【技术实现步骤摘要】
本申请涉及人工智能开发与金融科技领域，尤其涉及基于人工智能的标签生成方法、装置、计算机设备及存储介质。
技术介绍
1、当今的商业环境中，银行交易流水数据已成为企业金融活动不可或缺的重要记录。这些数据不仅详细记录了企业的资金流向，还蕴含着丰富的信息，对于企业的运营决策、财务健康评估以及银行的金融服务优化等方面都具有极高的应用价值。资金归集交易，作为银行交易流水中的一种关键类型，特指企业将其在不同银行账户上的资金，按照预设的规则或条件，自动或手动归集到某一指定账户上的行为。此类交易对于银行而言，不仅是客户资金流动的重要标识，更是银行进行客户画像构建、金融服务产品定制以及风险控制策略优化的重要依据。
2、目前，市场上已存在多种针对资金归集交易进行挖掘和打标的技术方案，其中最为常见的是基于规则的挖掘方法。这类方法通常依赖于人工设定的规则集，通过对交易数据的特征进行匹配和筛选，以识别出资金归集交易。然而，随着银行业务的不断拓展和客户需求的日益多样化，资金归集交易的形式和特征也在不断变化。传统的规则模型往往难以适应这种快速的变化，导致在面对新类型的资金归集交易时，可能出现识别失败或漏识别的情形。另外，规则模型的更新和优化通常需要依赖人工干预，这不仅增加了运营成本，还可能导致模型更新不及时，进一步降低了资金归集交易标签识别的准确性。
技术实现思路
1、本申请实施例的目的在于提出一种基于人工智能的标签生成方法、装置、计算机设备及存储介质，以解决现有的基于规则模型的资金归集交易标签识别方
2、为了解决上述技术问题，本申请实施例提供一种基于人工智能的标签生成方法，采用了如下所述的技术方案：
3、采集各子系统中的账户交易流水数据，并基于所述账户交易流水数据构建对应的视图；其中，所述视图至少包括交易客户视图；
4、基于预设的资金归集识别模型对所述账户交易流水数据进行资金归集交易识别，得到对应的第一资金归集交易；
5、构建与所述第一资金归集交易对应的归集标签集；
6、从所述归集标签集中筛选出与指定关键字匹配的指定标签集，并筛选出与所述指定标签集对应的第二资金归集交易；
7、基于所述交易客户视图从所述账户交易流水数据中筛选出疑似资金归集交易，并对所述第二资金归集交易与所述疑似资金归集交易进行合并得到对应的第三资金归集交易；
8、基于预设的交易判定模型对所述第三资金归集交易进行交易分析，得到对应的第四资金归集交易；
9、对所述第一资金归集交易与所述第四资金归集交易进行合并，得到对应的第五资金归集交易；
10、对第五资金归集交易进行打标签处理，得到对应的目标交易标签。
11、进一步的，所述基于所述账户交易流水数据构建对应的视图的步骤，具体包括：
12、对所述账户交易流水数据进行清洗处理，得到对应的指定账户交易流水数据；
13、调用预设的交易维度；
14、基于预设的数据编织策略，将所述指定账户交易流水数据按照所述交易维度进行组织处理，得到与所述交易维度对应的视图。
15、进一步的，所述构建与所述第一资金归集交易对应的归集标签集的步骤，具体包括：
16、获取所述第一资金归集交易中的交易内容；
17、对所述交易内容进行分词，得到对应的分词结果；
18、对所述分词结果进行词性标注，得到对应的词性标注结果；
19、基于所述词性标注结果，调用预设的业务标注规则对所述交易内容进行打标处理，得到所述归集标签集。
20、进一步的，所述从所述归集标签集中筛选出与指定关键字匹配的指定标签集的步骤，具体包括：
21、调用预设的相似度算法；
22、基于所述相似度算法计算所述归集标签集中每个标签与所述指定关键字之间的相似度；
23、从所有所述相似度中筛选出大于预设的相似度阈值的目标相似度；
24、从所述归集标签集中筛选出与所述目标相似度对应的目标标签；
25、基于所述目标标签生成所述指定标签集。
26、进一步的，所述基于所述交易客户视图从所述账户交易流水数据中筛选出疑似资金归集交易的步骤，具体包括：
27、基于所述交易客户视图查询出与指定交易对应的交易对手信息；其中，所述指定交易为所述账户交易流水数据包含的所有交易中的任意一个交易；
28、调用预设的识别规则；
29、基于所述识别规则对所述交易对手信息进行分析，判断所述交易对手信息是否符合资金归集交易的条件；
30、若是，将所述指定交易标记为疑似资金归集交易，否则将所述指定交易标记为非资金归集交易。
31、进一步的，所述视图还包括交易账户视图与交易机构视图；在所述基于预设的交易判定模型对所述第三资金归集交易进行交易分析，得到对应的第四资金归集交易的步骤之前，还包括：
32、基于所述交易账户视图、所述交易机构视图以及所述交易客户视图构建对应的交易样本数据；
