CN113434505B - 交易信息属性检索方法、装置、计算机设备及存储介质 - Google Patents
交易信息属性检索方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113434505B CN113434505B CN202110724032.6A CN202110724032A CN113434505B CN 113434505 B CN113434505 B CN 113434505B CN 202110724032 A CN202110724032 A CN 202110724032A CN 113434505 B CN113434505 B CN 113434505B
- Authority
- CN
- China
- Prior art keywords
- information
- classification
- attribute
- tree model
- search
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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
- G06Q40/08—Insurance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能的分类模型技术领域,公开了一种交易信息属性检索方法、装置、计算机设备及存储介质,包括:接收用户端发送的身份信息,根据身份信息获取客户信息;获取客户信息中预置的分类树模型,将分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将检索页面发送至用户端,接收用户端在检索页面中录入的检索条目;识别分类树模型中与检索条目匹配的属性信息,将属性信息反馈至用户端。本发明还涉及区块链技术,信息可存储于区块链节点中。本发明不仅极大的提高了目标对象的属性信息获取效率,还避免了用户端直接获得交易信息,导致员工保单泄露的风险。
Description
技术领域
本发明涉及人工智能的分类模型技术领域,尤其涉及一种交易信息属性检索方法、装置、计算机设备及存储介质。
背景技术
在对企业的保险需求开展承保服务时,需要根据用户的需求,对不同的岗位、地点、职级、收入的员工进行不同属性信息(如:保单层级)的承保,通常规模较大、涉及到跨地跨国业务企业,因其人员较为复杂,会导致员工的属性信息也多种多样。
然而,发明人意识到,由于交易信息(如:保单信息)对于企业及员工来说属于涉密信息,因此,企业的管理者若需要查询某一员工的属性信息时,只能在线下向承保公司查询,给企业带来了极大不便;同时,承保公司在检索该员工的属性信息时,需要录入大量数据,并根据该数据对信息库中的交易信息进行遍历方可属性信息,导致检索效率低下。
发明内容
本发明的目的是提供一种交易信息属性检索方法、装置、计算机设备及存储介质,用于解决现有技术存在的企业的管理者查询员工的属性信息只能在线下向承保公司查询,给企业带来了极大不便的问题,以及承保公司需要录入大量数据并遍历交易信息方可检索属性信息,导致检索效率低下的问题。
为实现上述目的,本发明提供一种交易信息属性检索方法,包括:
接收用户端发送的身份信息,根据所述身份信息获取客户信息;
获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目;
识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
上述方案中,所述接收用户端发送的身份信息之前,所述方法还包括:
执行树结构进程,用于获取客户信息及其交易信息,构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型,将所述分类树模型设置在所述客户信息中;其中,所述因子信息是用于对交易信息进行描述或概括的元数据,所述属性信息是描述交易信息的概括信息,所述分类树模型是一种以所述因子信息为分类条件对交易信息进行分类的树形数据结构。
上述方案中,所述构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型,包括:
汇总交易信息形成待切分集合,执行切分计算线程,用以根据属性信息将所述待切分集合中的交易信息划分成具有一种属性信息的第一子集,以及至少具有一种属性信息的第二子集;计算所述因子信息对应的客户数据在第一子集中出现的概率值并汇总,得到至少具有一个概率值的第一概率集合;计算所述因子信息对应的客户数据在所述第二子集中出现的概率值并汇总,得到至少具有一个概率值的第二概率集合;
根据所述第一概率集合计算所述因子信息在所述第一子集中的基尼系数得到第一系数,根据所述第二概率集合计算所述因子信息在所述第二子集的基尼系数得到第二系数,计算所述第一系数和所述第二系数之和得到所述因子信息的因子系数;
识别值最低的因子系数所对应的因子信息,以及所述因子信息在所述第一子集中对应的客户数据,将所述因子信息及所述客户数据作为分类条件;
判断所述第二子集中是否具有两个及两个以上的属性信息;若是,则将所述第二子集设为新的待切分集合,并再次所述执行切分计算线程;若否,则根据所述分类条件构建分类树模型。
上述方案中,所述将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,包括:
提取所述分类树模型中的分类条件;
