一种生成客户画像的方法、装置及设备与流程

1.本申请涉及大数据技术领域，特别涉及一种生成客户画像的方法、装置及设备。


背景技术：

2.随数字化技术的发展，构建信息全集成、客户全覆盖、关联全揭示、流程全支撑的企业级客户画像，对助力银行提供以客户为中心的精准金融服务有着非常重要的影响。
3.现有技术中，在构建客户画像时会存在客户画像中部分维度信息不完整的情况，从而需要人工逐一核实补充。然而，人工逐一核实补充方式在客户量较大时，不仅费事费力，而且容易出错，从而使生成的客户画像的准确度较低。
4.因此，业内亟需一种可以解决上述技术问题的技术方案。


技术实现要素：

5.本说明书实施例提供了一种生成客户画像的方法、装置及设备，可以自动填补客户画像中缺失的维度信息，使生成的客户画像的准确度更高、更全面。
6.本说明书提供的一种生成客户画像的方法、装置及设备是包括以下方式实现的。
7.一种生成客户画像的方法，包括：获取目标客户在多种模态下的信息；对每种模态下的信息进行转换，获得每种模态对应的特征信息；根据多种模态下每种模态对应的特征信息，确定所述目标客户的多模态数据关系网；基于所述多模态数据关系网对多种模态下的信息进行融合，获得所述目标客户的融合特征信息；根据所述融合特征信息和所述目标客户的标签信息，生成所述目标客户的画像。
8.一种生成客户画像的装置，包括：获取模块，用于获取目标客户在多种模态下的信息；转换模块，用于对每种模态下的信息进行转换，获得每种模态对应的特征信息；确定模块，用于根据多种模态下每种模态对应的特征信息，确定所述目标客户的多模态数据关系网；融合模块，用于基于所述多模态数据关系网对多种模态下的信息进行融合，获得所述目标客户的融合特征信息；生成模块，用于根据所述融合特征信息和所述目标客户的标签信息，生成所述目标客户的画像。
9.一种生成客户画像的设备，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。
10.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。
11.本说明书提供的一种生成客户画像的方法、装置及设备。一些实施例中可以获取目标客户在多种模态下的信息，对每种模态下的信息进行转换，获得每种模态对应的特征信息。还可以根据多种模态下每种模态对应的特征信息，确定目标客户的多模态数据关系网，基于多模态数据关系网对多种模态下的信息进行融合，获得目标客户的融合特征信息。进一步，根据融合特征信息和目标客户的标签信息，生成目标客户的画像。本说明书实施例不仅可以系统化整合并融合客户不同模态的数据，减轻人工工作量，降低人工整合核实不
同来源的数据的难度，而且可以在部分数据无法获取的情况下，通过数据间的内在关联关系预测客户画像标签，实现自动填补客户画像标签，从而使生成的客户画像的准确度更高、更全面。
附图说明
12.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，并不构成对本说明书的限定。在附图中：
13.图1是本说明书提供的一种生成客户画像的方法的一个实施例的流程示意图；
14.图2是本说明书提供的一种生成客户画像的装置的一个实施例的模块结构示意图；
15.图3是本说明书提供的一种生成客户画像的服务器的一个实施例的硬件结构框图。
具体实施方式
16.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书中的一部分实施例，而不是全部的实施例。基于本说明书中的一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例保护的范围。
17.下面以一个具体的应用场景为例对本说明书实施方案进行说明。具体的，图1是本说明书提供的一种生成客户画像的方法的一个实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。
18.本说明书提供的一种实施方案可以应用到客户端、服务器等中。所述客户端可以包括终端设备，如智能手机、平板电脑等。所述服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式系统的服务器结构等。
19.需要说明的是，下述实施例描述并不对基于本说明书的其他可扩展到的应用场景中的技术方案构成限制。具体的一种实施例如图1所示，本说明书提供的一种生成客户画像的方法的一种实施例中，所述方法可以包括以下步骤。
20.s0：获取目标客户在多种模态下的信息。
21.其中，目标客户可以是需要生成客户画像的任意一个客户。
