请求的智能筛选方法、装置、计算机设备和存储介质制造方法及图纸

本申请揭示了一种请求的智能筛选方法、装置、计算机设备和存储介质，请求的智能筛选方法包括：通过智能问答获取目标用户的请求信息；在数据库中获取与目标用户基本信息对应的目标用户信息；通过将请求信息和目标用户信息导入判断模型判断目标用户是否为高危用户；在判定目标用户不是高危用户时，则判断目标用户的请求额度是否在目标用户的可申请额度阈值范围内；在判定目标用户的请求额度在目标用户的可申请额度阈值范围内时，则直接通过与请求信息相对应的请求。通过智能问答形式获取目标客户的请求信息，能够帮助不具备独立书写能力的用户准确输入请求信息，而且还能够筛选出符合条件的非高危用户进行快速放款，提高放款效率，提高用户体验。

Intelligent filtering methods, devices, computer devices and storage media requested

【技术实现步骤摘要】
请求的智能筛选方法、装置、计算机设备和存储介质
本申请涉及到计算机领域，特别是涉及到一种请求的智能筛选方法、装置、计算机设备和存储介质。
技术介绍
现有的贷款用户需要通过服务人员或自己填写资料，由服务人员帮助填写存在素质风险，当服务人员本身素质存在问题时，有可能给贷款申请人造成不必要的损失，如果由自己填写，又有一些人因为自身的文化水平和生活技能的限制导致无法独立完成填写资料的操作，例如不会输入法；另外，在请求审核阶段，需要对用户的请求内容进行综合判断，人工审核时效率低下且容易出错，因此如何规避素质风险、服务无法独立完成填写资料的用户以及如何提高审核效率是一种亟需解决的问题。
技术实现思路
本申请的主要目的为提供一种请求的智能筛选方法、装置、计算机设备和存储介质，通过问答的方式获取用户的资料信息，能够获取无法独立完成填写资料的用户的请求信息，而且能够提高与请求信息对应的请求的审核效率。为了实现上述专利技术目的，本申请提出一种请求的智能筛选方法，包括：通过智能问答获取目标用户的请求信息，请求信息包括请求额度和目标用户基本信息；在数据库中获取与目标用户基本信息对应的目标用户信息；通过将请求信息和目标用户信息导入判断模型判断目标用户是否为高危用户，判断模型包括第一生成器和第一判别器，第一生成器用于生成目标用户的评价信息，第一判别器用于判断评价信息是否达到预设的高危用户标准，评价信息包括目标用户的可申请额度阈值范围；在判定目标用户不是高危用户时，则判断目标用户的请求额度是否在目标用户的可申请额度阈值范围内；在判定目标用户的请求额度在目标用户的可申请额度阈值范围内时，则直接通过与请求信息相对应的请求。进一步地，通过将请求信息和由数据库中获得的目标用户信息导入判断模型判断目标用户是否为高危用户之后，方法还包括：若是高危用户，则向设定单元发送提醒信息。进一步地，通过智能问答获取目标用户的请求信息的方法包括：获取目标用户问题；根据问题优化模型生成与目标用户问题对应的目标生成问题，问题优化模型基于生成式对抗网络训练得到，问题优化模型包括第二生成器和第二判别器，第二生成器用于生成与目标用户问题对应的目标生成问题；根据第二判别器判断目标生成问题的生成质量是否高于第一预设阈值，生成质量用于指示目标生成问题为规范问题的概率；若是，则根据目标生成问题确定目标答案，目标答案包括目标用户的请求信息。进一步地，获取目标用户问题之前，方法还包括：获得训练集，训练集包括源用户问题-源规范问题对，源用户问题-源规范问题对用于表示源用户问题和与源用户问题对应的源规范问题的集合；根据训练集进行生成式对抗网络训练获得问题优化模型。进一步地，获得训练集包括：计算标准数据集中的标准问题与用户日志中的各源用户问题的相似度值，标准数据集用于存储标准问题，用户日志包括用户与问答系统的交互记录；将与标准问题的相似度值大于第二预设阈值的源用户问题作为候选用户问题，以确定候选用户问题中与标准问题语义一致的问题进而得到源用户问题-源规范问题对，标准问题包含于源规范问题。进一步地，根据训练集进行生成式对抗网络训练获得问题优化模型的步骤包括：将训练集中的源用户问题输入至第二生成器，以使得第二生成器进行模型训练，并根据训练后的模型得到生成问题；获取第二生成器所得到的生成问题，并将生成问题保存在生成数据集中，生成数据集用于存储生成问题；将训练集中的源规范问题和生成数据集中的生成问题输入至第二判别器，以使得第二判别器以训练集中的源规范问题作为正例样本，以生成数据集中的生成问题作为负例样本进行模型训练；将第二生成器所生成的生成问题输入至第二判别器，以使得第二判别器对生成问题进行归属率判别，其中，归属率用于指示问题属于标准数据集或者生成数据集的概率；获取第二判别器对生成问题的判别结果；将判别结果输入至第二生成器，以使得第二生成器根据第二判别器所判别的生成问题以及判别结果进行模型训练，并根据训练后的模型生成新的生成问题；获取第二生成器所生成的新的生成问题，并将新的生成问题保存在生成数据集中；判断是否达到预设的合格条件；若达到合格条件，则结束对问题优化模型的对抗性训练，获得最终的问题优化模型；若未达到合格条件，使第二生成器和第二判别器依此进行循环的对抗性训练。进一步地，判断是否达到预设的合格条件的步骤包括：判断第二判别器判别第二生成器生成的问题所得到的判别结果的变化量是否小于第三预设阈值；若判定小于第三预设阈值，则判定达到预设的合格条件。本申请还提出一种请求的智能筛选装置，包括：获取模块，用于通过智能问答获取目标用户的请求信息，请求信息包括请求额度和目标用户基本信息；提取模块，用于在数据库中获取与目标用户基本信息对应的目标用户信息；筛选模块，用户通过将请求信息和目标用户信息导入判断模型判断目标用户是否为高危用户，判断模型包括第一生成器和第一判别器，第一生成器用于生成目标用户的评价信息，第一判别器用于判断评价信息是否达到预设的高危用户标准，评价信息包括目标用户的可申请额度阈值范围；额度判断模块，用于在判定目标用户不是高危用户时，则判断目标用户的请求额度是否在目标用户的可申请额度阈值范围内；核准模块，用于在判定目标用户的请求额度在目标用户的可申请额度阈值范围内时，则直接通过该请求。本申请还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本申请还提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。本申请请求的智能筛选方法、装置、计算机设备和存储介质，通过智能问答形式获取目标客户的请求信息，不但降低了素质风险，而且能够帮助不具备独立书写能力的用户准确输入请求信息，用户体验更好，而且还能够筛选出符合条件的非高危用户进行快速放款，提高了放款效率，提高了用户体验。附图说明图1是本申请请求的智能筛选方法一实施例的流程示意图；图2是本申请请求的智能筛选装置一实施例的结构示意框图；图3为本申请一实施例的计算机设备的结构示意框图。本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。参照图1，本申请提出一种请求的智能筛选方法，包括：S1、通过智能问答获取目标用户的请求信息，请求信息包括请求额度和目标用户基本信息；S2、在数据库中获取与目标用户基本信息对应的目标用户信息；S3、通过将请求信息和目标用户信息导入判断模型判断目标用户是否为高危用户，判断模型包括第一生成器和第一判别器，第一生成器用于生成目标用户本文档来自技高网...

