CN113744046A - 业务数据处理方法、装置、计算机设备及存储介质 - Google Patents
业务数据处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113744046A CN113744046A CN202111050839.2A CN202111050839A CN113744046A CN 113744046 A CN113744046 A CN 113744046A CN 202111050839 A CN202111050839 A CN 202111050839A CN 113744046 A CN113744046 A CN 113744046A
- Authority
- CN
- China
- Prior art keywords
- service
- data
- information
- credit
- user
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012797 qualification Methods 0.000 claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000012795 verification Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 10
- 238000012954 risk control Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及人工智能的数据处理领域,揭示了一种业务数据处理方法、装置、设备及介质,所述方法包括:获取用户的个人信息;获取用户的身份信息;将个人信息与所述身份信息进行校验,若校验通过,获取业务办理证明数据;读取所述业务办理证明数据中的证明信息,根据所述证明信息计算资质值,根据资质值匹配用户的资质等级;基于知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;基于资质等级与信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。本申请能够提高业务办理的效率及办理风险的识别准确率。
Description
技术领域
本申请涉及到人工智能的数据处理领域,特别是涉及到一种业务数据处理方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术的发展,***理业务在银行服务行业有很大的应用,目前的业务办理存在的现象是,仅仅通过前端机器收集用户信息及资料,另外由后台审核人员审核该用户的信息与资料,从而对业务进行审核,对于大量且繁杂的业务数据的审核效率较低,导致业务办理效率低,并且容易出现错误,导致对业务风险的识别准确率低。
发明内容
本申请的主要目的为提供一种业务数据处理方法、装置、计算机设备及存储介质,旨在解决目前在业务办理效率低、业务风险的识别准确率低的问题。
为了实现上述发明目的,本申请提出一种业务数据处理方法,包括:
接收用户的业务办理请求,获取用户的个人信息;
获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;
将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;
读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级;
根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;
基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
进一步地,所述基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,包括:
获取所述业务的权重配置,所述权重配置包括资质等级的第一权重以及信用等级的第二权重;
基于所述资质等级与所述第一权重生成第一风险系数;
基于所述信用等级与所述第二权重生成第二风险系数;
根据所述第一风险系数与所述第二风险系数生成所述业务办理请求对应的业务的风险系数。
进一步地,所述基于所述知识图谱获取与所述身份信息相关联的信用数据,包括:
基于所述知识图谱确定所述身份信息对应的第一实体;
获取与所述第一实体相关联的若干个第二实体及所述第一实体与所述第二实体的层级关系;
根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据。
进一步地,所述根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据之前,还包括:
获取所述业务的风控等级;
基于所述风控等级匹配层级关系的关联等级,将所述层级关系的关联等级配置为层级关系的预设要求。
进一步地,所述将所述个人信息与所述身份信息进行校验,若校验通过之后,还包括:
控制摄像头开启;
获取基于摄像头采集的人脸数据,将所述人脸数据通过人脸信息库进行匹配,确定人脸信息;
若所述人脸信息与所述个人信息及所述身份信息均匹配,才执行获取用户提交的业务办理证明数据的步骤。
进一步地,所述读取所述业务办理证明数据中的证明信息,包括:
读取所述业务办理证明数据,确定所述业务办理证明数据的资料类型;