22.一些实施例中，多种模态下的信息主要可以包括文字、视频、音频、图像等。当然，上述只是进行示例性说明，多种模态下的信息不限于上述举例，所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。
23.一些实施例中，客户在多种模态下的信息可以通过api(应用程序编程接口)与外系统对接采集，也可以通过前台业务系统采集，还可以通过爬网等方式采集，本说明书对此不做限定。
24.一些实施场景中，在采集获取客户在多种模态下的信息后，可以对采集的信息进
行预处理，从而去除冗余信息，使后续根据该信息生成的客户画像更加准确。其中，预处理可以包括清洗、筛选等。
25.一些实施场景中，每种模态下的信息可以包括一条或多条。例如，目标客户在多种模态下的信息可以包括文本50条、视频30条、音频20条、图像100条。
26.s2：对每种模态下的信息进行转换，获得每种模态对应的特征信息。
27.本说明书实施例中，在获取目标客户在多种模态下的信息后，可以对每种模态下的信息进行转换，获得每种模态对应的特征信息。其中，由于每种模态下的信息可以包括一条或多条，所以每种模态对应的特征信息可以包括一条或多条信息。
28.一些实施例中，所述对每种模态下的信息进行转换，获得每种模态对应的特征信息，可以包括：获取第一模态下的第一信息；对所述第一信息进行转换，获得所述第一信息对应的初始数值向量；根据所述初始数值向量，确定所述第一信息的位置向量；根据所述初始数值向量和所述位置向量，确定所述第一信息对应的输入向量；基于预设转换模型将所述输入向量转换为预设长度，获得所述第一信息的特征向量；基于所述第一模态下每条信息的特征向量，获得所述第一模态对应的特征信息。其中，第一模态可以使多种模态中的任意一种。第一信息可以使司仪模态下的任意一条信息。
29.一些实施场景中，获取第一模态下的第一信息后，可以将第一信息转换成数值形式，从而获得第一信息对应的初始数值向量。其中，本说明书实施例中对将第一信息转换成数值形式的方式不做限定。
30.由于文字、视频、音频等生成的数据流是有次序的，例如，视频每帧都是有前后次序的，所以为了使后续基于不同模态信息生成的客户画像更加准确，一些实施场景中，在将第一信息转换为初始数值向量后，可以根据初始数值向量，确定第一信息的位置向量。其中，位置向量中每个元素可以表示初始数值向量中每个元素的位置。
31.一些实施场景中，所述根据所述初始数值向量，确定所述第一信息的位置向量，可以包括：按顺序为所述初始数值向量中每个元素分配标识；获取目标元素的标识；在所述目标元素的标识为第一标识的情况下，根据第一预设方式确定所述目标元素的位置信息；在所述目标元素的标识为第二标识的情况下，根据第二预设方式确定所述目标元素的位置信息；按照每个元素的标识对所述初始数值向量中每个元素的位置信息进行排列，获得所述第一信息的位置向量。其中，为初始数值向量中每个元素分配的标识可以是从1开始递增的数字序号，这样，每个元素的标识可以表示该元素在初始数值向量中的维度。目标元素可以使初始数值向量中任意一个元素。第一标识可以是表示元素维度为奇数长度，第二标识可以表示元素维度为偶数长度。
32.一些实施场景中，在目标元素的标识为第一标识的情况下，可以根据下述方式确定目标元素的位置信息：
33.pe
(k,2j)
＝sin(k/10000
2j/l
)
34.其中，pe
(k,2j)
表示目标元素的位置信息，k表示目标元素的标识，2j表示偶数位置序号，l表示特征向量的长度。
35.一些实施场景中，在目标元素的标识为第二标识的情况下，可以根据下述方式确定目标元素的位置信息：
36.pe
(k,2j+1)
＝cos(k/10000
2j/l
)
37.其中，pe
(k,2j+1)
表示目标元素的位置信息，k表示目标元素的标识，2j+1表示奇数位置序号，l表示特征向量的长度。
38.一些实施场景中，在确定目标元素的位置信息后，可以按照每个元素的标识对初始数值向量中每个元素的位置信息进行排列，获得第一信息的位置向量。
39.一些实施场景中，在获得第一信息的位置向量后，可以根据初始数值向量和位置向量，确定第一信息对应的输入向量。进一步可以利用预设转换模型将输入向量转换为预设长度的特征向量。其中。预设长度的特征向量可以理解为是第一信息对应的特征信息。其中，预设长度可以实际场景进行设定，例如，可以是10、15等，本说明书对此不做限定。
40.一些实施场景中，预设转换模型可以是ffn模型。ffn模型用于将某一向量转换成固定长度的向量。
41.同样的，可以通过上述方式将第一模态下的每条信息都转换成对应的特征向量，从而获得第一模态对应的特征信息(也可以称为单模态特征信息)。类似的，可以通过上述方式获得每种模态对应的特征信息。其中，每种模态对应的特征信息中可以包括一条或多条特征向量，每条特征向量的长度相同。不同模态的特征信息中特征向量的长度相同。
