标签验证方法和装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种标签验证方法和装置、电子设备及存储介质，属于金融科技技术领域。该方法包括：获取待验证的数据标签；对数据标签进行分类，筛选出数值类型的目标数据标签；将目标数据标签批量输入至预设的十分位标签模型，生成目标数据标签的验证结果；基于验证结果生成数据控制图；根据数据控制图和预设的阈值范围对目标数据标签的数据分布进行合理性判断，得到判断结果，判断结果包括判断目标数据标签是否属于异常数据标签。基于此，本申请实施例能够快速、高效、准确地验证客户标签，从而可以协助保险业务人员从多角度分析客户的特征，根据标签进行客户圈选，进而实现精准触客，为客户提供更精细化的运营目标。为客户提供更精细化的运营目标。为客户提供更精细化的运营目标。

【技术实现步骤摘要】
标签验证方法和装置、电子设备及存储介质


[0001]本申请涉及金融科技(Fintech)
，尤其涉及一种标签验证方法和装置、电子设备及存储介质。

技术介绍

[0002]客户标签是对客户特征的符号表示，每一个数据标签都是认识、观察和描述客户的一个角度，要想对客户进行多方位的认识，就需要多个视角、多个维度的海量丰富的标签，比如：客户的原始数据：人口属性、位置信息、账户信息等；客户的平台活跃信息：资讯偏好、活动偏好等；客户的预测标签：流失概率、近期需求等；客户的策略标签：待挽回人群、待发展人群等。通过海量丰富的标签对客户进行全方位刻画，形成一套比较完成的客户画像。
[0003]在保险领域，为了能够协助保险业务人员从多角度分析客户的特征，根据标签进行客户圈选，进而实现精准触客，为客户提供更精细化的运营目标，也需要对海量的客户标签进行验证。然而，现有技术面对海量的标签是通过人力测试进行验证，这对人力测试带来很大的挑战。因此，如何快速、高效、准确地验证客户标签成为亟待解决的技术问题。

