银行用户的业务流程定制方法及装置与流程

1.本发明涉及人工智能技术领域，尤其涉及一种银行用户的业务流程定制方法及装置。


背景技术：

2.随着手机银行和智能柜台的不断迭代更新、在银行线上和线下的操作类设施中(智能柜台，电子设施，app)，常常需要用户进行一系列复杂而精细的操作。而正常统一的界面设置通常难以满足身体存在某种不便因素的用户。此类用户泛指因年龄较大导致操作不顺畅或者因为自身特征导致操作不便或无法进行操作。统一化的多功能界面往往难以满足特殊化多样化的用户需求。
3.因此，目前缺乏一种针对不同银行用户的业务流程定制方法。


技术实现要素：

4.本发明实施例提出一种银行用户的业务流程定制方法，用以实现银行用户的业务流程定制，提高用户体验，该方法包括：
5.获得用户画像数据；
6.将用户画像数据输入至训练好的knn模型中，获得用户的分类，所述knn模型是根据银行用户的历史画像数据训练获得的；
7.根据用户的分类，获得业务流程配置数据；
8.根据所述业务流程配置数据，调整业务流程的辅助功能。
9.本发明实施例提出一种银行用户的业务流程定制装置，用以实现银行用户的业务流程定制，提高用户体验，该装置包括：
10.用户画像数据获取模块，用于获得用户画像数据；
11.用户分类获得模块，用于将用户画像数据输入至训练好的knn模型中，获得用户的分类，所述knn模型是根据银行用户的历史画像数据训练获得的；
12.业务流程配置数据获得模块，用于根据用户的分类，获得业务流程配置数据；
13.辅助功能调整模块，用于根据所述业务流程配置数据，调整业务流程的辅助功能。
14.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行用户的业务流程定制方法。
15.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行用户的业务流程定制方法。
16.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行用户的业务流程定制方法。
17.在本发明实施例中，获得用户画像数据；将用户画像数据输入至训练好的knn模型中，获得用户的分类，所述knn模型是根据银行用户的历史画像数据训练获得的；根据用户
的分类，获得业务流程配置数据；根据所述业务流程配置数据，调整业务流程的辅助功能。在上述过程中，基于用户画像数据，输入至knn模型，可以获得用户的分类，从而获得业务流程配置数据，以满足不同分类用户的需求，提高用户体验。
附图说明
18.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
19.图1为本发明实施例中银行用户的业务流程定制方法的流程图一；
20.图2为本发明实施中进行knn模型训练的流程图一；
21.图3为本发明实施中进行knn模型训练的流程图二；
22.图4为本发明实施例中银行用户的业务流程定制方法的流程图二；
23.图5为本发明实施例中银行用户的业务流程定制装置的示意图一；
24.图6为本发明实施例中银行用户的业务流程定制装置的示意图二；
25.图7为本发明实施例中银行用户的业务流程定制装置的示意图三；
26.图8为本发明实施例中计算机设备的示意图。
具体实施方式
27.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
28.在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本技术的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
29.首先，对本发明实施例涉及的术语进行解释。
30.knn：邻近算法，或者说k最近邻(knn，k-nearestneighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓k最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻近值来代表。是将数据集合中每一个记录进行分类的方法。
31.发明人发现，虽然银行用户的操作困难因素多种多样但又可以进行大致分类。
32.因此在用户登录时，根据用户画像数据进行分类以自动适配业务流程，包括用户界面展示和业务流程服务辅助功能，可以大大的提高用户满意度、增强手机银行等操作类设施的高可用性。同时对用户操作过程中产生的数据和微表情分析也能预防突发状况发生。
33.下面以视力不便用户使用手机app操作中的理财产品购买为例说明：在手机app操
作中，用户需要经历在页面中寻找理财产品购买功能，在众多选项中挑选理财产品，输入密码等信息购买产品等操作。用户往往在家中操作，全程无法获得帮助或者有他人代替用户操作。在应用本发明方法后，可以在登陆之后，根据其眼球等生物信息，操作的迟缓程度、以及身份证登记信息等用户信息来快速将他识别归类(视觉障碍类)，从而通过加大音量、适当增加响应时间、调整操作界面字体、增强对比度、多进行人机语音交互来满足用户购买的需求。
34.图1为本发明实施例中银行用户的业务流程定制方法的流程图一，如图1所示，该方法包括：