42.一些实施场景中，在获得每种模态对应的特征信息后，可以按照每个特征向量的生成时间将特征信息中包括所有特征向量进行排序。一些实施场景中，在获得每种模态对应的特征信息后，也可以按照每个特征向量对应的采集信息的采集时间将特征信息中包括所有特征向量进行排序。其中，利用采集时间排序的结果与利用生成时间排序的结果相同。
43.下面以一个具体实施场景对上述实施方式进行说明。其中，目标客户的多种模态信息包括文字(f)、视频(o)、音频(a)、图像(i)四类，使用ffn模型将每种模态下的信息转换成长度为l的特征向量。
44.具体的，本实施例中，可以先分别将每个类别的信息转换为对应的初始数值向量，其中，文字初始数值向量记为v
input_f
，input_f＝1,
…
,f
′
，视频初始数值向量v
input_o
，input_o＝1,
…
,o
′
，音频初始数值向量记为v
input_a
，input_a＝1,
…
,a
′
，图像初始数值向量记为v
input_i
，input_i＝1,
…
,i
′
，f
′
表示文字初始数值向量的个数，o
′
表示视频初始数值向量的个数，a
′
表示音频初始数值向量的个数，i
′
表示图像初始数值向量的个数。其中，f
′
、o
′
、a
′
、i
′
可以相同，也可以不同。文字初始数值向量的长度、视频初始数值向量的长度、音频初始数值向量的长度、图像初始数值向量的长度可以相同，也可以不同。
45.进一步，可以根据初始数值向量，确定对应的位置向量。例如，对于初始数值向量v
input
＝[x1,
…
,x
k
]，可以根据每个元素对应维度确定相应的位置元素，获得对应的位置向量p＝[p1,
…
,p
k
]。其中，维度为偶数长度的元素sin，维度为奇数长度的元素取cos。例如，对于元素x2，其下标为对应的标识，即k＝2为偶数位，即2j＝2，此时可以利用pe
(k,2j)
＝sin(k/10000
2j/l
)计算x2对应的位置元素p2。对于元素x5，其下标为对应的标识，即k＝5为奇数位，即2j+1＝5，此时可以利用pe
(k,2j+1)
＝cos(k/10000
2j/l
)计算x5对应的位置元素p5。
[0046]
进一步，可以根据初始向量和对应的位置向量获得输入向量。例如可以根据v
input
+p＝[x1+p1,
…
,x
k
+p
k
]获得输入向量。
[0047]
进一步，可以利用ffn模型将输入向量转换为长度为l的特征向量。其中，文字类对应的特征向量可以记为v
f
，f＝1,
…
,f，视频类对应的特征向量可以记为v
o
，o＝1,
…
,o，音频类对应的特征向量可以记为v
a
，a＝1,
…
,a，图像类对应的特征向量可以记为v
i
，i＝1,
…
,i，
f表示文字类特征向量的个数，o表示视频类特征向量的个数，a表示音频类特征向量的个数，i表示图像类特征向量的个数。其中，f、o、a、i可以相同，也可以不同。由于可以将多条输入向量合并转换为一条特征向量，所以f与f
′
、o与o
′
、a与a
′
、i与i
′
可以相同，也可以不同。其中，文字类特征向量的长度、视频类特征向量的长度、音频类特征向量的长度、图像类特征向量的长度均为l。
[0048]
本实施例中，在获得每类对应的特征向量后，可以根据每个特征向量的生成时间将所有特征向量进行排序。
[0049]
本说明书实施例中，通过对每种模态下的信息进行转换可以使目标用户在不同模态下的信息转换为相同长度的特征向量，从而可以提高后续处理效率。
[0050]
s4：根据多种模态下每种模态对应的特征信息，确定所述目标客户的多模态数据关系网。
[0051]
本说明书实施例中，在获得每种模态对应的特征信息后，可以根据多种模态下每种模态对应的特征信息，确定目标客户的多模态数据关系网。
[0052]
一些实施例中，所述根据多种模态下每种模态对应的特征信息，确定所述目标客户的多模态数据关系网，可以包括：将每种模态下每条信息的特征向量作为一个点，获得与所述目标客户关联的点集；根据每个点的生成时间，确定边的方向信息；根据所述方向信息连接所述点集中的点，获得所述目标客户的多模态数据关系网。
[0053]
一些实施场景中，在获得每种模态对应的特征信息后，可以基于每种模态下每条信息的特征向量定义点和边，从而获得目标客户的多模态数据关系网。
[0054]
例如一些实施场景中，在获得文字类特征向量v
f
、视频类特征向量v
o
、音频类特征向量v
a
、图像类特征向量v
i
后，可以将不同的v
f
，v
o