获取反馈页面,将所述分类条件录入所述反馈弹框中,并在所述反馈页面中设置与所述分类条件关联的检索下拉框得到检索页面;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
上述方案中,所述接收用户端在所述检索页面中录入的检索条目之后,所述方法还包括:
获取所述分类树模型中位于首位的分类条件,执行弹框进程,用于将所述分类条件载入预置的反馈弹框中形成检索弹框,将所述检索弹框发送至所述用户端,并接收所述用户端在所述检索弹框中选定的检索条目;
判断根据所述检索条目是否能够从所述分类树模型中获得属性信息;若是,则将所述属性信息发送至所述用户端;若否,则获取与所述检索条目匹配的下一位次的分类条件并执行所述弹框进程。
上述方案中,所述将所述分类条件载入预置的反馈弹框中形成检索弹框的步骤,包括:
获取反馈弹框,将所述分类条件录入所述反馈弹框中;
在所述反馈弹框中设置与所述分类条件关联的检索下拉框得到检索弹框;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
上述方案中,所述根据所述身份信息获取客户信息之后,所述方法还包括:
接收所述用户端输出的修改信息,根据所述修改信息修改所述客户信息中的交易信息,执行所述树结构进程以得到更新的分类树模型,并将所述更新的分类树模型设置在所述客户信息中;
所述将所述更新的分类树模型设置在所述客户信息中之后,所述方法还包括:
将所述更新的分类树模型上传至区块链中。
为实现上述目的,本发明还提供一种交易信息属性检索装置,包括:
客户识别模块,用于接收用户端发送的身份信息,根据所述身份信息获取客户信息;
页面交互模块,用于获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目;
属性识别模块,用于识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
为实现上述目的,本发明还提供一种计算机设备,其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述计算机设备的处理器执行所述计算机程序时实现上述交易信息属性检索方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,所述可读存储介质上存储有计算机程序,所述可读存储介质存储的所述计算机程序被处理器执行时实现上述交易信息属性检索方法的步骤。
本发明提供的交易信息属性检索方法、装置、计算机设备及存储介质,通过根据用户端发送的身份信息识别相应的客户信息,在保证客户信息安全性的同时,提高用户端获得客户信息的便利度;通过将分类树模型中的分类条件载入预置的反馈页面中形成检索页面的方式,使得用户端仅需在检索页面中填写必要的分类条件所对应的检索条目;通过识别分类树模型中与检索条目匹配的属性信息,将属性信息反馈至用户端,使得属性信息仅需根据检索条目运算分类树模型中有限的几个分类条件的分类条件,不仅极大的提高了目标对象的属性信息获取效率,还避免了用户端直接获得交易信息,导致员工保单泄露的风险,因此,在为企业提供属性信息查询便利的同时,还保证了交易信息的信息安全。同时,还避免了因占用信息库,导致用户端在查询属性信息之时,信息库无法被使用的情况发生。
附图说明
图1为本发明交易信息属性检索方法实施例一的流程图;
图2为本发明交易信息属性检索方法实施例二中交易信息属性检索方法的环境应用示意图;
图3是本发明交易信息属性检索方法实施例二中交易信息属性检索方法的具体方法流程图;
图4为本发明交易信息属性检索装置实施例三的程序模块示意图;
图5为本发明计算机设备实施例四中计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明提供的交易信息属性检索方法、装置、计算机设备及存储介质,适用于人工智能的分类模型技术领域,为提供一种基于客户识别模块、页面交互模块、属性识别模块的交易信息属性检索方法。本发明通过接收用户端发送的身份信息,根据身份信息获取客户信息;获取客户信息中预置的分类树模型,将分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将检索页面发送至用户端,接收用户端在检索页面中录入的检索条目;识别分类树模型中与检索条目匹配的属性信息。
实施例一:
请参阅图1,本实施例的一种交易信息属性检索方法,包括:
S102:接收用户端发送的身份信息,根据所述身份信息获取客户信息。
S103:获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目。
S104:识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
在示例性的实施例中,通过根据用户端发送的身份信息识别相应的客户信息,以保证客户信息安全性的同时,提高用户端获得客户信息的便利度,其中,所述身份信息是反映所述用户端身份的数据信息,确保了用户端获取客户信息的便利性和客户信息的安全性。
通过将获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面的方式,使得用户端仅需在检索页面中填写必要的分类条件所对应的检索条目;通过识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端,使得属性信息仅需根据检索条目运算分类树模型中有限的几个分类条件的分类条件,不仅极大的提高了目标对象的属性信息获取效率,还避免了用户端直接获得交易信息,导致员工保单泄露的风险,因此,在为企业提供属性信息查询便利的同时,还保证了交易信息的信息安全。同时,还避免了因占用信息库,导致用户端在查询属性信息之时,所述信息库无法被使用的情况发生。