获取包含所述资料类型的图像特征的识别模型,根据所述识别模型识别所述业务办理证明数据,获得所述业务办理证明数据中的证明信息。
进一步地,所述根据所述办理权限处理所述业务办理请求,还包括:
若所述业务办理请求通过,生成所述业务办理请求成功的第一提示信息;
若所述业务办理请求拒绝通过,获取满足风险要求的待选业务,生成所述业务办理请求失败的第二提示信息及所述待选业务的办理页面。
本申请还提供一种业务数据处理装置,包括:
信息获取模块,用于接收用户的业务办理请求,获取用户的个人信息;
身份获取模块,用于获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;
证明获取模块,用于将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;
资质识别模块,用于读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级;
信用识别模块,用于根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;
业务办理模块,用于基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述业务数据处理方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述业务数据处理方法的步骤。
本申请例提供了一种通过AI识别技术与知识图谱进行业务数据处理,快速对业务办理进行风险评估的方法,首先接收用户的业务办理请求,获取用户的个人信息,再获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息,将所述个人信息与所述身份信息进行校验,通过图像识别所述身份证明中的姓名、出生日期、地址,然后与个人信息中对应的姓名、出生日期、地址相匹配,若校验通过,则确定用户提交的个人信息与身份信息是相符的,再获取用户提交的业务办理证明数据,针对所述证明资料进行资质审核,基于深度学习识别所述业务办理证明数据包含的若干项证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级,同时根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;并统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级,然后从资质维度以及信用维度对用户办理所述业务的风险进行评估,基于所述资质等级与所述信用等级确定所述用户办理所述业务的风险系数,根据所述风险系数确定所述业务的办理权限,从而根据所述办理权限处理所述业务办理请求,包括通过所述业务办理或拒绝所述业务办理,从而提高业务办理的效率,以及提高业务办理的风险控制的准确率。
附图说明
图1为本申请业务数据处理方法的一实施例流程示意图;
图2为本申请业务数据处理装置的一实施例结构示意图;
图3为本申请计算机设备的一实施例结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例提供一种业务数据处理方法,包括步骤S10-S60,对于所述业务数据处理方法的各个步骤的详细阐述如下。
S10、接收用户的业务办理请求,获取用户的个人信息。
本实施例应用于线上业务的办理场景中,随着数字化的不断发展,线上线下的业务逐步打通,用户可以在线上办理相关的业务,包括储蓄卡申请业务、***申请业务、贷款申请业务等,本申请实施例通过人工智能技术及知识图谱对用户在线上办理业务时进行审核及风险识别。当用户在线上办理业务时,即接收用户的业务办理请求,从而获取用户的个人信息,所述个人信息包括用户填写的申请信息及账户信息,所述申请信息为用户在申请办理业务时填写的信息,所述账户信息为用户登录应用时注册的信息,如手机号,姓名,出生日期等。
S20、获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息。
本实施例中,在获取用户的个人信息之后,获取用户提交的身份证明数据,所述身份证明数据包括用户的身份证,在一种实施方式中,用户扫描个人身份证件后上传,或用户上传身份证件的扫描件,从而获取用户提交的身份证明数据,然后基于图像识别算法识别所述身份证明数据,从所述身份证明数据中获取用户的身份信息,具体的,通过OCR(Optical Character Recognition,光学字符识别)识别所述身份证明数据,将所述身份证明数据转化为原始图片,对所述原始图片进行预处理,包括灰度化、二值化、降噪处理,然后使用预训练的特征分类器识别处理后的原始图片,对处理后的原始图片进行文字提取,获取所述身份证明数据中的用户的身份信息。
S30、将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据。
本实施例中,在获取用户的个人信息与用户的身份信息之后,将所述个人信息与所述身份信息进行校验,校验用户的个人信息与提交的身份信息是否一致,具体的,通过图像识别所述身份证明中的姓名、出生日期、地址,然后与个人信息中对应的姓名、出生日期、地址相匹配,若校验通过,则确定用户提交的个人信息与身份信息是相符的,当所述个人信息与所述身份信息校验通过后,向用户开放证明资料的上传页面,用户通过所述上传页面便可提交相关的业务办理证明数据,从而获取用户提交的业务办理证明数据。
S40、读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级。