，v
a
，v
i
定义为点，从而获得与目标客户关联的点集。
[0055]
一些实施场景中，可以将预先定义边的类别。预先定义的边的类别可以表示为其中，f、o、a、i分别表示文字类特征向量对应的点、视频类特征向量对应的点、音频类特征向量对应的点、图像类特征向量对应的点。
[0056]
一些实施场景中，在定义好边的类别后，可以根据每个点的生成时间，确定边的方向信息。其中，方向信息表示边的指向。本实施例中，边的指向可以由生成时间早的点指向生成时间晚的点。
[0057]
一些实施场景中，在定义好边的类别后，还可以为每个类别的边分配一个权重。
[0058]
一些实施场景中，在确定点、边、边的指向后，可以基于这些信息连接点边关系，得到每个客户的多模态数据关系网。
[0059]
s6：基于所述多模态数据关系网对多种模态下的信息进行融合，获得所述目标客户的融合特征信息。
[0060]
本说明书实施例中，在获得目标客户的多模态数据关系网后，可以基于多模态数据关系网对多种模态下的信息进行融合，获得目标客户的融合特征信息。
[0061]
一些实施例中，所述基于所述多模态数据关系网对多种模态下的信息进行融合，获得所述目标客户的融合特征信息，可以包括：获取所述多模态数据关系网中与目标点对
应的关联点集；其中，所述关联点集中每个点的生成时间与所述目标点的生成时间满足预设关系；根据所述目标点对应的特征向量和所述关联点集中每个关联点的特征向量，确定所述目标点的多模态特征向量；基于所述多模态数据关系网中每个点的多模态特征向量，确定所述目标客户的融合特征信息。
[0062]
其中，目标点可以是多模态数据关系网中任意一个点。与目标点对应的关联点集中可以包括一个或多个与目标点关联的点。
[0063]
一些实施场景中，所述关联点集中每个点的生成时间与所述目标点的生成时间满足的预设关系可以理解为以目标点的生成时间为起始点，关联点集中每个点的生成时间均在该起始点到预设时间点的范围内。例如，目标点的生成时间为1月3日，预设时间点为1月6日，那么在1月3日
‑
1月6日之内生成的文字类特征向量、视频类特征向量、音频类特征向量、图像类特征向量均是与目标点关联的点，这些点组成的集合为与目标点对应的关联点集。
[0064]
一些实施场景中，所述根据所述目标点对应的特征向量和所述关联点集中每个关联点的特征向量，确定所述目标点的多模态特征向量前，可以包括：根据所述关联点集，确定与所述目标点对应的关联边集；根据预先为每个类别的边分配的权重，确定所述关联边集中每条边的权重；对所述关联边集中每条边的权重进行归一化处理，获得所述关联边集中每条边的归一化权重。
[0065]
一些实施场景中，可以将目标点记为dot
d
，其对应的关联点集可以记为n
d
＝{dot
d,1
,
…
,dot
d,n
}，dot
d,1
表示第一个关联点，dot
d,n
表示第n个关联点。这样，将目标点与关联点集中每个点的连线作为一条边，所有边组成的集合可以理解为与目标点对应的关联边集。
[0066]
一些实施场景中，在确定与目标点对应的关联点集后，可以根据预先为每个类别的边分配的权重，确定关联边集中每条边的权重。进一步可以根据下述公式对关联边集中每条边的权重进行归一化处理：
[0067][0068]
其中，β
d,n
表示目标点与n
d
中第n个关联点对应边的归一化权重，表示目标点dot
d
与n
d
中第n个关联点对应边的之间{φ,π}类关系的权重，φ∈φ，π表示边的指向，目标点dot
d
与n
d
中第n
′
个关联点对应边的之间{φ,π}类关系的权重。
[0069]
一些实施场景中，获得关联边集中每条边的归一化权重后，可以按照下述方式确定所述目标点的多模态特征向量：
[0070][0071]
其中，mv
d,v
表示目标点的多模态特征向量，v
d,v
表示目标点对应的特征向量，n表示序号、n
d
表示与目标点对应的关联边集、β
d,n
表示目标点与n
d
中第n个关联点对应边的归一化权重，v
d,n,v
表示关联点集中第n个关联点的特征向量，mv
d,v,1
表示多模态特征向量中第一个元素，mv
d,v,l
表示多模态特征向量中第l个元素，l表示向量长度，v∈{f,o,a,i}，f、o、a、i分别表示文字类特征向量对应的点、视频类特征向量对应的点、音频类特征向量对应的点、图
像类特征向量对应的点。
[0072]
相似的，可以通过上述类似方式获得多模态数据关系网中每个点的多模态特征向量，进而将多模态数据关系网中所有点对应的多模态特征向量进行融合处理，获得目标客户的融合特征信息。
[0073]
一些实施场景中，可以通过下述方式确定目标客户的融合特征信息：
[0074][0075]
其中，g
g
