据组来说忽略计算目标数据和替换的步骤(即保留不具有数据一致性的反馈数据组中各个数据的原始数据和置信度),因此不具有数据一致性的反馈数据组中的各个数据不会降低训练样本集的置信度,从而通过具有数据一致性的反馈数据组和不具有数据一致性的数据组提高训练样本集的置信度的准确度和可靠性。
具体的,计算各个数据的概率和各个目标数据的概率的一种方式是:基于具有数据一致性的反馈数据组中各个数据对应数据来源的置信度以及各个目标数据的置信度,计算不具有数据一致性的反馈数据组中各个数据的概率、各个目标数据的概率以及进行数据替换后的训练样本集的置信度。
S205、将各个数据的概率、各个目标数据的概率以及进行数据替换后的训练样本集的总体置信度作为置信度计算模型的输入,对置信度计算模型进行训练测试。
通过对置信度计算模型的训练测试,使得其中各个数据的概率以及各个目标数据的概率能够体现属于同一维度的多个问题的反馈数据的概率分布,以通过同一维度的多个问题的反馈数据的概率分布和训练样本集的置信度的方式,来提高模型的准确度。
S105、根据每一个目标收集维度的总体置信度,通过人机交互模块向待评估用户展示每个目标收集维度对应的验证问题。
需要说明的是,验证问题是用于验证目标收集维度的问题的反馈数据的问题。例如,当反馈数据为用户在本科就读的大学的名称,则验证问题可以是询问用户,其所本科所就读的学校的校训。所以,验证问题需要根据目标收集维度的问题的反馈数据,进行相应地筛选得到。
所以,在执行步骤S104后,基于每个目标收集维度对应的问题的反馈数据,筛选得到每个目标收集维度对应的问题的反馈数据所对应的验证问题,并通过人机交互模块展示给待评估用户。
需要说明的是,输出的每个目标收集维度对应的问题的反馈数据所对应的验证问题的数量,具体可以根据步骤S104得到的目标收集维度的总体置信度,来确定每个收集维度对应的问题的反馈数据所对应的验证问题的数量。从而可以实现,目标收集维度的总体置信度越低,则确定的要输出的该目标收集维度对应的问题的反馈数据所对应的验证问题的数量就越多。
相应的,当目标收集维度的总体置信度足够高时,则确定出的要输出的该目标收集维度对应的问题的反馈数据所对应的验证问题的数量可以为零。
可选的,本申请的另一实施例中,步骤S105的一种实现方式,如图3所示,包括以下步骤:
S301、针对每一个目标收集维度,将从本地题库中的多个验证问题中,筛选得到目标收集维度对应的验证问题,或者从云数据库中确定出目标收集维度对应的验证问题输出。
其中,每个目标收集维度对应的验证问题,基于每个目标收集维度对应的收集类问题的反馈数据进行筛选得到。
也就是说,本申请实施例中,验证问题可以本地题库中筛选得到,也可以从云数据库中筛选得到。具体的,从本地题库中筛选得到验证问题,则需要预先在本地题库中,根据收集类问题设置多个验证问题,并建立验证问题与收集问题的关联关系。后续可以根据不同目标收集维度的问题的反馈数据,从本地题库中筛选得到该维度中的问题的反馈数据所对应的验证问题。
具体的,从云数据库中筛选得到验证问题,可以在获取到目标收集维度的问题的反馈数据后,根据反馈数据从网上收集多个与反馈数据相对应的验证问题,组成云数据库,然后再从云数据库中筛选得到验证问题。
S302、通过人机交互模块向待评估用户展示每个目标收集维度对应的验证问题。
具体的,通过人机交互模块向待评估用户展示每个目标收集维度对应的验证问题的方式,可以如上述步骤S102中的方式,此处不再赘述。
S106、获取待评估用户输入的每个目标收集维度对应的验证问题的反馈数据,并利用每个目标收集维度对应的验证问题的反馈数据,验证目标收集维度对应的问题的反馈数据的置信度,得到每个目标收集维度对应的问题的反馈数据的验证结果。
具体的,通过接收到的用户输入的每个目标收集维度对应的验证问题的反馈数据,验证所得到的目标收集维度对应的验证问题的反馈数据的置信度是否足够可信。
可选的,本申请的另一实施例中,步骤S106的一种实现方式,包括以下步骤:
分别验证所述每个所述目标收集维度对应的验证问题的反馈数据的正确性。
具体的,若无法验证目标收集维度对应的验证问题的反馈数据的正确性,则确定目标收集维度对应的问题的反馈数据的验证结果为无法验证;若验证出目标收集维度对应的验证问题的反馈数据是错误的,则确定目标收集维度对应的问题的反馈数据的验证结果为置信度较低;若验证出目标收集维度对应的验证问题的反馈数据是正确的,则确定目标收集维度对应的问题的反馈数据的验证结果为置信度较高。
S107、基于每个目标收集维度对应的问题的反馈数据的验证结果,对目标收集维度对应的总体置信度进行修正。
当验证出所得到的目标收集维度对应的验证问题的反馈数据的置信度不可信时,对目标收集维度对应的总体置信度进行修正,就是基于每个目标收集维度对应的验证问题的反馈数据的验证结果,相应地调高或调低,又或者不改变目标收集维度对应的总体置信度。其中,当验证结果说明每个目标收集维度对应的验证问题的反馈数据的可信程度高时,可以相应不改变或者调高目标收集维度对应的总体置信度,当验证结果说明目标收集维度对应的验证问题的反馈数据的可信程度低时,则降低目标收集维度对应的总体置信度。
需要说明的是,验证所得到的目标收集维度对应的验证问题的反馈数据的置信度是否足够可信时,可以通过查找验证问题的正确答案,并通过验证问题的正确答案与用户输入的反馈数据进行对比,从而确定每个目标收集维度对应的验证问题的反馈数据的正确性。
可选的,本申请的另一实施例中,步骤S107的一种实现方式,包括以下步骤:
若目标收集维度对应的验证问题的反馈数据无法进行验证,则计算预设的目标收集维度对应的验证问题的第一修正系数与目标收集维度的总体置信度的乘积,得到修正后的目标收集维度的总体置信度。
若目标收集维度对应的验证问题的反馈数据的置信度较低,则计算预设的目标收集维度对应的验证问题的第二修正系数与目标收集维度的总体置信度的乘积,得到修正后的目标收集维度的总体置信度。
若目标收集维度对应的验证问题的反馈数据的置信度较高,则计算预设的目标收集维度对应的验证问题的第三修正系数与第一问题集的总体置信度的乘积,得到修正后的目标收集维度的总体置信度。
其中,第一修正系数和第二修正系数都小于1,并且第一修正系数大于第二修正系数;第三修正系数等于1。
也就是说,在本申请实施例中,验证结果为无法验证和错误时,都降低目标收集维度对应的总体置信度,并且验证结果为错误时降低的幅度大于,验证结果为无法验证时的降低幅度。对于验证结果为正确时,则不改变目标收集维度对应的总体置信度。当然,这只是其中一种可选地的方式,也可以采用设定其他的修正系数,对目标收集维度对应的总体置信度进行相应的修正,这都应属于本申请的保护范畴。
S108、根据特征数据集和特征数据集中每一个目标收集维度的修正后总体置信度,计算得到待评估用户的信用调研评估值。
具体的,根据预设的计算方法,利用获取到的特征数据集和特征数据集中每一个目标收集维度的修正后总体置信度,计算得到待评估用户的信用调研评估值。
可选的,本申请的另一实施例中,步骤S108的一种实现方式,如图4所示,包括以下步骤:
S401、根据预设的每一个目标收集维度的评分表、问题集、以及与问题集中每一个目标收集维度相对应的概率分布函数,计算得到每一个目标收集维度所对应的信用计算值。
其中,每一个目标收集维度的评分表用于说明每一个目标收集维度下的每一个问题所对应信用计算值;问题集中每一个目标收集维度相对应的概率分布函数用于计算问题集中的每一个问题所对应的权重概率。
需要说明的是,问题集中每一个目标收集维度相对应的概率分布函数根据每一个目标收集维度下的每一个问题、以及预设的每一个目标收集维度下的每一个问题所对应的来源渠道的置信度构建得到;其中,每一个问题所对应的来源渠道的置信度用于说明来源渠道获取的信用数据的可靠性。
具体地,根据每一个目标收集维度的评分表可构建对应的一个映射函数。第i个目标收集维度的评分表则构建对应的映射函数Fi(x),其中x为第i个目标收集维度下的信用数据。第i个目标收集维度下的信用数据x可划分为k个集合,分别为S1、S2、……、Sk。属于S1集合中的信用数据代入至映射函数Fi(x)均得到信用计算值V1,即S1中的信用数据所对应的信用计算值为V1,而Sk中的信用数据所对应的信用计算值为Vk。例如,收入目标收集维度下的信用数据x划分为1000-2000元、2000-4000元、4000-6000元、6000-10000元以及10000-20000元、大于20000元这6个集合,其中,信用数据属于1000-2000元时,对应的信用计算值为3分,2000-4000元时对应的信用计算值为4分,4000-6000元时对应的信用计算值为6分,6000-10000元时对应的信用计算值为8分,10000-20000元时对应的信用计算值则为10分,大于20000元时对应的信用计算值为15分。
需要说明的是,在实际应用中,若出现一些产品的信用评估策略发生变化等特殊情况时,每一个目标收集维度的评分表中不一定涵盖了所有的目标收集维度下的信用数据所对应的信用计算值的情况。例如,对于年龄这一目标收集维度,可能把信用数据划分为了18-24岁、25-30岁、30-45岁、45-55岁以及55-70岁以上这几个集合,但没有涵盖关于18岁以下、以及70岁以上的情况所对应的信用计算值。若在对应的评分表中没有找到信用数据所对应的信用计算值的情况时,则使得该信用数据所对应的信用计算值为一个预设的默认信用计算值。
可选地,若待评估用户在信用参数集合中的部分特征参数下没有信用数据,可将待评估用户缺少信用数据的特征参数的信用计算值设置为默认信用计算值。
S402、根据特征数据集中每一个目标收集维度的修正后总体置信度,对每一个目标收集维度所对应的信用计算值进行调整,得到调整后的每一个目标收集维度所对应的信用计算值。
具体的,将每一个目标收集维度的修正后总体置信度、以及所述每一个目标收集维度所对应的信用计算值代入至预设的公式中,得到调整后的每一个目标收集维度所对应的信用计算值。
其中,预设的公式为:A'i=Ai×σ(αi)+Vi 0×(1-σ(αi));A‘i为调整后的第i个目标收集维度所对应的信用计算值;Ai为第i个目标收集维度所对应的信用计算值;αi为第i个目标收集维度的修正后总体置信度;σ(αi)为调整后的第i个目标收集维度的修正后总体置信度;Vi0为预设的第i个目标收集维度的默认信用计算值。
S403、将调整后的每一个目标收集维度所对应的信用计算值进行求和,得到待评估用户的信用调研评估值。