35.步骤101，获得用户画像数据；
36.步骤102，将用户画像数据输入至训练好的knn模型中，获得用户的分类，所述knn模型是根据银行用户的历史画像数据训练获得的；
37.步骤103，根据用户的分类，获得业务流程配置数据；
38.步骤104，根据所述业务流程配置数据，调整业务流程的辅助功能。
39.在本发明实施例中，基于用户画像数据，输入至knn模型，可以获得用户的分类，从而获得业务流程配置数据，以满足不同分类用户的需求，提高用户体验。
40.在步骤101中，获得用户画像数据。
41.在一实施例中，所述画像数据至少包括行为特征数据、生物特征信息和业务数据中的其中一种。
42.行为特征数据包括用户操作时的微表情和动作，生物特征信息包括眼球特征、指纹特征等，业务数据包括用户在银行留存的基本信息和历史业务办理信息，业务数据可通过手机银行、智能柜台等终端进行收集。行为特征数据、生物特征信息可通过终端的前置摄像头收集。
43.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
44.在步骤102中，将用户画像数据输入至训练好的knn模型中，获得用户的分类，所述knn模型是根据银行用户的历史画像数据训练获得的。
45.knn算法的核心思想：存在一个已经训练好并已知分类(标签化)的样本数据集合，即知道样本集中每个数据与其所属分类的关系。一个未知分类的样本与该样本集合中的k个最相邻的样本中的大多数同属于某一个类别，并具有这个类别上样本的特性。knn方法在类别决策时，只与极少量的相邻样本有关。
46.图2为本发明实施中进行knn模型训练的流程图一，在一实施例中，所述knn模型采用如下步骤进行训练：
47.步骤201，获取银行用户的历史画像数据；
48.步骤202，从历史画像数据中剔除异常数据；
49.步骤203，对剔除异常数据后的用户的历史画像数据添加分类标签；
50.步骤204，基于添加分类标签的用户的历史画像数据训练knn模型，获得训练好的knn模型。
51.在上述实施例中，需要为其准备训练用的数据，即添加分类标签的用户的历史画像数据。可以通过大数据大规模进行导入。例如操作不便的老年人、语言有损、视觉有损、听
觉有损的特殊人群在使用手机银行、智能柜台时产生的用户数据(标签化的样本)。提取用户画像数据，包括行为特征数据、生物特征信息和业务数据，其中生物特征信息和行为特征数据可利用终端的前置摄像头进行捕捉。之后，从历史画像数据中剔除异常数据；对剔除异常数据后的用户的历史画像数据添加分类标签，用于后续knn模型训练。分类标签包括但不限于老年人、语言有损人群、视觉有损人群、听觉有损人群。
52.图3为本发明实施中进行knn模型训练的流程图二，在一实施例中，基于添加分类标签的用户的历史画像数据训练knn模型，获得训练好的knn模型，包括：
53.步骤301，将添加分类标签的用户的历史画像数据分为多个训练元组和一个测试元组；
54.步骤302，确定训练knn模型的k值；
55.步骤303，随机从多个训练元组中挑选k个训练元组作为最近邻训练元组；
56.步骤304，分别计算测试元组到每个最近邻训练元组的距离，将每个最近邻训练元组的标识和计算出来的距离存入优先级队列，所述优先级队列是一个大小为k的按距离由大到小的优先级队列；
57.步骤305，对每个训练元组，计算该训练元组与测试元组的距离，将计算出来的距离与优先级队列中的最大距离进行比较，若计算出来的距离不小于所述最大距离，则舍弃该元组；若计算出来的距离小于所述最大距离，删除优先级队列中所述最大距离对应的最近邻训练元组，将该训练元组存入优先级队列；
58.步骤306，计算优先级队列中k个最近邻训练元组的多数类，并将所述多数类作为测试元组的类别；
59.步骤307，采用测试元组进行测试，计算误差率；
60.步骤308，继续采用不同的k值重新进行上述步骤；即重复步骤303-步骤307；
61.步骤309，获取误差率最小的k值，并输出差率最小的k值对应的knn模型。
62.在步骤103中，根据用户的分类，获得业务流程配置数据。
63.在上述实施例中，重复步骤303-步骤307，获取误差率最小的k值，并输出差率最小的k值对应的knn模型，可训练出相对准确的knn模型。
64.在一实施例中，所述业务流程配置数据至少包括用户界面展示效果配置数据、音量配置数据、识别模式配置数据、响应时间配置数据、处理结果播报配置数据中的其中一种。
65.其中，界面展示效果配置数据包括字体变大、增强对比度等。识别模式配置数据包括文字识别模式和语音识别模式等。
66.在步骤104中，根据所述业务流程配置数据，调整业务流程的辅助功能。
67.图4为本发明实施例中银行用户的业务流程定制方法的流程图二，在一实施例中，所述方法还包括：
68.步骤401，根据用户画像数据，判断用户是否处于应急状态；若是，进入步骤402，若否，结束流程；
69.步骤402，生成应急提示信息。
70.应急提示信息可以反馈限制用户使用权限，只有在本人解锁后才能继续使用，必要情况下代替用户执行报警操作。
71.综上所述，本发明实施例提出的方法具有以下有益效果：
72.第一，针对不同分类的用户，提供不同的业务流程的辅助功能，包括用户界面展示效果、音量、识别模式、响应时间、处理结果播报等，灵活度高，节约用户时间的同时大幅提升用户使用体验；