技术实现思路

[0004]本申请实施例的主要目的在于提出一种标签验证方法和装置、电子设备及存储介质，能够快速、高效、准确地验证客户标签，从而可以协助保险业务人员从多角度分析客户的特征，根据标签进行客户圈选，进而实现精准触客，为客户提供更精细化的运营目标，从而提升保险业务人员和其所在保险公司的竞争力。
[0005]为实现上述目的，本申请实施例的第一方面提出了一种标签验证方法，所述方法包括：
[0006]获取待验证的数据标签；
[0007]对所述数据标签进行分类，筛选出数值类型的目标数据标签；
[0008]将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，生成所述目标数据标签的验证结果；
[0009]基于所述验证结果生成数据控制图；
[0010]根据所述数据控制图和预设的阈值范围对所述目标数据标签的数据分布进行合理性判断，得到判断结果，所述判断结果包括判断所述目标数据标签是否属于异常数据标签。
[0011]在一些实施例，所述获取待验证的数据标签，包括：
[0012]连接预设的大数据集群；
[0013]从所述大数据集群中读取需要进行验证的大宽表；
[0014]查找与所述大宽表对应的表结构；
[0015]从所述表结构中获取待验证的所述数据标签。
[0016]在一些实施例，所述对所述数据标签进行分类，筛选出数值类型的目标数据标签，
包括：
[0017]识别所述数据标签的名称词根；
[0018]将所述名称词根与预设的关键词进行核对，得到核对结果；
[0019]根据所述核对结果筛选出数值类型的所述目标数据标签。
[0020]在一些实施例，所述将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，生成所述目标数据标签的验证结果，包括：
[0021]将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，其中，所述十分位标签模型定义有标签处理函数；
[0022]确定所述目标数据标签中的指标缺失数量、指标缺失占比、均值、最大值和最小值；
[0023]将所述最大值和所述最小值之间的数值范围等分为十份，得到十分位点；
[0024]将所述目标数据标签嵌入到所述标签处理函数，生成所述目标数据标签的各个所述十分位点的数据量；
[0025]根据所述指标缺失数量、所述指标缺失占比、所述均值、所述最大值、所述最小值和所述十分位点的数据量确定所述目标数据标签的验证结果。
[0026]在一些实施例，所述将所述目标数据标签嵌入到所述标签处理函数，生成所述目标数据标签的各个所述十分位点的数据量，包括：
[0027]将所述目标数据标签导入到YAML文件；
[0028]通过循环读取所述YAML文件中的目标数据标签，将所述目标数据标签输入至所述标签处理函数中，得到所述目标数据标签的各个所述十分位点的数据量。
[0029]在一些实施例，所述根据所述数据控制图和预设的阈值范围对所述目标数据标签的数据分布进行合理性判断，得到判断结果，所述判断结果包括判断所述目标数据标签是否属于异常数据标签，包括：
[0030]将所述数据控制图转换为正态分布图；
[0031]确定所述阈值范围在所述正态分布图的位置；
[0032]在确定所述目标数据标签在所述正态分布图中的所述阈值范围之外的情况下，判断所述目标数据标签属于异常数据标签。
[0033]在一些实施例，在所述根据所述数据控制图和预设的阈值范围对所述目标数据标签的数据分布进行合理性判断，得到判断结果，所述判断结果包括判断所述目标数据标签是否属于异常数据标签之后，还包括：
[0034]当判断所述目标数据标签属于异常数据标签，发出异常提示。
[0035]为实现上述目的，本申请实施例的第二方面提出了一种标签验证装置，所述装置包括：
[0036]获取模块，用于获取待验证的数据标签；
[0037]分类模块，用于对所述数据标签进行分类，筛选出数值类型的目标数据标签；
[0038]验证模块，用于将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，生成所述目标数据标签的验证结果；
[0039]生成模块，用于基于所述验证结果生成数据控制图；
[0040]判断模块，用于根据所述数据控制图和预设的阈值范围对所述目标数据标签的数
据分布进行合理性判断，得到判断结果，所述判断结果包括判断所述目标数据标签是否属于异常数据标签。
[0041]为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子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第一方面所述的方法。
[0042]为实现上述目的，本申请实施例的第四方面提出了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第一方面所述的方法。
[0043]本申请提出的标签验证方法和装置、电子设备及存储介质,获取待验证的数据标签；对数据标签进行分类，筛选出数值类型的目标数据标签；将目标数据标签批量输入至预设的十分位标签模型，生成目标数据标签的验证结果；基于验证结果生成数据控制图；根据数据控制图和预设的阈值范围对目标数据标签的数据分布进行合理性判断，得到判断结果，判断结果包括判断目标数据标签是否属于异常数据标签。基于此，通过从验证的数据标签中筛选出数值类型的目标数据标签，将目标数据标签进行十分法处理，将目标数据标签喂入十分位智能客户标签模型中，生成各目标数据标签在各个十分位的数据量，再数据控制图和预设的阈值范围对各目标数据标签的数据分布进行合理性判断，从而快速得出海量标签中的异常数据标签，相比于人力测试，本标签验证方法更快更准更全面，且可以避免漏测，对于异常数据标签，方便回本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种标签验证方法，其特征在于，所述方法包括：获取待验证的数据标签；对所述数据标签进行分类，筛选出数值类型的目标数据标签；将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，生成所述目标数据标签的验证结果；基于所述验证结果生成数据控制图；根据所述数据控制图和预设的阈值范围对所述目标数据标签的数据分布进行合理性判断，得到判断结果，所述判断结果包括判断所述目标数据标签是否属于异常数据标签。2.根据权利要求1所述的方法，其特征在于，所述获取待验证的数据标签，包括：连接预设的大数据集群；从所述大数据集群中读取需要进行验证的大宽表；查找与所述大宽表对应的表结构；从所述表结构中获取待验证的所述数据标签。3.根据权利要求1所述的方法，其特征在于，所述对所述数据标签进行分类，筛选出数值类型的目标数据标签，包括：识别所述数据标签的名称词根；将所述名称词根与预设的关键词进行核对，得到核对结果；根据所述核对结果筛选出数值类型的所述目标数据标签。4.根据权利要求1所述的方法，其特征在于，所述将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，生成所述目标数据标签的验证结果，包括：将所述目标数据标签批量输入至预设的十分位标签模型进行十分法验证处理，其中，所述十分位标签模型定义有标签处理函数；确定所述目标数据标签中的指标缺失数量、指标缺失占比、均值、最大值和最小值；将所述最大值和所述最小值之间的数值范围等分为十份，得到十分位点；将所述目标数据标签嵌入到所述标签处理函数，生成所述目标数据标签的各个所述十分位点的数据量；根据所述指标缺失数量、所述指标缺失占比、所述均值、所述最大值、所述最小值和所述十分位点的数据量确定所述目标数据标签的验证结果。5.根据权利要求4所述的方法，其特征在于，所述将所述目标数据标签嵌入到所述标签处理函数，生成所述目标数据标签的各个所述十分位点的数据量，包括：将所述目标数据标签导入...

【专利技术属性】
技术研发人员：范鹏丽，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：