实施例二:
本实施例为上述实施例一的一种具体应用场景,通过本实施例,能够更加清楚、具体地阐述本发明所提供的方法。
下面,以在运行有交易信息属性检索方法的服务器中,通过将分类树模型的分类条件载入反馈页面中形成检索页面,并接收用户端在检索页面中录入的检索条目,用以识别分类树模型中与检索条目匹配的属性信息为例,来对本实施例提供的方法进行具体说明。需要说明的是,本实施例只是示例性的,并不限制本发明实施例所保护的范围。
图2示意性示出了根据本申请实施例二的交易信息属性检索方法的环境应用示意图。
在示例性的实施例中,交易信息属性检索方法所在的服务器2通过网络分别连接信息库3和用户端4;所述服务器2可以通过一个或多个网络提供服务,网络可以包括各种网络设备,例如路由器,交换机,多路复用器,集线器,调制解调器,网桥,中继器,防火墙,代理设备和/或等等。网络可以包括物理链路,例如同轴电缆链路,双绞线电缆链路,光纤链路,它们的组合和/或类似物。网络可以包括无线链路,例如蜂窝链路,卫星链路,Wi-Fi链路和/或类似物;所述用户端4可为智能手机、平板电脑、笔记本电脑、台式电脑等计算机设备。
图3是本发明一个实施例提供的一种交易信息属性检索方法的具体方法流程图,该方法具体包括步骤S201至S207。
S201:执行树结构进程,用于获取客户信息及其交易信息,构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型,将所述分类树模型设置在所述客户信息中;其中,所述因子信息是用于对交易信息进行描述或概括的元数据,所述属性信息是描述交易信息的概括信息,所述分类树模型是一种以所述因子信息为分类条件对交易信息进行分类的树形数据结构。
本步骤中,采用分类算法构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型。于本实施例中,采用决策树算法作为所述分类算法,用于通过所述交易信息得到所述分类树模型,所述决策树(Decision Tree)算法是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。
在示例性的实施例中,本申请可应用在金融保险场景中,在该场景中,所述交易信息为保单信息,所述属性信息是描述保险金额、保险费、保险期限、赔偿或给付的责任范围的保单层级。示例性地,所述客户信息及其交易信息如下表所示:
在一个优选的实施例中,所述构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型,包括:
S11:汇总交易信息形成待切分集合,执行切分计算线程,用以根据属性信息将所述待切分集合中的交易信息划分成具有一种属性信息的第一子集,以及至少具有一种属性信息的第二子集;计算所述因子信息对应的客户数据在第一子集中出现的概率值并汇总,得到至少具有一个概率值的第一概率集合;计算所述因子信息对应的客户数据在所述第二子集中出现的概率值并汇总,得到至少具有一个概率值的第二概率集合。
示例性地,基于上述客户信息,以将一种属性信息划分为一类,将其他种类属性信息划分为另一类,如下:
在属性信息1中,“地点”因子信息为上海的概率值为100%,“地点”因子信息为苏州的概率值为0,“地点”因子信息为东莞的概率值为0,得到第一概率集合(100%,0,0);在属性信息2、3、4中,“地点”因子信息为上海的概率值为0,“地点”因子信息为苏州的概率值为50%,“地点”因子信息为东莞的概率值为50%,得到第二概率集合(0,50%,50%)。
在属性信息2中,“地点”因子信息为上海的概率值为0,“地点”因子信息为苏州的概率值为67%,“地点”因子信息为东莞的概率值为33%,得到第一概率集合(0,67%,33%);在属性信息1、3、4中,“地点”因子信息为上海的概率值为2/7,“地点”因子信息为苏州的概率值为2/7,“地点”因子信息为东莞的概率值为3/7,得到第二概率集合(2/7,2/7,3/7)
在属性信息3中,“地点”因子信息为上海的概率值为0,“地点”因子信息为苏州的概率值为50%,“地点”因子信息为东莞的概率值为50%,得到第一概率集合(0,50%,50%);在属性信息1、2、4中,“地点”因子信息为上海的概率值为25%,“地点”因子信息为苏州的概率值为37.5%,“地点”因子信息为东莞的概率值为37.5%,得到第二概率集合(25%,37.5%,37.5%)
在属性信息4中,“地点”因子信息为上海的概率值为0,“地点”因子信息为苏州的概率值为33%,“地点”因子信息为东莞的概率值为67%,得到第一概率集合(0,33%,67%);在属性信息1、2、3中,“地点”因子信息为上海的概率值为2/7,“地点”因子信息为苏州的概率值为3/7,“地点”因子信息为东莞的概率值为2/7,得到第二概率集合(2/7,3/7,2/7)
以此类推,“职位”因子信息和“职级”因子信息如上述方法获得相应的概率值及其第一概率集合和第二概率集合。
S12:根据所述第一概率集合计算所述因子信息在所述第一子集中的基尼系数得到第一系数,根据所述第二概率集合计算所述因子信息在所述第二子集的基尼系数得到第二系数,计算所述第一系数和所述第二系数之和得到所述因子信息的因子系数。
