技术特征：
1.一种面签方式分配方法，其特征在于，包括：响应于接收的面签申请消息，根据获取的面签申请用户的用户基本数据和业务相关数据，得到模型输入数据，所述面签申请消息是服务提供方设备响应于所述面签申请用户的用户终端的面签申请发送的；将所述模型输入数据输入预先训练得到的面签决策模型，得到与所述面签申请用户对应的输出结果，所述输出结果用于表征所述面签申请用户匹配的面签方式，所述面签方式包括线上面签或线下面签，所述面签决策模型根据多个样本用户的第一样本数据利用多维度分类算法训练得到，所述第一样本数据包括样本用户基本数据、样本业务相关数据和期望面签方式；根据所述输出结果，为所述面签申请用户分配与所述输出结果对应的所述面签方式。2.根据权利要求1所述的方法，其特征在于，所述输出结果包括面签方式判定分数；所述根据所述输出结果，为所述面签申请用户分配与所述输出结果对应的面签方式，包括：在所述面签方式判定分数位于第一阈值范围内的情况下，为所述面签申请用户分配线上面签；在所述面签方式判定分数位于第二阈值范围内的情况下，为所述面签申请用户分配线下面签；其中，所述第一阈值范围与所述第二阈值范围的交集为空集。3.根据权利要求1所述的方法，其特征在于，所述根据获取的面签申请用户的用户基本数据和业务相关数据，得到模型输入数据，包括：按照预设的分类规则集合，对所述用户基本数据和所述业务相关数据分类，所述分类规则集合包括多个分类规则，所述分类规则用于对所述用户基本数据和所述业务相关数据分类；根据分类后的所述用户基本数据和所述业务相关数据所在的类别，生成所述模型输入数据。4.根据权利要求1所述的方法，其特征在于，在所述根据获取的面签申请用户的用户基本数据和业务相关数据，得到模型输入数据之前，还包括：获取多个所述样本用户的所述第一样本数据；基于所述第一样本数据，利用多维度分类算法，训练得到所述面签决策模型，训练得到的所述面签决策模型的模型参数使第一事件出现的概率最大，所述第一事件包括所述第一样本数据输入所述面签决策模型，所述面签决策模型输出的所述输出结果对应的所述面签方式与所述期望面签方式一致。5.根据权利要求4所述的方法，其特征在于，多个所述样本用户的所述第一样本数据从n个数据提供方获取得到，n为大于1的整数；所述基于所述第一样本数据，利用多维度分类算法，训练得到所述面签决策模型，包括：从每个数据提供方提供的多个所述样本用户的所述第一样本数据中筛选出目标样本用户的第一目标样本数据；针对每个所述数据提供方提供的所述目标样本用户的所述第一目标样本数据，利用多
维度分类算法，训练得到中间模型；对每个所述数据提供方对应的所述中间模型的模型参数进行聚合，得到整合模型参数；利用所述整合模型参数更新所述中间模型，得到所述面签决策模型。6.根据权利要求5所述的方法，其特征在于，在n个数据提供方提供的所述样本用户的重合率低于或等于第一重合率阈值，且n个数据提供方提供的所述第一样本数据的种类的重合率高于或等于第二重合率阈值的情况下，所述目标样本用户包括第一类样本用户和第二类目标样本用户，所述第一目标样本数据包括第一类样本数据；在n个数据提供方提供的所述样本用户的重合率高于第三重合率阈值，且n个数据提供方提供的所述第一样本数据的种类的重合率低于第四重合率阈值的情况下，所述目标样本用户包括所述第一类样本用户，所述第一目标样本数据包括所述第一类样本数据和第二类样本数据；其中，所述第一类样本用户包括n个数据提供方提供的相同的所述样本用户，所述第二类样本用户包括n个数据提供方提供的不同的所述样本用户，所述第一类样本数据包括n个数据提供方提供的种类相同的所述第一样本数据，所述第二类样本数据包括n个数据提供方提供的种类不同的所述第一样本数据。7.根据权利要求1所述的方法，其特征在于，还包括：在为所述面签申请用户分配线上面签的情况下，将所述用户基本数据和所述业务相关数据输入风险评级模型，得到所述面签申请用户的风险等级，所述风险等级用于指示所述面签申请用户的风险高低，所述风险评级模型根据多个样本用户的第二样本数据训练得到，所述第二样本数据包括所述样本用户基本数据、所述样本业务相关数据和已知风险等级；根据所述面签申请用户的所述风险等级，为所述面签申请用户分配面签服务模式，所述面签服务模式指示由自助机器客服和/或人工客服进行面签服务。