由上述技术方案可以看出,本申请实施例提出的用户信用调研评估值的计算方法中,通过确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;所述每一个目标收集维度对应至少一个问题;再通过人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;并根据所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;然后将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;之后根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;之后获取用户输入的每个所述目标收集维度对应的验证问题的反馈数据,并基于每个所述目标收集维度对应的验证问题的反馈数据,对所述目标收集维度的总体置信度进行修正;最后,根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值。以达到高效率对客户进行调查及计算信用分数的目的。。
参阅图5,本申请实施例公开了一种用户信用调研评估值的计算装置,包括:
确定单元501,用于确定待评估用户对应的问题集。
其中,问题集包括至少一个目标收集维度的问题;每一个目标收集维度对应至少一个问题。
执行单元502,用于通过人机交互模块向待评估用户展示问题集,并获取问题集的反馈数据。
其中,问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到。
提取单元503,用于对问题集的反馈数据进行特征提取,得到特征数据集。
其中,特征数据集包括:每一个目标收集维度的每一个问题的反馈数据对应的特征数据。
第一计算单元504,用于将特征数据集输入至预先构建的置信度计算模型,得到每一个目标收集维度的总体置信度。
可选的,本申请的另一实施例中,用户信用调研评估值的计算装置中还可以包括置信度计算模型的构建单元。
如图6所示,置信度计算模型的构建单元包括:
获取单元601,用于获取用于对置信度计算模型进行训练测试的训练样本集。
其中,训练样本集包括属于同一维度的多个问题的反馈数据,且多个问题的反馈数据分别从不同数据来源采集到。
交叉验证单元602,用于对多个问题的反馈数据进行交叉验证,以将多个问题的反馈数据划分至不具有数据一致性的反馈数据组和具有数据一致性的反馈数据组中。
替换单元603,用于基于具有数据一致性的反馈数据组中的各个数据,获得具有数据一致性的反馈数据组中的各个数据各自对应的目标数据,以目标数据替换训练样本集中与目标数据对应的反馈数据组中的各个数据。
第三计算单元604,用于计算不具有数据一致性的反馈数据组中各个数据的概率、各个目标数据的概率以及进行数据替换后的训练样本集的总体置信度。
训练测试单元605,用于将各个数据的概率、各个目标数据的概率以及进行数据替换后的训练样本集的总体置信度作为置信度计算模型的输入,对置信度计算模型进行训练测试。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图2所示,此处不再赘述。
展示单元505,用于根据每一个目标收集维度的总体置信度,通过人机交互模块向待评估用户展示每个目标收集维度对应的验证问题。
可选的,本申请的另一实施例中,展示单元505的一种实施方式,如图7所示,包括:
筛选单元701,用于针对每一个目标收集维度,将从本地题库中的多个验证问题中,筛选得到目标收集维度对应的验证问题,或者从云数据库中确定出目标收集维度对应的验证问题输出。
其中,每个目标收集维度对应的验证问题,基于每个目标收集维度对应的收集类问题的反馈数据进行筛选得到。
展示子单元702,用于通过人机交互模块向待评估用户展示每个目标收集维度对应的验证问题。
第一获取单元506,用于获取待评估用户输入的每个目标收集维度对应的验证问题的反馈数据,并利用每个目标收集维度对应的验证问题的反馈数据,验证目标收集维度对应的问题的反馈数据的置信度,得到每个目标收集维度对应的问题的反馈数据的验证结果。
修正单元507,用于基于每个目标收集维度对应的问题的反馈数据的验证结果,对目标收集维度对应的总体置信度进行修正。
可选的,本申请的另一实施例中,修正单元507的一种实施方式,如图8所示,包括:
第一修正子单元801,用于若目标收集维度对应的验证问题的反馈数据无法进行验证,则计算预设的目标收集维度对应的验证问题的第一修正系数与目标收集维度的总体置信度的乘积,得到修正后的目标收集维度的总体置信度;其中,第一修正系数小于1。
第二修正子单元802,用于若目标收集维度对应的验证问题的反馈数据的置信度较低,则计算预设的目标收集维度对应的验证问题的第二修正系数与目标收集维度的总体置信度的乘积,得到修正后的目标收集维度的总体置信度;其中,第二修正系数小于1。
第三修正子单元803,用于若目标收集维度对应的验证问题的反馈数据的置信度较高,则计算预设的目标收集维度对应的验证问题的第三修正系数与第一问题集的总体置信度的乘积,得到修正后的目标收集维度的总体置信度;其中,第三修正系数等于1。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,此处不再赘述。
第二计算单元508,用于根据特征数据集和特征数据集中每一个目标收集维度的修正后总体置信度,计算得到待评估用户的信用调研评估值。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图1所示,此处不再赘述。
可选的,本申请的另一实施例中,第二计算单元508的一种实施方式,如图9所示,包括:
第二计算子单元901,用于根据预设的每一个目标收集维度的评分表、所述问题集、以及与问题集中每一个目标收集维度相对应的概率分布函数,计算得到每一个目标收集维度所对应的信用计算值。