示例性地,基于上述举例:属性信息共有4种,第k种的概率集合为pk,则基尼系数(即:所述第一系数和所述第二系数)的表达式为:
通过上述公式可获得:根据“地点”因子信息对待切分集合进行划分将得到如下方案:
H1:将属性信息1划分为一类,将属性信息2、3、4划分为一类所得到的因子系数是:0.75;
H2:将属性信息2划分为一类,将属性信息1、3、4划分为一类所得到的因子系数是:1.1;
H3:将属性信息3划分为一类,将属性信息1、2、4划分为一类所得到的因子系数是:1.4;
H4:将属性信息4划分为一类,将属性信息1、2、3划分为一类所得到的因子系数是:1.1。
于本实施例中,上述公式可为所述分类算法的目标公式。
S13:识别值最低的因子系数所对应的因子信息,以及所述因子信息在所述第一子集中对应的客户数据,将所述因子信息及所述客户数据作为分类条件;
示例性地,基于上述举例,H1方案的因子系数的值最低,获取“地点”因子信息在第一子集(属性信息1所对应的交易信息)中的客户数据(上海)作为分类条件,即:“地点是否为上海”。
S14:判断所述第二子集中是否具有两个及两个以上的属性信息;
若是,则将所述第二子集设为新的待切分集合,并再次所述执行切分计算线程;
若否,则根据所述分类条件构建分类树模型。
示例性地,基于上述举例,得到的第二子集如下表所示:
基于上述举例,将获得具有如下分类条件的分类树模型:
分类条件1:工作地点是否为上海;若是,则为属性信息1;
分类条件2:职业是否为管理者或研发;若是,则为属性信息2;
分类条件3:职级是否达到3级;若是,则为属性信息3;若否,则为属性信息4。
S202:接收用户端发送的身份信息,根据所述身份信息获取客户信息。
为确保用户端获取客户信息的便利性和客户信息的安全性,本步骤通过根据用户端发送的身份信息识别相应的客户信息,以保证客户信息安全性的同时,提高用户端获得客户信息的便利度,其中,所述身份信息是反映所述用户端身份的数据信息。
具体地,所述根据所述身份信息获取客户信息,包括:
S21:判断预置的注册库中是否具有与所述身份信息一致的注册信息。
S22:若是,从所述注册库中提取映射表,根据所述映射表获取与所述身份信息对应的信息库,从所述信息库中获取所述客户信息;其中,所述映射表表征了身份信息和信息库的地址或编号之间的映射关系,所述信息库中保存有至少一个客户信息。
S23:若否,则向所述用户端发送禁止访问信息。
S203:获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目。
为便于用户端仅通过有限的几个分类条件,即可准确的获得其所需的保险层级信息,本步骤通过将获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面的方式,使得用户端仅需在检索页面中填写必要的分类条件所对应的检索条目,即可获得用户端所需的属性信息,提高了属性信息的检索效率。
在一个优选的实施例中,所述将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,包括:
S31:提取所述分类树模型中的分类条件。
本步骤中,所述分类条件是用于对客户信息进行分类的因子信息,及所述因子信息在所述第一子集中所对应的客户数据,以便于用户端简单的选择或输入检索条目,即可完成对客户信息的分类。
S32:获取反馈页面,将所述分类条件录入所述反馈弹框中,并在所述反馈页面中设置与所述分类条件关联的检索下拉框得到检索页面;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
本步骤中,通过设置检索下拉框使用户端无需录入文字,而仅需根据分类条件进行选择即可完成检索条目的录入,提高了检索效率。于本实施例中,所述检索下拉框中包括“是”选项和“否”选项。
S204:识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
为保证用户端仅需针对目标对象选择或输入有限的几个信息,即可获得该目标对象的属性信息,而无需遍历信息库中所有的客户信息,本步骤通过识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端,使得属性信息仅需根据检索条目运算分类树模型中的分类条件即可获得,不仅极大的提高了目标对象的属性信息获取效率,还避免了用户端直接获得交易信息,导致员工保单泄露的风险;同时,还避免了占用信息库,导致用户端在查询属性信息之时,所述信息库无法被使用的情况发生。
S205:获取所述分类树模型中位于首位的分类条件,执行弹框进程,用于将所述分类条件载入预置的反馈弹框中形成检索弹框,将所述检索弹框发送至所述用户端,并接收所述用户端在所述检索弹框中选定的检索条目。
对于有些保险层级,用户端仅需选定一个或几个检索条目即可获得目标对象的属性信息,而如果让用户端一次性选择过多的检索条目,会导致属性信息的检索效率降低,因此,为避免用户端一次填写过多的检索条目导致检索效率降低的问题发生,本步骤获取所述分类树模型中的分类条件,执行弹框进程,用于将所述分类条件载入预置的反馈弹框中形成检索弹框,将所述检索弹框发送至所述用户端,并接收所述用户端在所述检索弹框中选定的检索条目的方式,使用户端仅需在检索弹框中选定一个或几个与分类条件对应的选项,并将该选项作为检索条目,对分类树模型中的分类条件进行运算,以获得目标对象的属性信息,提高了属性信息的检索效率。