本实施例中,在获取用户提交的业务办理证明数据,针对所述证明资料进行资质审核,首先,读取所述业务办理证明数据中的若干项证明信息,具体的,基于深度学习神经网络学习大量不同证明资料的特征信息,然后根据所述特征信息识别所述业务办理证明数据,从所述业务办理证明数据中识别出满足所述特征信息对应的证明信息,例如,所述业务办理证明数据为房本资料,识别所述房本资料,确定的证明信息包括产权人、产权地址信息;所述业务办理证明数据为收入资料,确定证明信息包括年收入信息和纳税信息;在得到所述证明信息之后,后台预配置了每一项证明信息对应的资质值,然后根据所述证明信息计算所述业务办理资料的资质值,当存在多项证明信息时,将每一个证明信息对应的资质值进行累加,得到累加后的资质值,再根据所述资质值匹配用户的资质等级,从而基于用户所提交的业务办理证明数据确定用户的资质等级,可以从资质维度快速地对业务办理请求进行评估。
S50、根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级。
本实施例中,在校验了用户的身份信息之后,根据所述身份信息在预设的知识图谱进行匹配,知识图谱中收集了大量不同用户的资料,以及不同用户之间的关联关系,基于所述关联关系可以确定将具有关联关系的用户的信用数据作为另一用户的参考信用数据,然后基于所述知识图谱获取与所述身份信息相关联的信用数据,在一种方式中,获取与所述身份信息相关联用户的个人信用数据,以及获取与所述身份信息相关联的第一用户的信用数据,再统计所述信用数据的信用值,每种不同的信用数据配置了不同的信用值,所述信用数据包括婚姻状况、居住地址、工作单位、职务等信息及变化情况、逾期记录、贷款记录、信用报告查询次数等,统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级,可以从信用维度快速、准确地对业务办理请求进行评估。
S60、基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
本实施例中,在根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级以及统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级之后,便可以从资质维度以及信用维度对用户办理所述业务的风险进行评估,即基于所述资质等级与所述信用等级确定所述用户办理所述业务的风险系数,在不同的业务中,资质等级与信用等级对风险系数的影响的权重配置不同,如业务A,资质等级的权重为D1,信用等级的权重为D2;业务B,资质等级的权重为D3,信用等级的权重为D4,从而在不同业务下,确定所述用户办理所述业务的风险系数,然后根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求,包括通过所述业务办理或拒绝所述业务办理,从而提高不同业务的办理效率,以及提高不同业务办理的风险控制的准确率。
本实施例提供一种线上业务的办理方法,通过AI识别技术与知识图谱快速对业务办理进行审核及风险评估,首先接收用户的业务办理请求,获取用户的个人信息,再获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息,将所述个人信息与所述身份信息进行校验,通过图像识别所述身份证明中的姓名、出生日期、地址,然后与个人信息中对应的姓名、出生日期、地址相匹配,若校验通过,则确定用户提交的个人信息与身份信息是相符的,再获取用户提交的业务办理证明数据,针对所述证明资料进行资质审核,基于深度学习识别所述业务办理证明数据包含的若干项证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级,同时将所述身份信息输入至知识图谱,基于所述知识图谱获取与所述身份信息相关联的信用数据;并统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级,然后从资质维度以及信用维度对用户办理所述业务的风险进行评估,基于所述资质等级与所述信用等级确定所述用户办理所述业务的风险系数,根据所述风险系数确定所述业务的办理权限,从而根据所述办理权限处理所述业务办理请求,包括通过所述业务办理或拒绝所述业务办理,从而提高业务办理的效率,以及提高业务办理的风险控制的准确率。
在一个实施例中,所述基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,包括:
获取所述业务的权重配置,所述权重配置包括资质等级的第一权重以及信用等级的第二权重;
基于所述资质等级与所述第一权重生成第一风险系数;
基于所述信用等级与所述第二权重生成第二风险系数;
根据所述第一风险系数与所述第二风险系数生成所述业务办理请求对应的业务的风险系数。
本实施例中,在基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数的过程中,不同的业务对于业务风险的确认方式不同,通过大数据统计不同业务下的风险信息,然后生成各个业务所侧重的关注数据,即生成业务的权重配置,然后获取所述业务的权重配置,所述权重配置包括资质等级的第一权重以及信用等级的第二权重,基于所述资质等级与所述第一权重生成第一风险系数,以及,基于所述信用等级与所述第二权重生成第二风险系数;根据所述第一风险系数与所述第二风险系数生成用户办理所述业务的风险系数,通过收集的历史数据统计不同业务的权重配置,再基于所述业务配置确定资质等级的第一权重以及信用等级的第二权重,对所述资质等级、信用等级进行加权叠加,从而确定所述业务办理请求对应的业务的风险系数,即确定用户办理所述业务的风险系数,提高业务的风险系数识别的准确率。
在一个实施例中,所述基于所述知识图谱获取与所述身份信息相关联的信用数据,包括:
基于所述知识图谱确定所述身份信息对应的第一实体;
获取与所述第一实体相关联的若干个第二实体及所述第一实体与所述第二实体的层级关系;
根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据。
本实施例中,在基于所述知识图谱获取与所述身份信息相关联的信用数据的过程中,基于所述知识图谱确定所述身份信息对应的第一实体,即输入所述身份信息,从知识图谱中找到该联系信息相匹配的节点,即确定所述联系信息对应的第一实体,然后获取与所述第一实体相关联的若干个第二实体及所述第一实体与所述第二实体的层级关系,根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体信息确定所述信用数据,通过获取不同层级关系的第二实体作为目标实体,从而提取不同层级关系下的信用数据,基于不同层级关系下的信用数据对用户进行信用值评估,从而提高信用值评估的效率。
在一个实施例中,所述根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据之前,还包括:
获取所述业务的风控等级;
基于所述风控等级匹配层级关系的关联等级,将所述层级关系的关联等级配置为层级关系的预设要求。
本实施例中,在根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据之前,不同业务对于风险控制的精度要求不同,因此需要的信用数据的范围不同,通过获取所述业务的风控等级,所述业务的风控等级预先配置,例如贷款5万的风控等级为F1,贷款10万的风控等级为F2,然后基于所述风控等级匹配层级关系的关联等级,将所述层级关系的关联等级配置为层级关系的预设要求,从而根据所述层级关系获取满足预设要求的第二实体作为目标实体。在一种实施方式中,只获取层级关系小于或等于3层级的第二实体作为目标实体,然后根据所述目标实体确定所述信用数据,例如,第一实体为用户A,第二实体为用户A的婚姻状况、居住地址、工作单位、职务等信息及变化情况、逾期记录、贷款记录、信用报告查询次数等信息,以及与用户A相关联的第二用户,如与用户A存在婚姻关系的用户B,即用户B为第二层级的第二实体,然后再获取用户B的婚姻状况、居住地址、工作单位、职务等信息及变化情况、逾期记录、贷款记录、信用报告查询次数等信息,此时用户B的信息为第三层级的第二实体,从而获取小于或等于3层层级关系的第二实体作为目标实体,再根据所述目标实体确定所述信用数据,即每一个实体中的内容为相关联的信用数据,从而保证信用数据的关联性与准确性,提高不同风控等级的业务的信用数据的获取效率,以及保证不同风控等级的业务的信用数据精度要求的准确率。
在一个实施例中,所述将所述个人信息与所述身份信息进行校验,若校验通过之后,还包括:
控制摄像头开启;
获取基于摄像头采集的人脸数据,将所述人脸数据通过人脸信息库进行匹配,确定人脸信息;
若所述人脸信息与所述个人信息及所述身份信息均匹配,才执行获取用户提交的业务办理证明数据的步骤。
本实施例中,在将所述个人信息与所述身份信息进行校验,若校验通过之后,控制摄像头开启,例如控制手机设备开启摄像头,然后获取基于摄像头采集的人脸数据,将所述人脸数据通过人脸信息库进行匹配,确定人脸信息,若所述人脸信息与所述个人信息、所述身份信息均匹配,才执行获取用户提交的业务办理证明数据的步骤,通过个人信息、身份信息及人脸信息的多重校验,确定用户身份的真实性,保证用户身份的准确性,进一步的,当所述人脸信息与所述个人信息及所述身份信息的任一项校验不通过时,不再进行另外一项的校验,从而节省资源,提高身份信息校验的效率。
在一个实施例中,所述读取所述业务办理证明数据中的证明信息,包括:
读取所述业务办理证明数据,确定所述业务办理证明数据的资料类型;
获取包含所述资料类型的图像特征的识别模型,根据所述识别模型识别所述业务办理证明数据,获得所述业务办理证明数据中的证明信息。
本实施例中,在读取所述业务办理证明数据中的证明信息的过程中,由于不同的业务办理证明数据所具备的特征不同,而相同的业务办理证明数据所具备的特征大致相同,为了更准确地识别所述业务办理证明数据包含的证明信息,首先读取所述业务办理证明数据,确定所述业务办理证明数据的资料类型,获取包含所述资料类型的图像特征的识别模型,即根据所述资料类型确定采用哪一个识别模型进行识别所述业务办理证明数据,根据所述识别模型识别所述业务办理证明数据,获得所述业务办理证明数据包含的证明信息,例如,针对业务办理证明数据为房本,采用配置了房本特征的识别模型进行业务办理证明数据的识别,针对业务办理证明数据为车辆行驶证,采用配置了车辆行驶证特征的识别模型进行业务办理证明数据的识别。通过对不同类型的业务办理证明数据采用具有相应图像特征的识别模型,从而提高业务办理证明数据包含的证明信息的识别准确率。
在一个实施例中,所述根据所述办理权限处理所述业务办理请求,还包括:
若所述业务办理请求通过,生成所述业务办理请求成功的第一提示信息;
若所述业务办理请求拒绝通过,获取满足风险要求的待选业务,生成所述业务办理请求失败的第二提示信息及所述待选业务的办理页面。
本实施例中,在根据所述办理权限处理所述业务办理请求之后,包括通过所述业务办理或拒绝所述业务办理,若所述业务办理请求通过,生成所述业务办理请求成功的第一提示信息,提示用户成功办理所述业务,若所述业务办理请求拒绝通过,获取满足风险要求的待选业务,即根据用户的资质等级及信用等级获取相匹配的待选业务,优选的,所述待选业务与办理的业务具有相同的性质,然后生成所述业务办理请求失败的第二提示信息及所述待选业务的办理页面,进一步的,输出所述第一提示信息或所述第二提示信息及所述待选业务的办理页面。
参照图2,本申请还提供一种业务数据处理装置,包括:
信息获取模块10,用于接收用户的业务办理请求,获取用户的个人信息;
身份获取模块20,用于获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;
证明获取模块30,用于将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;
资质识别模块40,用于识读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级;
信用识别模块50,用于根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;
业务办理模块60,用于基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
如上所述,可以理解地,本申请中提出的所述业务数据处理装置的各组成部分可以实现如上所述业务数据处理方法任一项的功能。
在一个实施例中,所述基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,包括:
获取所述目标业务的权重配置,所述权重配置包括资质等级的第一权重以及信用等级的第二权重;
基于所述资质等级与所述第一权重生成第一风险系数;
基于所述信用等级与所述第二权重生成第二风险系数;
根据所述第一风险系数与所述第二风险系数生成所述业务办理请求对应的目标业务的风险系数。
在一个实施例中,所述基于所述知识图谱获取与所述身份信息相关联的信用数据,包括:
基于所述知识图谱确定所述身份信息对应的第一实体;
获取与所述第一实体相关联的若干个第二实体及所述第一实体与所述第二实体的层级关系;
根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据。
在一个实施例中,所述根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据之前,还包括:
获取所述业务的风控等级;
基于所述风控等级匹配层级关系的关联等级,将所述层级关系的关联等级配置为层级关系的预设要求。
在一个实施例中,所述将所述个人信息与所述身份信息进行校验,若校验通过之后,还包括:
控制摄像头开启;
获取基于摄像头采集的人脸数据,将所述人脸数据通过人脸信息库进行匹配,确定人脸信息;
若所述人脸信息与所述个人信息及所述身份信息均匹配,才执行获取用户提交的业务办理证明数据的步骤。
在一个实施例中,所述读取所述业务办理证明数据中的证明信息,包括:
读取所述业务办理证明数据,确定所述业务办理证明数据的资料类型;
获取包含所述资料类型的图像特征的识别模型,根据所述识别模型识别所述业务办理证明数据,获得所述业务办理证明数据中的证明信息。
在一个实施例中,所述根据所述办理权限处理所述业务办理请求,还包括:
若所述业务办理请求通过,生成所述业务办理请求成功的第一提示信息;
若所述业务办理请求拒绝通过,获取满足风险要求的待选业务,生成所述业务办理请求失败的第二提示信息及所述待选业务的办理页面。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是移动终端,其内部结构可以如图3所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和显示装置及输入装置。其中,该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的输入装置用于接收用户的输入。该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质。该存储介质存储有操作***、计算机程序和数据库。该计算机设备的数据库用于存放数据。该计算机程序被处理器执行时以实现一种业务数据处理方法。
上述处理器执行上述的业务数据处理方法,包括:接收用户的业务办理请求,获取用户的个人信息;获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级;根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
所述计算机设备提供了一种通过AI识别技术与知识图谱快速对业务办理进行风险评估的方法,首先接收用户的业务办理请求,获取用户的个人信息,再获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息,将所述个人信息与所述身份信息进行校验,通过图像识别所述身份证明中的姓名、出生日期、地址,然后与个人信息中对应的姓名、出生日期、地址相匹配,若校验通过,则确定用户提交的个人信息与身份信息是相符的,再获取用户提交的业务办理证明数据,针对所述证明资料进行资质审核,基于深度学习识别所述业务办理证明数据包含的若干项证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级,同时根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;并统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级,然后从资质维度以及信用维度对用户办理所述业务的风险进行评估,基于所述资质等级与所述信用等级确定所述用户办理所述业务的风险系数,根据所述风险系数确定所述业务的办理权限,从而根据所述办理权限处理所述业务办理请求,包括通过所述业务办理或拒绝所述业务办理,从而提高业务办理的效率,以及提高业务办理的风险控制的准确率。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现一种业务数据处理方法,包括步骤:接收用户的业务办理请求,获取用户的个人信息;获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级;根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
所述计算机可读存储介质提供了一种通过AI识别技术与知识图谱快速对业务办理进行风险评估的方法,首先接收用户的业务办理请求,获取用户的个人信息,再获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息,将所述个人信息与所述身份信息进行校验,通过图像识别所述身份证明中的姓名、出生日期、地址,然后与个人信息中对应的姓名、出生日期、地址相匹配,若校验通过,则确定用户提交的个人信息与身份信息是相符的,再获取用户提交的业务办理证明数据,针对所述证明资料进行资质审核,基于深度学习识别所述业务办理证明数据包含的若干项证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级,同时根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;并统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级,然后从资质维度以及信用维度对用户办理所述业务的风险进行评估,基于所述资质等级与所述信用等级确定所述用户办理所述业务的风险系数,根据所述风险系数确定所述业务的办理权限,从而根据所述办理权限处理所述业务办理请求,包括通过所述业务办理或拒绝所述业务办理,从而提高业务办理的效率,以及提高业务办理的风险控制的准确率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。
非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围。
凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种业务数据处理方法,其特征在于,包括:
接收用户的业务办理请求,获取用户的个人信息;
获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;
将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;
读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理证明数据的资质值,根据所述资质值匹配用户的资质等级;
根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;
基于所述资质等级与所述信用等级确定所述业务办理请求对应的目标业务的风险系数,根据所述风险系数确定所述目标业务的办理权限,根据所述办理权限处理所述业务办理请求。
2.根据权利要求1所述的业务数据处理方法,其特征在于,所述基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,包括:
获取所述目标业务的权重配置,所述权重配置包括资质等级的第一权重以及信用等级的第二权重;
基于所述资质等级与所述第一权重生成第一风险系数;
基于所述信用等级与所述第二权重生成第二风险系数;
根据所述第一风险系数与所述第二风险系数生成所述业务办理请求对应的目标业务的风险系数。
3.根据权利要求1所述的业务数据处理方法,其特征在于,所述基于所述知识图谱获取与所述身份信息相关联的信用数据,包括:
基于所述知识图谱确定所述身份信息对应的第一实体;
获取与所述第一实体相关联的若干个第二实体及所述第一实体与所述第二实体的层级关系;
根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据。
4.根据权利要求3所述的业务数据处理方法,其特征在于,所述根据所述层级关系获取满足预设要求的第二实体作为目标实体,根据所述目标实体确定所述信用数据之前,还包括:
获取所述业务的风控等级;
基于所述风控等级匹配层级关系的关联等级,将所述层级关系的关联等级配置为层级关系的预设要求。
5.根据权利要求1所述的业务数据处理方法,其特征在于,所述将所述个人信息与所述身份信息进行校验,若校验通过之后,还包括:
控制摄像头开启;
获取基于摄像头采集的人脸数据,将所述人脸数据通过人脸信息库进行匹配,确定人脸信息;
若所述人脸信息与所述个人信息及所述身份信息均匹配,才执行获取用户提交的业务办理证明数据的步骤。
6.根据权利要求1所述的业务数据处理方法,其特征在于,所述读取所述业务办理证明数据中的证明信息,包括:
读取所述业务办理证明数据,确定所述业务办理证明数据的资料类型;
获取包含所述资料类型的图像特征的识别模型,根据所述识别模型识别所述业务办理证明数据,获得所述业务办理证明数据中的证明信息。
7.根据权利要求1所述的业务数据处理方法,其特征在于,所述根据所述办理权限处理所述业务办理请求,还包括:
若所述业务办理请求通过,生成所述业务办理请求成功的第一提示信息;
若所述业务办理请求拒绝通过,获取满足风险要求的待选业务,生成所述业务办理请求失败的第二提示信息及所述待选业务的办理页面。
8.一种业务数据处理装置,其特征在于,包括:
信息获取模块,用于接收用户的业务办理请求,获取用户的个人信息;
身份获取模块,用于获取用户提交的身份证明数据,基于图像识别算法识别所述身份证明数据,获取用户的身份信息;
证明获取模块,用于将所述个人信息与所述身份信息进行校验,若校验通过,获取用户提交的业务办理证明数据;
资质识别模块,用于读取所述业务办理证明数据中的证明信息,根据所述证明信息计算所述业务办理资料的资质值,根据所述资质值匹配用户的资质等级;
信用识别模块,用于根据所述身份信息在预设的知识图谱进行匹配,基于所述知识图谱获取与所述身份信息相关联的信用数据;统计所述信用数据的信用值,根据所述信用值匹配用户的信用等级;
业务办理模块,用于基于所述资质等级与所述信用等级确定所述业务办理请求对应的业务的风险系数,根据所述风险系数确定所述业务的办理权限,根据所述办理权限处理所述业务办理请求。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述业务数据处理方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述业务数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050839.2A CN113744046A (zh) | 2021-09-08 | 2021-09-08 | 业务数据处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050839.2A CN113744046A (zh) | 2021-09-08 | 2021-09-08 | 业务数据处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113744046A true CN113744046A (zh) | 2021-12-03 |
Family
ID=78737249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111050839.2A Pending CN113744046A (zh) | 2021-09-08 | 2021-09-08 | 业务数据处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744046A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115098508A (zh) * | 2022-07-04 | 2022-09-23 | 成都秦川物联网科技股份有限公司 | 基于物联网的智慧城市核查列表生成方法、***及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805697A (zh) * | 2018-06-12 | 2018-11-13 | 平安科技(深圳)有限公司 | 贷款业务处理方法、装置、计算机设备及可读存储介质 |
CN109584045A (zh) * | 2018-11-19 | 2019-04-05 | 平安科技(深圳)有限公司 | 授信额度配置方法、装置、计算机设备和存储介质 |
WO2019114134A1 (zh) * | 2017-12-13 | 2019-06-20 | 平安科技(深圳)有限公司 | 审核贷款申请的方法、装置、设备及计算机可读存储介质 |
CN110472579A (zh) * | 2019-08-16 | 2019-11-19 | 中国银行股份有限公司 | 业务处理中的身份审核方法、装置、设备及可读存储介质 |
CN110689423A (zh) * | 2019-08-22 | 2020-01-14 | 平安科技(深圳)有限公司 | 一种信用评估的方法及装置 |
CN111402034A (zh) * | 2020-03-17 | 2020-07-10 | 深圳市卡牛信息科技有限公司 | 一种信用审核方法、装置、设备及存储介质 |
CN112001786A (zh) * | 2020-08-05 | 2020-11-27 | 中国银行股份有限公司 | 基于知识图谱的客户***额度配置方法及装置 |
CN112529693A (zh) * | 2020-12-18 | 2021-03-19 | 南京鼐威欣信息技术有限公司 | 一种快速资格评估的公共信用贷*** |
CN112907358A (zh) * | 2021-03-17 | 2021-06-04 | 平安消费金融有限公司 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
-
2021
- 2021-09-08 CN CN202111050839.2A patent/CN113744046A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019114134A1 (zh) * | 2017-12-13 | 2019-06-20 | 平安科技(深圳)有限公司 | 审核贷款申请的方法、装置、设备及计算机可读存储介质 |
CN108805697A (zh) * | 2018-06-12 | 2018-11-13 | 平安科技(深圳)有限公司 | 贷款业务处理方法、装置、计算机设备及可读存储介质 |
CN109584045A (zh) * | 2018-11-19 | 2019-04-05 | 平安科技(深圳)有限公司 | 授信额度配置方法、装置、计算机设备和存储介质 |
CN110472579A (zh) * | 2019-08-16 | 2019-11-19 | 中国银行股份有限公司 | 业务处理中的身份审核方法、装置、设备及可读存储介质 |
CN110689423A (zh) * | 2019-08-22 | 2020-01-14 | 平安科技(深圳)有限公司 | 一种信用评估的方法及装置 |
CN111402034A (zh) * | 2020-03-17 | 2020-07-10 | 深圳市卡牛信息科技有限公司 | 一种信用审核方法、装置、设备及存储介质 |
CN112001786A (zh) * | 2020-08-05 | 2020-11-27 | 中国银行股份有限公司 | 基于知识图谱的客户***额度配置方法及装置 |
CN112529693A (zh) * | 2020-12-18 | 2021-03-19 | 南京鼐威欣信息技术有限公司 | 一种快速资格评估的公共信用贷*** |
CN112907358A (zh) * | 2021-03-17 | 2021-06-04 | 平安消费金融有限公司 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115098508A (zh) * | 2022-07-04 | 2022-09-23 | 成都秦川物联网科技股份有限公司 | 基于物联网的智慧城市核查列表生成方法、***及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829776B (zh) | 商户风险评估方法、装置、计算机设备和存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
WO2019237565A1 (zh) | 贷款业务处理方法、装置、计算机设备及可读存储介质 | |
CN109784170B (zh) | 基于图像识别的车险定损方法、装置、设备及存储介质 | |
US20140258169A1 (en) | Method and system for automated verification of customer reviews | |
KR102220962B1 (ko) | 아이덴티티 인식 방법 및 장치 | |
CN109472918A (zh) | ***验证方法、融资审核方法、装置、设备及介质 | |
CN109815803B (zh) | 面审风险控制方法、装置、计算机设备和存储介质 | |
CN109816200B (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
US20030182151A1 (en) | Method of using biometric measurements as a legal seal for authenticating real estate deeds and mortgages | |
CN112712429A (zh) | 汇款业务审核方法、装置、计算机设备和存储介质 | |
CN111461859A (zh) | 借贷配对***和方法 | |
CN114358798A (zh) | 一种基于图片识别的企业信息认证的方法、装置及*** | |
CN111160920A (zh) | 一种防止银行卡盗刷的方法及装置 | |
CN114399379A (zh) | 基于人工智能的催收行为识别方法、装置、设备及介质 | |
CN112487982A (zh) | 商户信息的审核方法、***和存储介质 | |
CN112381640A (zh) | 业务数据监控方法、装置、设备及存储介质 | |
CN111178203B (zh) | 签名审核方法、装置、计算机设备和存储介质 | |
CN113744046A (zh) | 业务数据处理方法、装置、计算机设备及存储介质 | |
CN108876633B (zh) | 外国人保单的核保处理方法、装置、计算机设备和存储介质 | |
Gatali et al. | A qualitative study on adoption of biometrics technologies: Canadian banking industry | |
CN112035775B (zh) | 基于随机森林模型的用户识别方法、装置和计算机设备 | |
CN112990989A (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN110147998A (zh) | 客户入网处理方法、装置、计算机设备及存储介质 |
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 |