表示目标客户的融合特征信息，mv
d,v
表示一个点的多模态特征向量，conunt函数用于统计多模态数据关系网中多模态特征向量的数量，∑mv
d,v
表示多模态数据关系网中所有点的多模态特征向量之和。
[0076]
s8：根据所述融合特征信息和所述目标客户的标签信息，生成所述目标客户的画像。
[0077]
本说明书实施例中，在获得目标客户的融合特征信息后，可以根据融合特征信息和目标客户的标签信息，生成目标客户的画像。
[0078]
一些实施例中，所述根据所述融合特征信息和所述目标客户的标签信息，生成所述目标客户的画像，可以包括：获取所述目标客户的标签信息；其中，所述标签信息中包括第一标签和第二标签，所述第一标签有标签值，所述第二标签无标签值；根据所述第一标签对应的字典值和所述第一标签对应的标签值，获得所述第一标签对应的标签向量；基于所述第一标签对应的标签向量与所述融合特征信息，确定所述第二标签对应的标签向量；将所述第一标签对应的标签向量与所述第二标签对应的标签向量合并，生成所述目标客户的画像。
[0079]
一些实施场景中，标签信息可以是预先设定描述客户画像的标签指标，例如，性别、年龄、购物偏好、教育程度、资产水平、投资偏好等。
[0080]
由于预先设定的标签指标对于一个客户来说，可能一部分有标签值，一部分没有标签值，这样就会存在客户画像中部分维度信息不完整的情况。为了使生成的客户画像更加完整、准确度更高，一些实施场景中，利用onehotvector将有标签值的标签指标转化成标签向量。例如，以性别为例，一般性别有三个字典值：男、女、未知，则onehotvector长度为三，假设目标客户的性别女，则利用onehotvector将性别标签转化后的标签向量为[0,1,0]。其中，每个标签指标对应的字典值可以根据实际业务确定。
[0081]
一些实施场景中，在确定有标签值的标签指标对应的标签向量(以下简称“已知标签”)后，可以基于标签向量与融合特征信息，确定无标签值的标签指标对应的标签向量。其中，以下将有标签值的标签指标对应的标签向量简称为“已知标签”，将无标签值的标签指标对应的标签向量简称为“缺失标签”。
[0082]
一些实施场景中，可以基于随机森林模型，利用标签指标均有标签值的客户的标签信息和对应的融合特征信息预先训练模型，获得对应的标签预测模型。
[0083]
例如，客户的标签指标数量为三个，对应的标签向量分别可以记为：则可以根据上述方式获得每个客户的融合特征信息g
g
，然后将g
g
分别与其中两个标签向量合并，训练随机森林模型，
获得模型1、模型2、模型3，然后利用模型1、模型2、模型3分别预测剩余一个标签向量。其中，模型1的输入为g
g
与v
a,g
、v
b,g
合并后的向量，记为相应的，可以利用模型1预测v
c,g
；模型2的输入为g
g
与v
a,g
、v
c,g
合并后的向量，记为相应的，可以利用模型2预测预测v
b,g
；模型3的输入为g
g
与v
b,g
、v
c,g
合并后的向量，记为相应的，可以利用模型3预测预测v
a,g
。可以表示维度扩展，例如，g
g
为[1,2,3]、v
a,g
为[3,4,5]、v
b,g
为[6,7]，则为[1,2,3,3,4,5,6,7]。需要说明的是，一些实施场景中，训练标签预测模型时，通常利用n
‑
1个标签向量和融合特征信息合并训练，然后预测剩余1个标签向量。其中，n表示标签向量的总数量。当然，上述只是进行示例性说明，本说明书实施例不限于上述举例，例如可以利用n个标签向量中比较重要的k个向量与融合特征信息合并训练模型，然后预测剩余标签向量中比较重要的m个标签向量(其中n表示标签向量的总数量，k与m的和小于等于n)，所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。此外，训练的模型数量可以根据实际场景确定，例如，总共有3个标签向量，但训练的模型可以是3个、2个或1个，本说明书对此不做限定。
[0084]
一些实施场景中，在获得标签预测模型后，可以基于标签预测模型，利用目标客户的已知标签和融合特征信息预测目标客户的缺失标签。
[0085]
例如，目标客户的三个标签向量分别为v
a,g
，v
b,g
，v
c,g
，假设v
a,g
为已知标签，v
b,g
、v
c,g
为缺失标签，则可以将目标客户的融合特征信息g
g
与v
a,g
合并(其中，合并结果可以记为)输入模型1，获得v
c,g,0
，将目标客户的融合特征信息g
g
与v
a,g
合并(其中，合并结果可以记为)输入模型2，获得v
b,g，0
。其中，v
c,g,0
、v
b,g，0
分别表示初始预测获得的结果。
[0086]
进一步，可以设v
