【技术实现步骤摘要】
本文件涉及数据处理，尤其涉及一种资源流转处理方法及装置。
技术介绍
1、随着互联网技术的不断发展与用户生活水平的不断提高，越来越多的用户开始在各类机构进行资源的支还等流转操作，用户可通过资源进行各类活动，但随着越来越多的用户借助机构进行资源流转，部分用户也存在资源流转的滞后、不力等问题，使得提供资源的机构的运转出现部分问题，使得各机构面临着较大的压力。
技术实现思路
1、本说明书一个或多个实施例提供了一种资源流转处理方法，包括：对各用户的资源流转数据和用户身份数据进行特征提取以及特征合并，获得多个用户特征。根据各用户特征进行用户聚类获得所述各用户的特征类型标签，对所述特征类型标签进行特征转换获得所述各用户的类型特征。对所述各用户各自对应的用户特征和类型特征进行特征拼接获得各拼接特征，并对所述各拼接特征进行编码处理。进行编码后的特征的自注意力计算获得注意力特征，基于所述注意力特征进行用户类别预测获得所述各用户的用户类别，以按照所述用户类别对应的提醒策略进行资源流转提醒。
2、本说明书一个或多个实施例提供了一种分类模型的训练方法，包括：获取样本数据，对所述样本数据包含的多个样本用户的资源流转数据和用户身份数据进行特征提取以及特征合并获得多个样本特征。将所述样本特征输入待训练的分类模型进行用户类别预测，获得各样本用户的预测类别。根据所述各样本用户的标签与所述预测类别计算的损失对所述分类模型进行参数调整，以获得分类模型。其中，所述用户类别预测，包括：根据各样本特征进行用户聚类以
3、本说明书一个或多个实施例提供了一种资源流转处理装置，包括：特征处理模块，被配置为对各用户的资源流转数据和用户身份数据进行特征提取以及特征合并，获得多个用户特征。聚类模块，被配置为根据各用户特征进行用户聚类获得所述各用户的特征类型标签，对所述特征类型标签进行特征转换获得所述各用户的类型特征。编码模块，被配置为对所述各用户各自对应的用户特征和类型特征进行特征拼接获得各拼接特征，并对所述各拼接特征进行编码处理。类别预测模块，被配置为进行编码后的特征的自注意力计算获得注意力特征，基于所述注意力特征进行用户类别预测获得所述各用户的用户类别，以按照所述用户类别对应的提醒策略进行资源流转提醒。
4、本说明书一个或多个实施例提供了一种分类模型的训练装置，包括：样本特征处理模块，被配置为获取样本数据，对所述样本数据包含的多个样本用户的资源流转数据和用户身份数据进行特征提取以及特征合并获得多个样本特征。类别预测模块，被配置为将所述样本特征输入待训练的分类模型进行用户类别预测，获得各样本用户的预测类别。参数调整模块，被配置为根据所述各样本用户的标签与所述预测类别计算的损失对所述分类模型进行参数调整，以获得分类模型。其中，所述用户类别预测，包括：根据各样本特征进行用户聚类以及特征转换获得所述各样本用户的类型特征，拼接所述样本特征和所述类型特征，进行拼接后的特征的自注意力计算并通过获得的注意力特征进行用户类别预测获得所述预测类别。
5、本说明书一个或多个实施例提供了一种资源流转处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述处理器执行所述计算机可执行指令以实现以下流程：对各用户的资源流转数据和用户身份数据进行特征提取以及特征合并，获得多个用户特征。根据各用户特征进行用户聚类获得所述各用户的特征类型标签，对所述特征类型标签进行特征转换获得所述各用户的类型特征。对所述各用户各自对应的用户特征和类型特征进行特征拼接获得各拼接特征，并对所述各拼接特征进行编码处理。进行编码后的特征的自注意力计算获得注意力特征，基于所述注意力特征进行用户类别预测获得所述各用户的用户类别，以按照所述用户类别对应的提醒策略进行资源流转提醒。
6、本说明书一个或多个实施例提供了一种分类模型的训练设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述处理器执行所述计算机可执行指令以实现以下流程：获取样本数据，对所述样本数据包含的多个样本用户的资源流转数据和用户身份数据进行特征提取以及特征合并获得多个样本特征。将所述样本特征输入待训练的分类模型进行用户类别预测，获得各样本用户的预测类别。根据所述各样本用户的标签与所述预测类别计算的损失对所述分类模型进行参数调整，以获得分类模型。其中，所述用户类别预测，包括：根据各样本特征进行用户聚类以及特征转换获得所述各样本用户的类型特征，拼接所述样本特征和所述类型特征，进行拼接后的特征的自注意力计算并通过获得的注意力特征进行用户类别预测获得所述预测类别。
7、本说明书一个或多个实施例提供了一种计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：对各用户的资源流转数据和用户身份数据进行特征提取以及特征合并，获得多个用户特征。根据各用户特征进行用户聚类获得所述各用户的特征类型标签，对所述特征类型标签进行特征转换获得所述各用户的类型特征。对所述各用户各自对应的用户特征和类型特征进行特征拼接获得各拼接特征，并对所述各拼接特征进行编码处理。进行编码后的特征的自注意力计算获得注意力特征，基于所述注意力特征进行用户类别预测获得所述各用户的用户类别，以按照所述用户类别对应的提醒策略进行资源流转提醒。