【技术保护点】
1.一种请求的智能筛选方法，其特征在于，包括：/n通过智能问答获取目标用户的请求信息，所述请求信息包括请求额度和目标用户基本信息；/n在数据库中获取与所述目标用户基本信息对应的目标用户信息；/n将所述请求信息和所述目标用户信息导入判断模型判断所述目标用户是否为高危用户，所述判断模型包括第一生成器和第一判别器，所述第一生成器用于生成所述目标用户的评价信息，所述第一判别器用于判断所述评价信息是否达到预设的高危用户标准，所述评价信息包括所述目标用户的可申请额度阈值范围；/n在判定所述目标用户不是高危用户时，则判断所述目标用户的请求额度是否在目标用户的可申请额度阈值范围内；/n在判定所述目标用户的请求额度在目标用户的可申请额度阈值范围内时，则直接通过与所述请求信息相对应的请求。/n

【技术特征摘要】
1.一种请求的智能筛选方法，其特征在于，包括：
通过智能问答获取目标用户的请求信息，所述请求信息包括请求额度和目标用户基本信息；
在数据库中获取与所述目标用户基本信息对应的目标用户信息；
将所述请求信息和所述目标用户信息导入判断模型判断所述目标用户是否为高危用户，所述判断模型包括第一生成器和第一判别器，所述第一生成器用于生成所述目标用户的评价信息，所述第一判别器用于判断所述评价信息是否达到预设的高危用户标准，所述评价信息包括所述目标用户的可申请额度阈值范围；
在判定所述目标用户不是高危用户时，则判断所述目标用户的请求额度是否在目标用户的可申请额度阈值范围内；
在判定所述目标用户的请求额度在目标用户的可申请额度阈值范围内时，则直接通过与所述请求信息相对应的请求。


2.根据权利要求1所述的请求的智能筛选方法，其特征在于，所述通过将所述请求信息和由数据库中获得的目标用户信息导入判断模型判断所述目标用户是否为高危用户之后，所述方法还包括：
若是高危用户，则向设定单元发送提醒信息。


3.根据权利要求1所述的请求的智能筛选方法，其特征在于，所述通过智能问答获取目标用户的请求信息的方法包括：
获取目标用户问题；
根据问题优化模型生成与所述目标用户问题对应的目标生成问题，所述问题优化模型基于生成式对抗网络训练得到，所述问题优化模型包括第二生成器和第二判别器，所述第二生成器用于生成与所述目标用户问题对应的目标生成问题；
根据所述第二判别器判断所述目标生成问题的生成质量是否高于第一预设阈值，所述生成质量用于指示所述目标生成问题为规范问题的概率；
若是，则根据所述目标生成问题确定目标答案，所述目标答案包括所述目标用户的请求信息。


4.根据权利要求3所述的请求的智能筛选方法，其特征在于，所述获取目标用户问题之前，所述方法还包括：
获得训练集，所述训练集包括源用户问题-源规范问题对，所述源用户问题-源规范问题对用于表示源用户问题和与所述源用户问题对应的源规范问题的集合；
根据所述训练集进行生成式对抗网络训练获得所述问题优化模型。


5.根据权利要求4所述的请求的智能筛选方法，其特征在于，所述获得训练集包括：
计算标准数据集中的标准问题与用户日志中的各源用户问题的相似度值，所述标准数据集用于存储所述标准问题，所述用户日志包括用户与问答系统的交互记录；
将与所述标准问题的相似度值大于第二预设阈值的源用户问题作为候选用户问题，以确定所述候选用户问题中与所述标准问题语义一致的问题进而得到所述源用户问题-源规范问题对，所述标准问题包含于所述源规范问题。


6.根据权利要求5所述的请求的智能筛选方法，其特征在于，所述根据所述训练集进行生成式对抗网络训练获得所述问题优化模型的步骤包括：
将所述训练集...

【专利技术属性】
技术研发人员：郭鸿程，吕伟，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44