a,g，0
＝v
a,g
，循环q轮，每一轮用前一轮得到的v
b,g,q
、v
c,g,q
，分别带入模型1、模型2、模型3，即，在模型1输入预测v
c,g,q
，在模型输入预测v
b,g,q
，在模型3输入预测v
a,g,q
，其中，q表示循环轮数。
[0087]
当|v
a,g,q
‑
v
a,g
|≤ε时，表示预测完成，此时可以得到客户缺失标签，即v
b,g
＝v
b,g,q
，v
c,g
＝v
c,g,q
。其中，ε可以根据实际场景设定，本说明书对此不作限定。
[0088]
一些实施场景中，在得到客户缺失标签后，可以将缺失标签v
b,g
，v
c,g
与已知标签v
a,g
合并，得到完整的客户标签体系，即v
a,g
、v
b,g
，v
c,g
的值可以表示目标客户的画像。
[0089]
本说明书实施例可以应用于客户画像的标签预测和补全中。
[0090]
本说明书实施例，通过系统化整合并融合客户不同模态的数据，不仅可以减轻人工工作量，降低人工整合核实不同来源的数据的难度，而且可以在部分数据无法获取的情况下，通过数据间的内在关联关系预测客户画像标签，实现自动填补客户画像标签，从而使生成的客户画像的准确度更高、更全面。
[0091]
本说明书实施例中，通过自动整合采集到的语音、文字、图像、视频等不同模态的
数据，可以自动填补客户画像中缺失的维度，生成完整的客户画像，从而解决部分信息可能无法向直接客户采集获得、人工完成难度高等问题。
[0092]
本说明书实施例中，通过对客户多种模态数据进行融合互补，可以提高生成的客户画像的质量，为银行提供千人千面的金融服务提供支持。
[0093]
当然，上述只是进行示例性说明，本说明书实施例不限于上述举例，所属领域技术人员在本申请技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本申请相同或相似，均应涵盖于本申请保护范围内。
[0094]
从以上的描述中，可以看出，本申请实施例可以获取目标客户在多种模态下的信息，对每种模态下的信息进行转换，获得每种模态对应的特征信息。还可以根据多种模态下每种模态对应的特征信息，确定目标客户的多模态数据关系网，基于多模态数据关系网对多种模态下的信息进行融合，获得目标客户的融合特征信息。进一步，根据融合特征信息和目标客户的标签信息，生成目标客户的画像。本说明书实施例不仅可以系统化整合并融合客户不同模态的数据，减轻人工工作量，降低人工整合核实不同来源的数据的难度，而且可以在部分数据无法获取的情况下，通过数据间的内在关联关系预测客户画像标签，实现自动填补客户画像标签，从而使生成的客户画像的准确度更高、更全面。
[0095]
本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参照即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
[0096]
基于上述所述一种生成客户画像的方法，本说明书一个或多个实施例还提供一种生成客户画像的装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0097]
具体地，图2是本说明书提供的一种生成客户画像的装置的一个实施例的模块结构示意图，如图2所示，本说明书提供的一种生成客户画像的装置可以包括：获取模块120，转换模块122，确定模块124，融合模块126，生成模块128。
[0098]
获取模块120，可以用于获取目标客户在多种模态下的信息；
[0099]
转换模块122，可以用于对每种模态下的信息进行转换，获得每种模态对应的特征信息；
[0100]
确定模块124，可以用于根据多种模态下每种模态对应的特征信息，确定所述目标客户的多模态数据关系网；
[0101]
融合模块126，可以用于基于所述多模态数据关系网对多种模态下的信息进行融合，获得所述目标客户的融合特征信息；
[0102]
生成模块128，可以用于根据所述融合特征信息和所述目标客户的标签信息，生成所述目标客户的画像。
[0103]
需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方
式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
[0104]
本说明书还提供一种生成客户画像的设备的实施例，包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：获取目标客户在多种模态下的信息；对每种模态下的信息进行转换，获得每种模态对应的特征信息；根据多种模态下每种模态对应的特征信息，确定所述目标客户的多模态数据关系网；基于所述多模态数据关系网对多种模态下的信息进行融合，获得所述目标客户的融合特征信息；根据所述融合特征信息和所述目标客户的标签信息，生成所述目标客户的画像。
[0105]
需要说明的，上述所述的设备根据方法或装置实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
[0106]
本说明书所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图3是本说明书提供的一种生成客户画像的服务器的一个实施例的硬件结构框图，该服务器可以是上述实施例中的生成客户画像的装置或生成客户画像的设备。如图3所示，服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器10还可包括比图3中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、gpu，或者具有与图3所示不同的配置。
[0107]
存储器200可用于存储应用软件的软件程序以及模块，如本说明书实施例中的生成客户画像的方法对应的程序指令/模块，处理器100通过运行存储在存储器200内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器200可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0108]
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输模块300包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块300可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
[0109]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0110]
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质可以包括：利用电能方式
存储信息的装置如，各式存储器，如ram、rom等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘；利用光学方式存储信息的装置如，cd或dvd。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
[0111]
本说明书提供的上述生成客户画像的方法或装置实施例可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在pc端实现、linux系统实现，或其他例如使用android、ios系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。
[0112]
需要说明的是说明书上述所述的装置、设备、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。
[0113]
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参照即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0114]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把部分模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。
[0115]
本发明是参照根据本发明实施例的方法、装置、设备、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，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指定的功能的装置。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。
[0116]
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例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。
[0117]
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。