在一个优选的实施例中,所述将所述分类条件载入预置的反馈弹框中形成检索弹框的步骤,包括:
S51:获取反馈弹框,将所述分类条件录入所述反馈弹框中。
S52:在所述反馈弹框中设置与所述分类条件关联的检索下拉框得到检索弹框;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
本步骤中,通过设置检索下拉框使用户端无需录入文字,而仅需根据分类条件进行选择即可完成检索条目的录入,提高了检索效率。于本实施例中,所述检索下拉框中包括“是”选项和“否”选项。
S206:判断根据所述检索条目是否能够从所述分类树模型中获得属性信息;
若是,则将所述属性信息发送至所述用户端;
若否,则获取与所述检索条目匹配的下一位次的分类条件并执行所述弹框进程。
本步骤中,根据所述检索条目运算所述分类树模型用以获得属性信息;
如果通过所述检索条目所获得的节点中仍然具有两个或两个以上的属性信息,且该节点之下还具有分类条件,则获取所述分类条件并将其设为与所述检索条目匹配的下一位次的分类条件,再执行所述弹框进程。
如果通过所述检索条目所获得的节点中有且仅有一个属性信息,或该节点之下不再具有分类条件,则将该节点的属性信息发送至用户端。
进而实现通过有限的一个或几个检索弹框并在其中选定检索条目,即可获得用户端需要检索的目标对象的属性信息,进一步的提高了属性信息的检索效率。
S207:接收所述用户端输出的修改信息,根据所述修改信息修改所述客户信息中的交易信息,执行所述树结构进程以得到更新的分类树模型,并将所述更新的分类树模型设置在所述客户信息中。
为确保分类树模型与修改后的客户信息之间的匹配度,进而保证通过所述分类树模型能够准确的查找出用户端需要查询的目标对象的属性信息,本步骤通过根据所述修改信息修改所述客户信息中的交易信息,执行所述树结构进程以得到更新的分类树模型,并将所述更新的分类树模型设置在所述客户信息中的方式,实时保证了分类树模型与客户信息之间的匹配度,进而保证了属性信息查询的准确度。
优选的,所述将所述更新的分类树模型设置在所述客户信息中之后,所述方法还包括:
将所述更新的分类树模型上传至区块链中。
需要说明的是,基于所述更新的分类树模型得到对应的摘要信息,具体来说,摘要信息由所述更新的分类树模型进行散列处理得到,比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息,以便查证所述更新的分类树模型是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
实施例三:
请参阅图4,本实施例的一种交易信息属性检索装置1,包括:
客户识别模块12,用于接收用户端发送的身份信息,根据所述身份信息获取客户信息;
页面交互模块13,用于获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目;
属性识别模块14,用于识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
可选的,所述交易信息属性检索装置1还包括:
模型构建模块11,用于执行树结构进程,用于获取客户信息及其交易信息,构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型,将所述分类树模型设置在所述客户信息中;其中,所述因子信息是用于对交易信息进行描述或概括的元数据,所述属性信息是描述交易信息的概括信息,所述分类树模型是一种以所述因子信息为分类条件对交易信息进行分类的树形数据结构。
可选的,所述模型构建模块11还包括:
概率计算单元111,用于汇总交易信息形成待切分集合,执行切分计算线程,用以根据属性信息将所述待切分集合中的交易信息划分成具有一种属性信息的第一子集,以及至少具有一种属性信息的第二子集;计算所述因子信息对应的客户数据在第一子集中出现的概率值并汇总,得到至少具有一个概率值的第一概率集合;计算所述因子信息对应的客户数据在所述第二子集中出现的概率值并汇总,得到至少具有一个概率值的第二概率集合。
基尼计算单元112,用于根据所述第一概率集合计算所述因子信息在所述第一子集中的基尼系数得到第一系数,根据所述第二概率集合计算所述因子信息在所述第二子集的基尼系数得到第二系数,计算所述第一系数和所述第二系数之和得到所述因子信息的因子系数。
条件设置单元113,用于识别值最低的因子系数所对应的因子信息,以及所述因子信息在所述第一子集中对应的客户数据,将所述因子信息及所述客户数据作为分类条件;
数量判断单元114,用于判断所述第二子集中是否具有两个及两个以上的属性信息;若是,则将所述第二子集设为新的待切分集合,并再次所述执行切分计算线程;若否,则根据所述分类条件构建分类树模型。
可选的,所述页面交互模块13还包括:
条件提取单元131,用于提取所述分类树模型中的分类条件。
页面构建单元132,用于获取反馈页面,将所述分类条件录入所述反馈弹框中,并在所述反馈页面中设置与所述分类条件关联的检索下拉框得到检索页面;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
可选的,所述交易信息属性检索装置1还包括:
弹框交互模块15,用于获取所述分类树模型中位于首位的分类条件,执行弹框进程,用于将所述分类条件载入预置的反馈弹框中形成检索弹框,将所述检索弹框发送至所述用户端,并接收所述用户端在所述检索弹框中选定的检索条目。