其中,每一个目标收集维度的评分表用于说明每一个目标收集维度下的每一个问题所对应信用计算值;问题集中每一个目标收集维度相对应的概率分布函数用于计算问题集中的每一个问题所对应的权重概率。
调整单元902,用于根据特征数据集中每一个目标收集维度的修正后总体置信度,对每一个目标收集维度所对应的信用计算值进行调整,得到调整后的每一个目标收集维度所对应的信用计算值。
求和单元903,用于将调整后的每一个目标收集维度所对应的信用计算值进行求和,得到待评估用户的信用调研评估值。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图4所示,此处不再赘述。
由上述技术方案可以看出,本申请实施例提出的用户信用调研评估值的计算装置中,通过确定单元501确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;所述每一个目标收集维度对应至少一个问题;再通过执行单元502利用人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;并利用提取单元503根据所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;然后利用第一计算单元504将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;之后利用展示单元505根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;利用第一获取单元506获取,待评估用户输入的每个目标收集维度对应的验证问题的反馈数据,并利用每个目标收集维度对应的验证问题的反馈数据,验证目标收集维度对应的问题的反馈数据的置信度,得到每个目标收集维度对应的问题的反馈数据的验证结果;之后利用修正单元507基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对目标收集维度对应的总体置信度进行修正;最后,利用第二计算单元508根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值,以达到高效率对客户进行调查及计算信用分数的目的。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种用户信用调研评估值的计算方法,其特征在于,包括:
确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;每一个目标收集维度对应至少一个问题;
通过人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;
对所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;
将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;
根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;
获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据,并利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果;
基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正;
根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值;
所述置信度计算模型的构建方法,包括:
获取用于对置信度计算模型进行训练测试的训练样本集,所述训练样本集包括属于同一维度的多个问题的反馈数据,且所述多个问题的反馈数据分别从不同数据来源采集到;
对所述多个问题的反馈数据进行交叉验证,以将所述多个问题的反馈数据划分至不具有数据一致性的反馈数据组和具有数据一致性的反馈数据组中;
基于所述具有数据一致性的反馈数据组中的各个数据,获得所述具有数据一致性的反馈数据组中的各个数据各自对应的目标数据,以所述目标数据替换所述训练样本集中与所述目标数据对应的反馈数据组中的各个数据;
计算所述不具有数据一致性的反馈数据组中各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度;
将所述各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度作为所述置信度计算模型的输入,对所述置信度计算模型进行训练。
2.根据权利要求1所述的方法,其特征在于,所述根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题,包括:
针对每一个所述目标收集维度,将从本地题库中的多个验证问题中,筛选得到所述目标收集维度对应的验证问题,或者从云数据库中确定出所述目标收集维度对应的验证问题输出;其中,所述每个所述目标收集维度对应的验证问题,基于每个所述目标收集维度对应的收集类问题的反馈数据进行筛选得到;
通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题。
3.根据权利要求1所述的方法,其特征在于,所述利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果,包括:
分别验证所述每个所述目标收集维度对应的验证问题的反馈数据的正确性;
其中,若无法验证所述目标收集维度对应的验证问题的反馈数据的正确性,则确定所述目标收集维度对应的问题的反馈数据的验证结果为无法验证;
若验证出所述目标收集维度对应的验证问题的反馈数据是错误的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低;
若验证出所述目标收集维度对应的验证问题的反馈数据是正确的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高。
4.根据权利要求3所述的方法,其特征在于,所述基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正,包括:
若所述目标收集维度对应的问题的反馈数据的验证结果为无法验证,则计算预设的所述验证问题对应的第一修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第一修正系数小于1;
若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低,则计算预设的所述验证问题对应的第二修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第二修正系数小于1;
若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高,则计算预设的所述验证问题对应的第三修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第三修正系数等于1。
5.根据权利要求1所述的方法,其特征在于,所述根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值,包括:
根据预设的每一个目标收集维度的评分表、所述问题集、以及与所述问题集中每一个目标收集维度相对应的概率分布函数,计算得到所述每一个目标收集维度所对应的信用计算值;其中,所述每一个目标收集维度的评分表用于说明所述每一个目标收集维度下的每一个问题所对应信用计算值;所述问题集中每一个目标收集维度相对应的概率分布函数用于计算所述问题集中的每一个问题所对应的权重概率;
根据所述特征数据集中每一个目标收集维度的修正后总体置信度,对所述每一个目标收集维度所对应的信用计算值进行调整,得到调整后的每一个目标收集维度所对应的信用计算值;
将所述调整后的每一个目标收集维度所对应的信用计算值进行求和,得到所述待评估用户的信用调研评估值。
6.根据权利要求5所述的方法,其特征在于,所述问题集中每一个目标收集维度相对应的概率分布函数根据所述每一个目标收集维度下的每一个问题、以及预设的所述每一个目标收集维度下的每一个问题所对应的来源渠道的置信度构建得到;其中,所述每一个问题所对应的来源渠道的置信度用于说明所述来源渠道获取的信用数据的可靠性。
7.一种用户信用调研评估值的计算装置,其特征在于,包括:
确定单元,用于确定待评估用户对应的问题集;其中,所述问题集包括至少一个目标收集维度的问题;每一个目标收集维度对应至少一个问题;
执行单元,用于通过人机交互模块向所述待评估用户展示所述问题集,并获取所述问题集的反馈数据;其中,所述问题集的反馈数据包括:待评估用户输入的每一个目标收集维度的所有问题的反馈数据;所述每一个目标收集维度的每一个问题的反馈数据,分别通过不同的来源渠道得到;
提取单元,用于对所述问题集的反馈数据进行特征提取,得到特征数据集;其中,所述特征数据集包括:每一个所述目标收集维度的每一个问题的反馈数据对应的特征数据;
第一计算单元,用于将所述特征数据集输入至预先构建的置信度计算模型,得到每一个所述目标收集维度的总体置信度;
展示单元,用于根据每一个所述目标收集维度的总体置信度,通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题;
第一获取单元,用于获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据,并利用所述每个所述目标收集维度对应的验证问题的反馈数据,验证所述目标收集维度对应的问题的反馈数据的置信度,得到每个所述目标收集维度对应的问题的反馈数据的验证结果;
修正单元,用于基于每个所述目标收集维度对应的问题的反馈数据的验证结果,对所述目标收集维度对应的总体置信度进行修正;
第二计算单元,用于根据所述特征数据集和所述特征数据集中每一个目标收集维度的修正后总体置信度,计算得到所述待评估用户的信用调研评估值;
置信度计算模型的构建单元;所述置信度计算模型的构建单元包括:
第二获取单元,用于获取用于对置信度计算模型进行训练测试的训练样本集,所述训练样本集包括属于同一维度的多个问题的反馈数据,且所述多个问题的反馈数据分别从不同数据来源采集到;
交叉验证单元,用于对所述多个问题的反馈数据进行交叉验证,以将所述多个问题的反馈数据划分至不具有数据一致性的反馈数据组和具有数据一致性的反馈数据组中;
替换单元,用于基于所述具有数据一致性的反馈数据组中的各个数据,获得所述具有数据一致性的反馈数据组中的各个数据各自对应的目标数据,以所述目标数据替换所述训练样本集中与所述目标数据对应的反馈数据组中的各个数据;