8、本说明书一个或多个实施例提供了另一种计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：获取样本数据，对所述样本数据包含的多个样本用户的资源流转数据和用户身份数据进行特征提取以及特征合并获得多个样本特征。将所述样本特征输入待训练的分类模型进行用户类别预测，获得各样本用户的预测类别。根据所述各样本用户的标签与所述预测类别计算的损失对所述分类模型进行参数调整，以获得分类模型。其中，所述用户类别预测，包括：根据各样本特征进行用户聚类以及特征转换获得所述各样本用户的类型特征，拼接所述样本特征和所述类型特征，进行拼接后的特征的自注意力计算并通过获得的注意力特征进行用户类别预测获得所述预测类别。
本文档来自技高网...【技术保护点】
1.一种资源流转处理方法，所述方法包括：
2.根据权利要求1所述的资源流转处理方法，所述对各用户的资源流转数据和用户身份数据进行特征提取以及特征合并，获得多个用户特征，包括：
3.根据权利要求1所述的资源流转处理方法，所述根据各用户特征进行用户聚类获得所述各用户的特征类型标签，对所述特征类型标签进行特征转换获得所述各用户的类型特征，包括：
4.根据权利要求1所述的资源流转处理方法，所述对所述各拼接特征进行编码处理，包括：
5.根据权利要求1所述的资源流转处理方法，所述进行编码后的特征的自注意力计算获得注意力特征，包括：
6.根据权利要求1所述的资源流转处理方法，所述基于所述注意力特征进行用户类别预测获得所述各用户的用户类别，包括：
7.根据权利要求1所述的资源流转处理方法，所述提醒策略，包括下述至少一项：按照预设的提醒频次对用户进行资源流转的消息提醒策略，按照预设的提醒渠道对用户进行资源流转的消息提醒策略；
8.根据权利要求1所述的资源流转处理方法，所述各用户的资源流转数据和用户身份数据，采用如下
9.根据权利要求1所述的资源流转处理方法，所述资源流转处理方法应用于分类模型；
10.根据权利要求9所述的资源流转处理方法，所述用户样本数据，采用如下方式构建：
11.根据权利要求9所述的资源流转处理方法，所述对用户样本数据进行特征提取以及特征合并，包括：
12.一种分类模型的训练方法，包括：
13.根据权利要求12所述的分类模型的训练方法，所述对所述样本数据包含的多个样本用户的资源流转数据和用户身份数据进行特征提取以及特征合并获得多个样本特征，包括：
14.根据权利要求12所述的分类模型的训练方法，所述样本数据，采用如下方式构建：
15.根据权利要求12所述的分类模型的训练方法，所述根据各样本特征进行用户聚类以及特征转换获得所述各样本用户的类型特征，包括：
16.根据权利要求12所述的分类模型的训练方法，所述进行拼接后的特征的自注意力计算，包括：
17.根据权利要求12所述的分类模型的训练方法，所述通过获得的注意力特征进行用户类别预测获得所述预测类别，包括：
18.一种资源流转处理装置，包括：
19.一种分类模型的训练装置，包括：
20.一种资源流转处理设备，包括：
21.一种分类模型的训练设备，包括：
22.一种计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现权利要求1所述方法的步骤。
23.一种计算机可读存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现权利要求12所述方法的步骤。
...【技术特征摘要】
1.一种资源流转处理方法，所述方法包括：
2.根据权利要求1所述的资源流转处理方法，所述对各用户的资源流转数据和用户身份数据进行特征提取以及特征合并，获得多个用户特征，包括：
3.根据权利要求1所述的资源流转处理方法，所述根据各用户特征进行用户聚类获得所述各用户的特征类型标签，对所述特征类型标签进行特征转换获得所述各用户的类型特征，包括：
4.根据权利要求1所述的资源流转处理方法，所述对所述各拼接特征进行编码处理，包括：
5.根据权利要求1所述的资源流转处理方法，所述进行编码后的特征的自注意力计算获得注意力特征，包括：
6.根据权利要求1所述的资源流转处理方法，所述基于所述注意力特征进行用户类别预测获得所述各用户的用户类别，包括：
7.根据权利要求1所述的资源流转处理方法，所述提醒策略，包括下述至少一项：按照预设的提醒频次对用户进行资源流转的消息提醒策略，按照预设的提醒渠道对用户进行资源流转的消息提醒策略；
8.根据权利要求1所述的资源流转处理方法，所述各用户的资源流转数据和用户身份数据，采用如下方式获得：
9.根据权利要求1所述的资源流转处理方法，所述资源流转处理方法应用于分类模型；
10.根据权利要求9所述的资源流转处理方法，所述用户样本数据，采用如下方式构建：
11.根据权利要求...
【专利技术属性】
技术研发人员：杨双瑜，李凤，刘义，王伟，
申请(专利权)人：重庆蚂蚁消费金融有限公司，
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。