属性判定模块16,用于判断根据所述检索条目是否能够从所述分类树模型中获得属性信息;若是,则将所述属性信息发送至所述用户端;若否,则获取与所述检索条目匹配的下一位次的分类条件并执行所述弹框进程。
可选的,所述弹框交互模块15还包括:
弹框构建单元151,用于获取反馈弹框,将所述分类条件录入所述反馈弹框中。
下拉框设置单元152,用于在所述反馈弹框中设置与所述分类条件关联的检索下拉框得到检索弹框;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
可选的,所述交易信息属性检索装置1还包括:
信息修改模块17,用于接收所述用户端输出的修改信息,根据所述修改信息修改所述客户信息中的交易信息,执行所述树结构进程以得到更新的分类树模型,并将所述更新的分类树模型设置在所述客户信息中。
本技术方案应用于人工智能的智能决策领域,通过基于分类算法所构建的分类模型,即:所述分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,并接收用户端在所述检索页面中录入的检索条目,通过识别所述分类树模型中与所述检索条目匹配的属性信息,实现无需遍历交易信息即可获得属性信息的技术效果。
实施例四:
为实现上述目的,本发明还提供一种计算机设备5,实施例三的交易信息属性检索装置的组成部分可分散于不同的计算机设备中,计算机设备5可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个应用服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过***总线相互通信连接的存储器51、处理器52,如图5所示。需要指出的是,图5仅示出了具有组件-的计算机设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器51(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器51可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器51也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器51还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器51通常用于存储安装于计算机设备的操作***和各类应用软件,例如实施例三的交易信息属性检索装置的程序代码等。此外,存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制计算机设备的总体操作。本实施例中,处理器52用于运行存储器51中存储的程序代码或者处理数据,例如运行交易信息属性检索装置,以实现实施例一和实施例二的交易信息属性检索方法。
实施例五:
为实现上述目的,本发明还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器52执行时实现相应功能。本实施例的计算机可读存储介质用于存储实现所述交易信息属性检索方法的计算机程序,被处理器52执行时实现实施例一和实施例二的交易信息属性检索方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种交易信息属性检索方法,其特征在于,包括:
执行树结构进程,用于获取客户信息及其交易信息,汇总交易信息形成待切分集合,执行切分计算线程,用以根据属性信息将所述待切分集合中的交易信息划分成具有一种属性信息的第一子集,以及至少具有一种属性信息的第二子集;计算因子信息对应的客户数据在第一子集中出现的概率值并汇总,得到至少具有一个概率值的第一概率集合;计算所述因子信息对应的客户数据在所述第二子集中出现的概率值并汇总,得到至少具有一个概率值的第二概率集合;
根据所述第一概率集合计算所述因子信息在所述第一子集中的基尼系数得到第一系数,根据所述第二概率集合计算所述因子信息在所述第二子集的基尼系数得到第二系数,计算所述第一系数和所述第二系数之和得到所述因子信息的因子系数;
识别值最低的因子系数所对应的因子信息,以及所述因子信息在所述第一子集中对应的客户数据,将所述因子信息及所述客户数据作为分类条件;
判断所述第二子集中是否具有两个及两个以上的属性信息;若是,则将所述第二子集设为新的待切分集合,并再次所述执行切分计算线程;若否,则根据所述分类条件构建分类树模型;将所述分类树模型设置在所述客户信息中;其中,所述因子信息是用于对交易信息进行描述或概括的元数据,所述属性信息是描述交易信息的概括信息,所述分类树模型是一种以所述因子信息为分类条件对交易信息进行分类的树形数据结构;
接收用户端发送的身份信息,根据所述身份信息获取客户信息;
获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目;
识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
2.根据权利要求1所述的交易信息属性检索方法,其特征在于,所述将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,包括:
提取所述分类树模型中的分类条件;
获取反馈页面,将所述分类条件录入所述反馈页面中,并在所述反馈页面中设置与所述分类条件关联的检索下拉框得到检索页面;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