第三计算单元,用于计算所述不具有数据一致性的反馈数据组中各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度;
训练测试单元,用于将所述各个数据的概率、各个所述目标数据的概率以及进行数据替换后的训练样本集的总体置信度作为所述置信度计算模型的输入,对所述置信度计算模型进行训练测试。
8.根据权利要求7所述的装置,其特征在于,所述展示单元,包括:
筛选单元,用于针对每一个所述目标收集维度,将从本地题库中的多个验证问题中,筛选得到所述目标收集维度对应的验证问题,或者从云数据库中确定出所述目标收集维度对应的验证问题输出;其中,所述每个所述目标收集维度对应的验证问题,基于每个所述目标收集维度对应的收集类问题的反馈数据进行筛选得到;
展示子单元,用于通过所述人机交互模块向所述待评估用户展示每个所述目标收集维度对应的验证问题。
9.根据权利要求7所述的装置,其特征在于,所述第一获取单元,包括:
第一获取子单元,用于获取待评估用户输入的每个所述目标收集维度对应的验证问题的反馈数据;
验证单元,用于分别验证所述每个所述目标收集维度对应的验证问题的反馈数据的正确性;
其中,若无法验证所述目标收集维度对应的验证问题的反馈数据的正确性,则确定所述目标收集维度对应的问题的反馈数据的验证结果为无法验证;
若验证出所述目标收集维度对应的验证问题的反馈数据是错误的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低;
若验证出所述目标收集维度对应的验证问题的反馈数据是正确的,则确定所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高。
10.根据权利要求9所述的装置,其特征在于,所述修正单元,包括:
第一修正子单元,用于若所述目标收集维度对应的问题的反馈数据的验证结果为无法验证,则计算预设的所述验证问题对应的第一修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第一修正系数小于1;
第二修正子单元,用于若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较低,则计算预设的所述验证问题对应的第二修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第二修正系数小于1;
第三修正子单元,用于若所述目标收集维度对应的问题的反馈数据的验证结果为置信度较高,则计算预设的所述验证问题对应的第三修正系数与所述目标收集维度对应的总体置信度的乘积,得修正后的所述目标收集维度对应的总体置信度;其中,所述第三修正系数等于1。
11.根据权利要求7所述的装置,其特征在于,所述第二计算单元,包括:
第二计算子单元,用于根据预设的每一个目标收集维度的评分表、所述问题集、以及与所述问题集中每一个目标收集维度相对应的概率分布函数,计算得到所述每一个目标收集维度所对应的信用计算值;其中,所述每一个目标收集维度的评分表用于说明所述每一个目标收集维度下的每一个问题所对应信用计算值;所述问题集中每一个目标收集维度相对应的概率分布函数用于计算所述问题集中的每一个问题所对应的权重概率;
调整单元,用于根据所述特征数据集中每一个目标收集维度的修正后总体置信度,对所述每一个目标收集维度所对应的信用计算值进行调整,得到调整后的每一个目标收集维度所对应的信用计算值;
求和单元,用于将所述调整后的每一个目标收集维度所对应的信用计算值进行求和,得到所述待评估用户的信用调研评估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911185326.5A CN110930244B (zh) | 2019-11-27 | 2019-11-27 | 用户信用调研评估值的计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911185326.5A CN110930244B (zh) | 2019-11-27 | 2019-11-27 | 用户信用调研评估值的计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110930244A CN110930244A (zh) | 2020-03-27 |
CN110930244B true CN110930244B (zh) | 2022-11-25 |
Family
ID=69846717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911185326.5A Active CN110930244B (zh) | 2019-11-27 | 2019-11-27 | 用户信用调研评估值的计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930244B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973903A (zh) * | 2024-03-29 | 2024-05-03 | 河北省农林科学院谷子研究所 | 一种品牌价值在线智能评估管理方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104333530B (zh) * | 2013-07-22 | 2019-02-22 | 深圳市腾讯计算机***有限公司 | 信息可信度验证方法及装置 |