8.根据权利要求7所述的方法，其特征在于，所述风险等级包括第一风险等级、第二风险等级和第三风险等级，所述第一风险等级表征的风险高于所述第二风险等级表征的风险，所述第二风险等级表征的风险高于所述第三风险等级表征的风险；所述第一风险等级对应的所述面签服务模式指示由人工客服进行面签服务，所述第二风险等级对应的所述面签服务模式指示由自助机器客服和人工客服进行面签服务，所述第三风险等级对应的所述面签服务模式指示由自助机器客服进行面签服务。9.根据权利要求3所述的方法，其特征在于，所述分类规则指示的类别具有属性标签；所述方法还包括：根据所述用户基本数据和所述业务相关数据所在的类别的属性标签，得到所述面签申请用户的用户画像；根据所述用户画像，在预设的问卷题库中获取与所述用户画像匹配的问题，生成与所述面签申请用户匹配的业务问卷，与所述面签申请用户匹配的所述业务问卷包括与所述用户画像匹配的问题。
10.根据权利要求1至9中任意一项所述的方法，其特征在于，所述用户基本数据包括以下一项或两项以上：用户卡号、用户姓名、用户性别、用户年龄、用户证件号、用户出生日期、用户职业信息、用户住宅信息；所述业务相关数据包括以下一项或两项以上：用户卡所属机构、用户卡消费时间、用户卡消费地址、用户卡消费渠道、用户业务类型、用户征信信息。11.根据权利要求1至9中任意一项所述的方法，其特征在于，所述样本用户基本数据包括以下一项或两项以上：样本用户卡号、样本用户姓名、样本用户性别、样本用户年龄、样本用户证件号、样本用户出生日期、样本用户职业信息、样本用户住宅信息；所述样本业务相关数据包括以下一项或两项以上：样本用户卡所属机构、样本用户卡消费时间、样本用户卡消费地址、样本用户卡消费渠道、样本用户业务类型、样本用户征信信息。12.一种面签方式分配装置，其特征在于，包括：数据获取模块，用于响应于接收的面签申请消息，根据获取的面签申请用户的用户基本数据和业务相关数据，得到模型输入数据，所述面签申请消息是服务提供方设备响应于所述面签申请用户的用户终端的面签申请发送的；数据处理模块，用于将所述模型输入数据输入预先训练得到的面签决策模型，得到与所述面签申请用户对应的输出结果，所述输出结果用于表征所述面签申请用户适用的面签方式，所述面签方式包括线上面签或线下面签，所述面签决策模型根据多个样本用户的第一样本数据利用多维度分类算法训练得到，所述第一样本数据包括样本用户基本数据、样本业务相关数据和期望面签方式；面签方式分配模块，用于根据所述输出结果，为所述面签申请用户分配与所述输出结果对应的所述面签方式。13.一种面签方式分配设备，其特征在于，包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1至11中任意一项所述的面签方式分配方法。14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1至11中任意一项所述的面签方式分配方法。
技术总结
本申请公开了一种面签方式分配方法、装置、设备及存储介质，属于数据处理领域。该方法包括：响应于接收的面签申请消息，根据获取的面签申请用户的用户基本数据和业务相关数据，得到模型输入数据；将模型输入数据输入预先训练得到的面签决策模型，得到与面签申请用户对应的输出结果，输出结果用于表征面签申请用户适用的面签方式，面签方式包括线上面签或线下面签，面签决策模型根据多个样本用户的第一样本数据利用多维度分类算法训练得到，第一样本数据包括样本用户基本数据、样本业务相关数据和期望面签方式；根据输出结果，为面签申请用户分配与输出结果对应的面签方式。根据本申请实施例能够提高面签申请的效率。实施例能够提高面签申请的效率。实施例能够提高面签申请的效率。
技术研发人员：李欣 徐端琦 李鹏 胡君一 王大森 罗佳 韩韬 杨绪森
受保护的技术使用者：中国银联股份有限公司
技术研发日：2021.09.22
技术公布日：2021/12/23