73.第二，更贴心各类用户的实际情况，得以简化帮助他们更顺畅的办理业务；
74.第三，对于后续收集特殊群体用户信息，为用户提供更细致更友好的服务提供数据基础。
75.本发明实施例中还提供了一种银行用户的业务流程定制装置，如下面的实施例所述。由于该装置解决问题的原理与银行用户的业务流程定制方法相似，因此该装置的实施可以参见银行用户的业务流程定制方法的实施，重复之处不再赘述。
76.图5为本发明实施例中银行用户的业务流程定制装置的示意图一，包括：
77.用户画像数据获取模块501，用于获得用户画像数据；
78.用户分类获得模块502，用于将用户画像数据输入至训练好的knn模型中，获得用户的分类，所述knn模型是根据银行用户的历史画像数据训练获得的；
79.业务流程配置数据获得模块503，用于根据用户的分类，获得业务流程配置数据；
80.辅助功能调整模块504，用于根据所述业务流程配置数据，调整业务流程的辅助功能。
81.图6为本发明实施例中银行用户的业务流程定制装置的示意图二，在一实施例中，所述装置还包括模型训练模块601，用于：
82.采用如下步骤训练所述knn模型：
83.获取银行用户的历史画像数据；
84.从历史画像数据中剔除异常数据；
85.对剔除异常数据后的用户的历史画像数据添加分类标签；
86.基于添加分类标签的用户的历史画像数据训练knn模型，获得训练好的knn模型。
87.在一实施例中，模型训练模块具体用于：
88.将添加分类标签的用户的历史画像数据分为多个训练元组和一个测试元组；
89.确定训练knn模型的k值；
90.随机从多个训练元组中挑选k个训练元组作为最近邻训练元组；
91.分别计算测试元组到每个最近邻训练元组的距离，将每个最近邻训练元组的标识和计算出来的距离存入优先级队列，所述优先级队列是一个大小为k的按距离由大到小的优先级队列；
92.对每个训练元组，计算该训练元组与测试元组的距离，将计算出来的距离与优先级队列中的最大距离进行比较，若计算出来的距离不小于所述最大距离，则舍弃该元组；若计算出来的距离小于所述最大距离，删除优先级队列中所述最大距离对应的最近邻训练元组，将该训练元组存入优先级队列；
93.计算优先级队列中k个最近邻训练元组的多数类，并将所述多数类作为测试元组的类别；
94.采用测试元组进行测试，计算误差率；
95.继续采用不同的k值重新进行上述步骤；
96.获取误差率最小的k值，并输出差率最小的k值对应的knn模型。
97.在一实施例中，所述业务流程配置数据至少包括用户界面展示效果配置数据、音量配置数据、识别模式配置数据、响应时间配置数据、处理结果播报配置数据中的其中一种。
98.在一实施例中，所述画像数据至少包括行为特征数据、生物特征信息和业务数据中的其中一种。
99.图7为本发明实施例中银行用户的业务流程定制装置的示意图三，在一实施例中，所述装置还包括应急处理模块701，用于：
100.根据用户画像数据，判断用户是否处于应急状态；
101.若是，生成应急提示信息。
102.综上所述，本发明实施例提出的装置具有以下有益效果：
103.第一，针对不同分类的用户，提供不同的业务流程的辅助功能，包括用户界面展示效果、音量、识别模式、响应时间、处理结果播报等，灵活度高，节约用户时间的同时大幅提升用户使用体验；
104.第二，更贴心各类用户的实际情况，得以简化帮助他们更顺畅的办理业务；
105.第三，对于后续收集特殊群体用户信息，为用户提供更细致更友好的服务提供数据基础。
106.本发明实施例还提供一种计算机设备，图8为本发明实施例中计算机设备的示意图，所述计算机设备800包括存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序830，所述处理器820执行所述计算机程序830时实现上述银行用户的业务流程定制方法。
107.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行用户的业务流程定制方法。
108.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行用户的业务流程定制方法。
109.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序业务系统。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序业务系统的形式。
110.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序业务系统的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
111.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
112.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
113.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。