CN104463603B (zh) * | 2014-12-05 | 2018-02-02 | 中国联合网络通信集团有限公司 | 一种信用评估方法及*** |
CN107369034A (zh) * | 2017-06-14 | 2017-11-21 | 广东数相智能科技有限公司 | 一种用户调研诚信判断的方法和装置 |
CN109492076B (zh) * | 2018-09-20 | 2022-02-11 | 西安交通大学 | 一种基于网络的社区问答网站答案可信评估方法 |
-
2019
- 2019-11-27 CN CN201911185326.5A patent/CN110930244B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110930244A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11880806B2 (en) | Systems and methods for automatic candidate assessments | |
US20190332676A1 (en) | Human-to-human conversation analysis | |
US8893024B2 (en) | User evaluation in a collaborative online forum | |
JP3645901B2 (ja) | テスト・システム及びその制御方法 | |
US20120185275A1 (en) | System and method of automated data analysis for implementing health records personal assistant with automated correlation of medical services to insurance and tax benefits for improved personal health cost management | |
CN110458697A (zh) | 用于评估风险的方法和装置 | |
TW200837717A (en) | Apparatus and method to reduce recognization errors through context relations among dialogue turns | |
WO2017044368A1 (en) | System and method for validating natural language content using crowdsourced validation jobs | |
US11450095B2 (en) | Machine learning for video analysis and feedback | |
JP7247544B2 (ja) | 情報処理システム | |
Bass et al. | Utilizing multidimensional computer adaptive testing to mitigate burden with patient reported outcomes | |
CN110930244B (zh) | 用户信用调研评估值的计算方法及装置 | |
CN113035232A (zh) | 一种基于语音识别的心理状态预测***、方法及装置 | |
Moses et al. | Perceived service quality and user satisfaction in library environment | |
Fauzia et al. | Implementation of chatbot on university website using RASA framework | |
CN111915224B (zh) | 一种教学测评*** | |
CN112669936A (zh) | 一种基于文本和图像社交网络抑郁检测方法 | |
Wang | Detecting pronunciation errors in spoken English tests based on multifeature fusion algorithm | |
He et al. | A data-driven innovation model of big data digital learning and its empirical study | |
CN113919983A (zh) | 试题画像方法、装置、电子设备和存储介质 | |
CN111708889A (zh) | 成绩认证服务设备、电子成绩单设备和成绩认证服务*** | |
CN104834393A (zh) | 自动化测试装置及*** | |
JP7376033B1 (ja) | 情報処理装置及び情報処理方法 | |
CN116563067B (zh) | 一种基于大数据的毕业生人群就业分析方法、***及介质 | |
CN111915227B (zh) | 一种教学评价数据分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |