[发明专利]票据贴现数据处理方法及装置

说明书

本申请实施例提供一种票据贴现数据处理方法及装置，也可用于金融领域，方法包括：在监测到客户签收票据时，根据所述客户的基本信息和票据贴现成功率预测模型，确定对应的票据贴现成功率；根据所述票据贴现成功率对所述客户执行对应的预设推送操作；本申请能够有效提升票据贴现的营销成功率，拓展营销新途径，提高客户经理工作效率，增加获客能力。

技术领域

本申请涉及人工智能领域，也可用于金融领域，具体涉及一种票据贴现数据处理方法及装置。

背景技术

现有技术中银行对于票据贴现业务依赖客户经理线下与客户沟通洽谈，耗费大量人力资源，也对客户经理自身的业务能力和掌握的客户资源有很强的依赖。

因此，亟需一种线上智能筛选推送机制，提升票据贴现的营销成功率，拓展营销新途径，提高客户经理工作效率，增加获客能力。

发明内容

针对现有技术中的问题，本申请提供一种票据贴现数据处理方法及装置，能够有效提升票据贴现的营销成功率，拓展营销新途径，提高客户经理工作效率，增加获客能力。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种票据贴现数据处理方法，包括：

在监测到客户签收票据时，根据所述客户的基本信息和票据贴现成功率预测模型，确定对应的票据贴现成功率；

根据所述票据贴现成功率对所述客户执行对应的预设推送操作。

进一步地，在所述根据所述客户的基本信息和票据贴现成功率预测模型，确定对应的票据贴现成功率之前，还包括：

采集票据交易信息、金融市场相关信息以及行为主体相关信息并进行特征抽取，得到所述票据贴现成功率预测模型的基础特征；

对所述基础特征进行组合，得到所述票据贴现成功率预测模型的衍生特征；

根据所述基础特征和所述衍生特征，得到所述票据贴现成功率预测模型的样本集。

进一步地，在所述根据所述基础特征和所述衍生特征，得到所述票据贴现成功率预测模型的样本集之后，还包括：

根据设定时间节点或设定数据量比例对所述样本集进行数据拆分，得到所述票据贴现成功率预测模型的训练集、测试集以及验证集。

进一步地，在所述得到所述票据贴现成功率预测模型的训练集、测试集以及验证集之后，还包括：

将经过所述数据拆分后得到的训练集、测试集以及验证集中关联度超过阈值的特征设定为预设梯度推进集成学习模型的输入参数；

对所述预设梯度推进集成学习模型进行模型训练，并根据所述模型训练的结果进行模型参数调优，并将经过模型参数调优后的梯度推进集成学习模型设定为票据贴现成功率预测模型。

第二方面，本申请提供一种票据贴现数据处理装置，包括：

票据贴现成功率预测模块，用于在监测到客户签收票据时，根据所述客户的基本信息和票据贴现成功率预测模型，确定对应的票据贴现成功率；

营销操作模块，用于根据所述票据贴现成功率对所述客户执行对应的预设推送操作。

进一步地，还包括：

数据采集和特征抽取单元，用于采集票据交易信息、金融市场相关信息以及行为主体相关信息并进行特征抽取，得到所述票据贴现成功率预测模型的基础特征；

组合衍生特征确定单元，用于对所述基础特征进行组合，得到所述票据贴现成功率预测模型的衍生特征；

模型样本集构建单元，用于根据所述基础特征和所述衍生特征，得到所述票据贴现成功率预测模型的样本集。