33、将所述交易样本数据划分为训练集与测试集；
34、调用预设的深度学习模型；
35、基于预设的训练策略，使用所述训练集对所述深度学习模型进行训练处理，得到训练好的指定模型；
36、基于所述测试集对所述指定模型进行验证；
37、若所述指定模型通过验证，则将所述指定模型作为所述交易判定模型。
38、进一步的，所述基于所述交易账户视图、所述交易机构视图以及所述交易客户视图构建对应的交易样本数据的步骤，具体包括：
39、对所述交易账户视图、所述交易机构视图以及所述交易客户视图进行数据收集，得到对应的初始数据；
40、对所述初始数据进行数据清洗，得到对应的处理数据；
41、对所述处理数据进行特征提取，得到对应的特征数据；
42、对所述特征数据进行预处理，得到处理后的特征数据；
43、将所述处理后的特征数据作为所述交易样本数据。
44、为了解决上述技术问题，本申请实施例还提供一种基于人工智能的标签生成装置，采用了如下所述的技术方案：
45、第一构建模块，用于采集各子系统中的账户交易流水数据，并基于所述账户交易流水数据构建对应的视图；其中，所述视图至少包括交易客户视图；
46、识别模块，用于基于预设的资金归集识别模型对所述账户交易流水数据进行资金归集交易识别，得到对应的第一资金归集交易；
47、第二构建模块，用于构建与所述第一资金归集交易对应的归集标签集；
48、第一筛选模块，用于从所述归集标签集中筛选出与指定关键字匹配的指定标签集，并筛选出与所述指定标签集对应的第二资金归集交易；
49、第二筛选模块，用于基于所述交易客户视图从所述账户交易流水数据中筛选出疑似资金归集交易本文档来自技高网...
【技术保护点】
1.一种基于人工智能的标签生成方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述基于所述账户交易流水数据构建对应的视图的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述构建与所述第一资金归集交易对应的归集标签集的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述从所述归集标签集中筛选出与指定关键字匹配的指定标签集的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述基于所述交易客户视图从所述账户交易流水数据中筛选出疑似资金归集交易的步骤，具体包括：
6.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述视图还包括交易账户视图与交易机构视图；在所述基于预设的交易判定模型对所述第三资金归集交易进行交易分析，得到对应的第四资金归集交易的步骤之前，还包括：
7.根据权利要求6所述的基于人工智能的标签生成方法，其特征在于，所述基于所述交易账户视图、
8.一种基于人工智能的标签生成装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的标签生成方法的步骤。
10.一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可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的标签生成方法的步骤。
...【技术特征摘要】
1.一种基于人工智能的标签生成方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述基于所述账户交易流水数据构建对应的视图的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述构建与所述第一资金归集交易对应的归集标签集的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述从所述归集标签集中筛选出与指定关键字匹配的指定标签集的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述基于所述交易客户视图从所述账户交易流水数据中筛选出疑似资金归集交易的步骤，具体包括：
6.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述视图还包括交易账户视图与交易机...
【专利技术属性】
技术研发人员：刘文渊，张博，田鸥，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。