[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获得至少一个客户的目标信息，所述目标信息中包括身份信息和交易信息；

确定至少一份输入数据，各所述输入数据中均包括目标候选业务和一个所述客户的目标信息，所述目标候选业务为候选业务集中的候选业务，所述候选业务集中包括有至少一个候选业务；

分别将各所述输入数据输入至训练好的业务定量评估模型中，所述业务定量评估模型用于定量评估客户对通过网点机器人办理所述候选业务的期望程度；

获得所述业务定量评估模型分别针对各所述输入数据输出的业务评估分数；

将各所述业务评估分数相加所获得的和值，确定为所述目标候选业务对应的最终有效分数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

分别获得所述候选业务集中各所述候选业务对应的最终有效分数；

按照由高分数至低分数的次序，对各所述最终有效分数进行排序，将排序序号不大于预设阈值的最终有效分数所对应的候选业务，确定为所述网点机器人的待学习业务。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获得第一客户的目标信息；

确定第一客户是否期望通过所述网点机器人办理第一候选业务，如果是，则将第一输入数据对应的定量评估分数标记为1，将标记为1的所述第一输入数据确定为所述业务定量评估模型的第一正样本，使用所述第一正样本对所述业务定量评估模型进行训练，其中，所述第一输入数据包括所述第一客户的目标信息和所述第一候选业务；否则，将所述第一输入数据对应的定量评估分数标记为0，将标记为0的所述第一输入数据确定为所述业务定量评估模型的第一负样本，使用所述第一负样本对所述业务定量评估模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获得所述业务定量评估模型的多个正样本和负样本；

使用多个所述正样本和所述负样本对所述业务定量评估模型进行训练。

5.根据权利要求3所述的方法，其特征在于，所述获得第一客户的目标信息，包括：

向所述第一客户发起问卷调查，以获得所述第一客户的身份信息和确定所述第一客户期望通过所述网点机器人办理的候选业务；

根据所述第一客户的身份信息，在银行系统内查找所述第一客户的交易信息。

6.一种数据处理装置，其特征在于，包括：第一获得单元、第一确定单元、第一输入单元、第二获得单元和第二确定单元，其中：

所述第一获得单元，被配置为执行：获得至少一个客户的目标信息，所述目标信息中包括身份信息和交易信息；

所述第一确定单元，被配置为执行：确定至少一份输入数据，各所述输入数据中均包括目标候选业务和一个所述客户的目标信息，所述目标候选业务为候选业务集中的候选业务，所述候选业务集中包括有至少一个候选业务；

所述第一输入单元，被配置为执行：分别将各所述输入数据输入至训练好的业务定量评估模型中，所述业务定量评估模型用于定量评估客户对通过网点机器人办理所述候选业务的期望程度；

所述第二获得单元，被配置为执行：获得所述业务定量评估模型分别针对各所述输入数据输出的业务评估分数；

所述第二确定单元，被配置为执行：将各所述业务评估分数相加所获得的和值，确定为所述目标候选业务对应的最终有效分数。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：第三获得单元、排序单元和第三确定单元，其中：

所述第三获得单元，被配置为执行：分别获得所述候选业务集中各所述候选业务对应的最终有效分数；

所述排序单元，被配置为执行：按照由高分数至低分数的次序，对各所述最终有效分数进行排序；

所述第三确定单元，被配置为执行：将排序序号不大于预设阈值的最终有效分数所对应的候选业务，确定为所述网点机器人的待学习业务。