3.根据权利要求1所述的交易信息属性检索方法,其特征在于,所述接收用户端在所述检索页面中录入的检索条目之后,所述方法还包括:
获取所述分类树模型中位于首位的分类条件,执行弹框进程,用于将所述分类条件载入预置的反馈弹框中形成检索弹框,将所述检索弹框发送至所述用户端,并接收所述用户端在所述检索弹框中选定的检索条目;
判断根据所述检索条目是否能够从所述分类树模型中获得属性信息;若是,则将所述属性信息发送至所述用户端;若否,则获取与所述检索条目匹配的下一位次的分类条件并执行所述弹框进程。
4.根据权利要求3所述的交易信息属性检索方法,其特征在于,所述将所述分类条件载入预置的反馈弹框中形成检索弹框的步骤,包括:
获取反馈弹框,将所述分类条件录入所述反馈弹框中;
在所述反馈弹框中设置与所述分类条件关联的检索下拉框得到检索弹框;其中,所述检索下拉框中记载了对所述分类条件进行选择的选项。
5.根据权利要求1所述的交易信息属性检索方法,其特征在于,所述根据所述身份信息获取客户信息之后,所述方法还包括:
接收所述用户端输出的修改信息,根据所述修改信息修改所述客户信息中的交易信息,执行所述树结构进程以得到更新的分类树模型,并将所述更新的分类树模型设置在所述客户信息中;
所述将所述更新的分类树模型设置在所述客户信息中之后,所述方法还包括:
将所述更新的分类树模型上传至区块链中。
6.一种交易信息属性检索装置,其特征在于,包括:
模型构建模块,用于执行树结构进程,用于获取客户信息及其交易信息,构建以所述交易信息中的因子信息为分类条件,以所述交易信息中的属性信息为分类目标的分类树模型,将所述分类树模型设置在所述客户信息中;其中,所述因子信息是用于对交易信息进行描述或概括的元数据,所述属性信息是描述交易信息的概括信息,所述分类树模型是一种以所述因子信息为分类条件对交易信息进行分类的树形数据结构;
所述模型构建模块还包括:
概率计算单元,用于汇总交易信息形成待切分集合,执行切分计算线程,用以根据属性信息将所述待切分集合中的交易信息划分成具有一种属性信息的第一子集,以及至少具有一种属性信息的第二子集;计算所述因子信息对应的客户数据在第一子集中出现的概率值并汇总,得到至少具有一个概率值的第一概率集合;计算所述因子信息对应的客户数据在所述第二子集中出现的概率值并汇总,得到至少具有一个概率值的第二概率集合;
基尼计算单元,用于根据所述第一概率集合计算所述因子信息在所述第一子集中的基尼系数得到第一系数,根据所述第二概率集合计算所述因子信息在所述第二子集的基尼系数得到第二系数,计算所述第一系数和所述第二系数之和得到所述因子信息的因子系数;
条件设置单元,用于识别值最低的因子系数所对应的因子信息,以及所述因子信息在所述第一子集中对应的客户数据,将所述因子信息及所述客户数据作为分类条件;
数量判断单元,用于判断所述第二子集中是否具有两个及两个以上的属性信息;若是,则将所述第二子集设为新的待切分集合,并再次所述执行切分计算线程;若否,则根据所述分类条件构建分类树模型;
客户识别模块,用于接收用户端发送的身份信息,根据所述身份信息获取客户信息;
页面交互模块,用于获取所述客户信息中预置的分类树模型,将所述分类树模型中的分类条件载入预置的反馈页面中形成检索页面,将所述检索页面发送至所述用户端,接收用户端在所述检索页面中录入的检索条目;
属性识别模块,用于识别所述分类树模型中与所述检索条目匹配的属性信息,将所述属性信息反馈至所述用户端。
7.一种计算机设备,其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机设备的处理器执行所述计算机程序时实现权利要求1至5任一项所述交易信息属性检索方法的步骤。
8.一种计算机可读存储介质,所述可读存储介质上存储有计算机程序,其特征在于,所述可读存储介质存储的所述计算机程序被处理器执行时实现权利要求1至5任一项所述交易信息属性检索方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724032.6A CN113434505B (zh) | 2021-06-29 | 2021-06-29 | 交易信息属性检索方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724032.6A CN113434505B (zh) | 2021-06-29 | 2021-06-29 | 交易信息属性检索方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113434505A CN113434505A (zh) | 2021-09-24 |
CN113434505B true CN113434505B (zh) | 2023-04-25 |
Family
ID=77757471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110724032.6A Active CN113434505B (zh) | 2021-06-29 | 2021-06-29 | 交易信息属性检索方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434505B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652281A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 信息数据的分类方法、装置及可读存储介质 |
