[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：

获取业务请求者的申请信息，以及所述业务提供者的提供信息；

基于所述申请信息确定用于向所述业务申请者显示的第一推荐结果，基于所述提供信息，确定用于向所述业务提供者显示的第二推荐结果；

获取以所述业务请求者和所述业务提供者为业务主体的业务协议，所述业务协议包括业务内容、业务结果、违约责任；所述业务结果基于所述第一推荐结果、所述第二推荐结果和历史结果中的至少一项确定；

对所述业务协议进行处理，以确定在所述违约责任的条件下，所述业务内容和所述业务结果的匹配度。

2.根据权利要求1所述的方法，其特征在于，所述业务申请者为贷款申请者，所述业务提供者为贷款提供者，所述第一推荐结果为第一推荐贷款利率，所述第二推荐结果为第二推荐贷款利率，所述业务内容为实际贷款金额和贷款年限，所述业务结果为实际贷款利率，所述历史结果为历史贷款的平均利率或中位数利率。

3.根据权利要求2所述的方法，其特征在于，所述业务请求者的申请信息包括：所述业务请求者的贷款需求金额、需求年限以及贷款个人信息；所述贷款个人信息包括征信信息、资产与负债信息、职业和收入信息、抵押商品信息中的至少一个；

所述业务提供者的提供信息包括：所述业务提供者的出贷金额、可出贷年限、放款个人信息、对贷款个人信息的要求信息。

4.根据权利要求1-3任意一项所述的方法，其特征在于，作为同一业务协议的一对协议主体的业务请求者和业务提供者互相匹配，所述方法还包括：

在获取到多个业务请求者的申请信息，以及多个业务提供者的提供信息后，根据多个所述申请信息和多个所述提供信息，确定互相匹配的业务请求者和所述业务提供者；

向业务请求者推送匹配的业务提供者，和/或，向业务提供者推送匹配的业务请求者。

5.根据权利要求要求1-3任意一项所述的方法，其特征在于，基于所述申请信息确定所述第一推荐结果，通过结果确定模型实现，所述结果确定模型为深度神经网络模型；所述结果确定模型利用历史业务信息和历史业务结果训练得到；和/或，

基于所述提供信息确定所述第二推荐结果，通过结果确定模型实现，所述结果确定模型为深度神经网络模型；所述结果确定模型利用历史业务信息和历史业务结果训练得到；和/或，

对所述业务协议进行处理，以确定在所述违约责任的条件下，所述业务内容和所述业务结果的匹配度，通过匹配度确定模型实现，所述匹配度确定模型为深度神经网络模型；所述匹配度确定模型基于历史业务内容、历史业务结果和历史违约责任训练得到。

6.一种数据处理装置，其特征在于，包括：

信息获取单元，用于获取业务请求者的申请信息，以及所述业务提供者的提供信息；

推荐单元，用于基于所述申请信息确定用于向所述业务申请者显示的第一推荐结果，基于所述提供信息，确定用于向所述业务提供者显示的第二推荐结果；

协议获取单元，用于获取以所述业务请求者和所述业务提供者为业务主体的业务协议，所述业务协议包括业务内容、业务结果、违约责任；所述业务结果基于所述第一推荐结果、所述第二推荐结果和历史结果中的至少一项确定；

协议处理单元，用于对所述业务协议进行处理，以确定在所述违约责任的条件下，所述业务内容和所述业务结果的匹配度。

7.根据权利要求6所述的装置，其特征在于，所述业务申请者为贷款申请者，所述业务提供者为贷款提供者，所述第一推荐结果为第一推荐贷款利率，所述第二推荐结果为第二推荐贷款利率，所述业务内容为实际贷款金额和贷款年限，所述业务结果为实际贷款利率，所述历史结果为历史贷款的平均利率或中位数利率。