CN112000692A (zh) * | 2020-09-02 | 2020-11-27 | 平安养老保险股份有限公司 | 页面查询反馈方法、装置、计算机设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6363375B1 (en) * | 1998-09-30 | 2002-03-26 | Nippon Telegraph And Telephone Company | Classification tree based information retrieval scheme |
CN108629685A (zh) * | 2018-05-09 | 2018-10-09 | 平安普惠企业管理有限公司 | 贷款产品属性确定方法及服务器 |
CN109255013A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 理赔决策方法、装置、计算机设备和存储介质 |
CN111241566A (zh) * | 2020-01-16 | 2020-06-05 | 深圳壹账通智能科技有限公司 | 保单管理方法、电子装置、计算机设备及存储介质 |
CN111914171A (zh) * | 2020-07-23 | 2020-11-10 | 北京祥龙博瑞保险代理有限公司 | 一种产品检索方法、装置、***及存储介质 |
-
2021
- 2021-06-29 CN CN202110724032.6A patent/CN113434505B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652281A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 信息数据的分类方法、装置及可读存储介质 |
CN112000692A (zh) * | 2020-09-02 | 2020-11-27 | 平安养老保险股份有限公司 | 页面查询反馈方法、装置、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113434505A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109542428B (zh) | 业务处理方法、装置、计算机设备和存储介质 | |
CN109983456B (zh) | 存储器内密钥范围搜索方法和*** | |
CN110990403A (zh) | 业务数据的存储方法、***、计算机设备及存储介质 | |
CN110599354A (zh) | 线上对账方法、***、计算机设备和计算机可读存储介质 | |
US11374919B2 (en) | Memory-free anomaly detection for risk management systems | |
CN110036381B (zh) | 存储器内数据搜索技术 | |
CN112116436A (zh) | 一种智能推荐方法、装置、计算机设备及可读存储介质 | |
CN114327374A (zh) | 业务流程的生成方法、装置及计算机设备 | |
CN111881252A (zh) | 工作报告处理方法、装置、计算机设备及存储介质 | |
CN112364022B (zh) | 信息推导管理方法、装置、计算机设备及可读存储介质 | |
WO2021174882A1 (zh) | 数据分片校验方法、装置、计算机设备及可读存储介质 | |
CN112529319A (zh) | 基于多维特征的评分方法、装置、计算机设备及存储介质 | |
CN113434505B (zh) | 交易信息属性检索方法、装置、计算机设备及存储介质 | |
US20150095349A1 (en) | Automatically identifying matching records from multiple data sources | |
CN111831817A (zh) | 问卷生成分析方法、装置、计算机设备及可读存储介质 | |
CN117035416A (zh) | 企业风险评估方法、企业风险评估装置、设备及存储介质 | |
CN110674129A (zh) | 异常事件处理方法、***、计算机设备及存储介质 | |
CN113420050B (zh) | 数据查询管理方法、装置、计算机设备及可读存储介质 | |
CN113343577B (zh) | 一种基于机器学习的参数优化方法、装置、设备及介质 | |
CN112631719B (zh) | 数据预测模型调用方法、装置、设备和存储介质 | |
CN114140256A (zh) | 数据处理方法、装置、设备、介质和程序产品 | |
CN114168581A (zh) | 数据清洗方法、装置、计算机设备及存储介质 | |
CN110322339B (zh) | 虚拟资源管理方法、装置、计算机***及可读存储介质 | |
CN111027296A (zh) | 基于知识库的报表生成方法及*** | |
CN111585897A (zh) | 请求路由管理方法、***、计算机***及可读存储介质 |
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 |