一种金融产品推荐话术生成方法及装置与流程

1.本技术涉及人工智能领域，可以用于金融领域，具体是一种金融产品推荐话术生成方法。


背景技术：

2.在金融领域中，金融产品说明书的种类多种多样，产品经理为了解待推荐给客户的金融产品，需要阅读其对应的金融产品说明书。然而，金融产品说明书的文字量一般较大，影响推荐过程的关键信息很容易被淹没。
3.目前，提取上述关键信息的方式主要有以下两种：第一，人工提取，所需人力成本较高；第二，利用应用程序接口直接对产品说明书文件进行操作，通过底层程序设定数据提取规则，提取相关信息，但这种方法在信息提取时，需要根据产品说明书种类的不同，编写底层程序，一旦有新类型的产品说明书上线，需要重新编写相关提取代码，技术门槛高。在不能自动化提取金融产品说明书内的关键信息的情况下，自动生成金融产品对应的推荐话术更是无从谈起。


技术实现要素：

4.针对现有技术中的问题，本技术提供一种金融产品推荐话术生成方法及装置，能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术。
5.为解决上述技术问题，本技术提供以下技术方案：
6.第一方面，本技术提供一种金融产品推荐话术生成方法，包括：
7.根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息；
8.根据所述金融产品信息、预先构建的金融产品推荐度生成模型及待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度；
9.将所述金融产品信息及所述金融产品推荐度写入预先构建的标准话术模板，得到对应的金融产品推荐话术。
10.进一步地，所述根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息，包括：
11.利用应用程序接口读取所述待解析的金融产品说明文本中的全量数据，得到对应的目标元数据集；
12.根据预设的解析关键词对所述待解析的金融产品说明文本进行颜色标注，得到含颜色标签的金融产品说明文本；
13.按照所述规则元数据集中的规则遍历所述目标元数据集，并读取所述规则所规定的金融产品信息；其中，所述规则基于所述颜色标签设置。
14.进一步地，所述根据所述金融产品信息、预先构建的金融产品推荐度生成模型及
待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度，包括：
15.根据所述金融产品信息计算所述金融产品的预期净值及预期净值收益率；
16.将所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率输入所述金融产品推荐度生成模型，生成所述金融产品针对该待推荐客户的金融产品推荐度。
17.进一步地，所述根据所述金融产品信息计算所述金融产品的预期净值及预期净值收益率，包括：
18.从所述金融产品信息中获取所述金融产品的历史净值序列；
19.根据所述历史净值序列计算对应的历史净值收益率序列；
20.利用时间序列分析算法拟合所述历史净值序列及所述历史净值收益率序列，得到所述预期净值及预期净值收益率。
21.进一步地，所述将所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率输入所述金融产品推荐度生成模型，生成所述金融产品针对该待推荐客户的金融产品推荐度，包括：
22.根据所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成对应的推荐参数特征集；
23.将所述推荐参数特征集输入所述金融产品推荐度生成模型，生成所述金融产品针对所述待推荐客户的金融产品推荐度。
24.进一步地，构建所述金融产品推荐度生成模型的步骤，包括：
25.根据各客户的金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成各客户对应的推荐参数历史特征集；
26.根据各客户针对该金融产品的购买结果对各推荐参数历史特征集进行正负样本标记；
27.将所述正负样本标记结果及所述推荐参数历史特征集输入分布式梯度提升模型进行训练，得到所述金融产品推荐度生成模型。
28.进一步地，所述金融产品推荐话术生成方法，还包括：
29.采集金融产品客户经理使用所述金融产品推荐话术向所述待推荐客户推荐对应的金融产品时的音频数据，并生成对应的音频转换文本；
30.比对所述音频转换文本与所述金融产品推荐话术，并基于比对结果进行预警处理。
31.进一步地，所述的金融产品推荐话术生成方法，所述比对所述音频转换文本与所述金融产品推荐话术，并基于比对结果进行预警处理，包括：
32.将所述音频转换文本输入bert模型进行语义解析，得到对应的第一分句标签；
33.将所述金融产品推荐话术输入所述bert模型进行语义解析，得到对应的第二分句标签；
34.比对所述第一分句标签与所述第二分句标签，若不一致，进行预警。
35.第二方面，本技术提供一种金融产品推荐话术生成装置，包括：
36.金融产品信息生成单元，用于根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息；
37.推荐度计算单元，用于根据所述金融产品信息、预先构建的金融产品推荐度生成模型及待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度；
38.推荐话术单元，用于将所述金融产品信息及所述金融产品推荐度写入预先构建的标准话术模板，得到对应的金融产品推荐话术。
39.进一步地，所述金融产品信息生成单元，包括：
40.目标元数据集生成模块，用于利用应用程序接口读取所述待解析的金融产品说明文本中的全量数据，得到对应的目标元数据集；
41.颜色标签生成模块，用于根据预设的解析关键词对所述待解析的金融产品说明文本进行颜色标注，得到含颜色标签的金融产品说明文本；
42.产品信息提取模块，用于按照所述规则元数据集中的规则遍历所述目标元数据集，并读取所述规则所规定的金融产品信息；其中，所述规则基于所述颜色标签设置。
43.进一步地，所述推荐度计算单元，包括：
44.净值参数计算模块，用于根据所述金融产品信息计算所述金融产品的预期净值及预期净值收益率；
45.推荐度计算模块，用于将所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率输入所述金融产品推荐度生成模型，生成所述金融产品针对该待推荐客户的金融产品推荐度。
46.进一步地，所述净值参数计算模块，包括：
47.历史净值序列生成模块，用于从所述金融产品信息中获取所述金融产品的历史净值序列；
48.历史净值收益率序列生成模块，用于根据所述历史净值序列计算对应的历史净值收益率序列；
49.净值参数预期模块，用于利用时间序列分析算法拟合所述历史净值序列及所述历史净值收益率序列，得到所述预期净值及预期净值收益率。
50.进一步地，所述推荐度计算模块，包括：
51.参数特征集生成子模块，用于根据所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成对应的推荐参数特征集；
52.推荐度计算子模块，用于将所述推荐参数特征集输入所述金融产品推荐度生成模型，生成所述金融产品针对所述待推荐客户的金融产品推荐度。
53.进一步地，所述金融产品推荐话术生成装置，还包括：
54.参数历史特征集生成单元，用于根据各客户的金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成各客户对应的推荐参数历史特征集；
55.样本标记单元，用于根据各客户针对该金融产品的购买结果对各推荐参数历史特征集进行正负样本标记；
56.模型训练单元，用于将所述正负样本标记结果及所述推荐参数历史特征集输入分布式梯度提升模型进行训练，得到所述金融产品推荐度生成模型。
57.进一步地，所述金融产品推荐话术生成装置，还包括：
58.音频转换单元，用于采集金融产品客户经理使用所述金融产品推荐话术向所述待
推荐客户推荐对应的金融产品时的音频数据，并生成对应的音频转换文本；
59.比对预警单元，用于比对所述音频转换文本与所述金融产品推荐话术，并基于比对结果进行预警处理。
60.进一步地，所述比对预警单元，包括：
61.第一分句打标模块，用于将所述音频转换文本输入bert模型进行语义解析，得到对应的第一分句标签；
62.第二分句打标模块，用于将所述金融产品推荐话术输入所述bert模型进行语义解析，得到对应的第二分句标签；
63.比对预警模块，用于比对所述第一分句标签与所述第二分句标签，若不一致，进行预警。
64.第三方面，本技术提供一种电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述金融产品推荐话术生成方法的步骤。
65.第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述金融产品推荐话术生成方法的步骤。
66.第五方面，本技术提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述金融产品推荐话术生成方法的步骤。
67.针对现有技术中的问题，本技术提供的金融产品推荐话术生成方法及装置，能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术；将基于颜色标签的金融产品信息提取方法与金融产品推荐度生成模型相结合，能够对金融产品说明文本进行解析，并为金融产品客户经理提供金融产品推荐话术，甚至还能针对金融产品客户经理运用金融产品推荐话术向客户进行金融产品推荐时可能出现的口误提出预警；从而引导客户适应和接受金融产品的净值化转型，合理评估自身风险的承受能力，提升客户投资体验。
附图说明
68.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
69.图1为本技术实施例中金融产品推荐话术生成方法的流程图之一；
70.图2为本技术实施例中得到对应的金融产品信息的流程图；
71.图3为本技术实施例中确定对应的金融产品推荐度的流程图；
72.图4为本技术实施例中计算金融产品的预期净值及预期净值收益率的流程图；
73.图5为本技术实施例中生成金融产品针对该待推荐客户的金融产品推荐度的流程图；
74.图6为本技术实施例中构建金融产品推荐度生成模型的流程图；
75.图7为本技术实施例中金融产品推荐话术生成方法的流程图之二；
76.图8为本技术实施例中进行预警处理的流程图；
77.图9为本技术实施例中金融产品推荐话术生成装置的结构图之一；
78.图10为本技术实施例中金融产品信息生成单元的结构图；
79.图11为本技术实施例中推荐度计算单元的结构图；
80.图12为本技术实施例中净值参数计算模块的结构图；
81.图13为本技术实施例中推荐度计算模块的结构图；
82.图14为本技术实施例中金融产品推荐话术生成装置的结构图之二；
83.图15为本技术实施例中金融产品推荐话术生成装置的结构图之三；
84.图16为本技术实施例中比对预警单元的结构图；
85.图17为本技术实施例中的电子设备的结构示意图；
86.图18为本技术实施例中金融产品推荐话术生成方法的流程示意图；
87.图19为本技术实施例中模型训练示意图之一；
88.图20为本技术实施例中模型训练示意图之二。
具体实施方式
89.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
90.需要说明的是，本技术提供的金融产品推荐话术生成方法及装置，可用于金融领域，也可用于除金融领域之外的任意领域，本技术提供的金融产品推荐话术生成方法及装置的应用领域不做限定。
91.本技术技术方案中对数据的获取、存储、使用及处理等均符合国家法律法规的相关规定。
92.一实施例中，参见图1，为了能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术，本技术提供一种金融产品推荐话术生成方法。该方法首先基于颜色标签提取金融产品说明文本中的金融产品信息，然后基于该金融产品信息生成金融产品的推荐话术，以使金融产品客户经理能够按照该推荐话术向待推荐客户(该金融产品的潜在购买客户) 推荐该金融产品。
93.需要说明的是，在生成金融产品的推荐话术时，本技术提供的金融产品推荐话术生成方法是将颜色标注法与金融产品推荐度生成模型相结合，对金融产品说明文本进行解析，并为金融产品客户经理提供金融产品推荐话术，后续还会通过文本比对技术，针对金融产品客户经理在运用该金融产品推荐话术向待推荐客户进行金融产品推荐时可能出现的口误(例如朗读错误)提出预警，以期引导客户适应和接受金融产品的净值化转型，合理评估自身风险的承受能力，提升客户投资体验。
94.本技术提供的金融产品推荐话术生成方法，包括：
95.s101：根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息；
96.具体地，一实施例中，参见图2，步骤s101，包括：利用应用程序接口读取所述待解析的金融产品说明文本中的全量数据，得到对应的目标元数据集(s201)；根据预设的解析
关键词对所述待解析的金融产品说明文本进行颜色标注，得到含颜色标签的金融产品说明文本(s202)；按照所述规则元数据集中的规则遍历所述目标元数据集，并读取所述规则所规定的金融产品信息(s203)；其中，所述规则基于所述颜色标签设置。
97.具体实施是，步骤s201至步骤s203的流程如下：
98.1、利用应用程序接口(例如java poi)读取待解析的金融产品说明文本(也称产品说明书)中的全量数据，得到对应的目标元数据集。该目标元数据集包括该金融产品说明文本的全量数据。
99.2、针对产品说明文本，设置其中的各表格中各单元格的颜色及字体颜色，得到含颜色标签的金融产品说明文本。然后，根据上述各单元格的颜色及字体颜色等对产品说明书模板进行规则集设定，得到规则元数据集。该规则元数据集中至少记载有：各颜色的单元格中的各颜色的字体分别表征什么信息。
100.3、根据业务需要选取金融产品说明文本所对应的说明书模板，并根据该说明书模板，提取规则元数据集。
101.3、利用规则元数据集对规则集进行建模。
102.4、利用规则集模型采集目标元数据集的信息。
103.5、提取到的金融产品信息存入文件及数据库等存储介质。
104.具体举例如下：
105.在该例中，规则元数据集中的规则如下：
106.1)表格底色橙色用于确定提取信息范围，为该单元格右侧单元格，其中字体颜色“黑色”为固定信息，字体颜色“绿色”为录入项，格式为“[表名/列名]”[0107]
2)表格底色“深蓝色”用于确定提取信息范围，为该单元右侧竖向范围,该表格中字体颜色“白色”为固定信息，字体颜色“黄色”为录入项，格式为“[表名]”[0108]
3)表格底色“浅蓝色”用于确定提取信息范围，为该单元格下面一整列，该表格中字体颜色“黑色”为固定信息，字体颜色“橙色”为录入项，格式为“[列名]”[0109]
某金融产品发行公司提供的产品说明书模板中某部分如下表1所示：
[0110]
表1
[0111][0112]
如果业务场景要求提取产品说明书中的基金名称及a类认购费信息，则可以将该问题转化为：
[0113]
1)提取“基金名称”表格右侧单元格信息，并把相关信息存储到数据库 base_info表中jjzc字段。
[0114]
2)提取“a类认购费”表格右侧范围中，“认购金额(m)”列以及“费率”列下的所有值，并把相关信息存储到数据库sgje_info表中money和rate字段。那么业务人员可以通过调整表格底色，按照以下方式改变规则模板(参见表2 所示)：
[0115]
表2
[0116][0117]
当有金融产品发行公司提供新的产品说明书时，提取关键信息的步骤为：
[0118]
产品说明书示例，参见表3所示：
[0119]
表3
[0120][0121]
第一步，利用java poi解析上传的产品说明书，从中得到目标元数据集。
[0122]
第二步，根据目标元数据集中的产品说明书模板类型，找到对应模板，并提取规则元数据集。规则元数据集示例为：
[0123]
{
[0124]
…………
[0125]
产品说明书模板：
……
；
[0126]
规则1：
[0127]
{
[0128]
固定信息：基金管理人；
[0129]
提取范围：右侧；
[0130]
格式：base_info/jjzc；
[0131]
范围附加：[]
[0132]
}；
[0133]
规则2：
[0134]
{
[0135]
固定信息：a类申购费；
[0136]
提取范围：右侧竖向范围；
[0137]
格式：sgje_info；
[0138]
其他：[{
[0139]
固定信息：申购金额(m)；
[0140]
提取范围：整列；
[0141]
格式：sgje_info/money；
[0142]
范围附加:[]
[0143]
},{
[0144]
固定信息：费率；
[0145]
提取范围：整列；
[0146]
格式：sgje_info/rate；
[0147]
范围附加：[]
[0148]
}；
[0149]
…………
[0150]
}
[0151]
第三步，遍历规则元数据集，找到规则1，提取其中的“基金管理人”、“右侧”、“base_info/jjzc”等信息。
[0152]
第四步，遍历规则待提取目标元数据集，找到“基金管理人”表格“右侧”单元格中的数据，即“某某混合型证券投资基金”，插入至base_info表中的 jjzc字段。
[0153]
第五步，继续遍历规则2、规则3等，直至所有规则遍历完毕。
[0154]
从上述描述可知，本技术提供的金融产品推荐话术生成方法，能够根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息。
[0155]
s102：根据所述金融产品信息、预先构建的金融产品推荐度生成模型及待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度；
[0156]
具体地，一实施例中，参见图3，步骤s102，包括：根据所述金融产品信息计算所述金融产品的预期净值及预期净值收益率(s301)；将所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率输入所述金融产品推荐度生成模型，生成所述金融产品针对该待推荐客户的金融产品推荐度(s302)。
[0157]
进一步地，参见图4，步骤s301，包括：从所述金融产品信息中获取所述金融产品的历史净值序列(s401)；根据所述历史净值序列计算对应的历史净值收益率序列(s402)；利用时间序列分析算法拟合所述历史净值序列及所述历史净值收益率序列，得到所述预期净值及预期净值收益率(s403)。
[0158]
具体实施时，利用统计和时序分析技术进行产品净值和收益分析：
[0159]
步骤1：整合获取的净值数据{x
t
,x
t-1
,x
t-2
,
…
x
t-n
}；比如某净值型理财
××××
年8月1日首发净值是1，在一个月内发生了3次净值变动，分别是
××××
年8 月5日净值是
1.002，
××××
年8月12日净值是1.006，
××××
年8月30日净值是1.005，那么整合获取的净值数据就是{1，1.002，1.006，1.005}；
[0160]
步骤2：计算净值收益率r
t
，其中x
t
为当前净值，x
t-n
为初始净值，n为产品运营天数；根据步骤1的示例，如果投资者首发认购该净值型理财，那么
××××
年8月30日的净值收益率就是(1.005-1)
×
365/30＝6.08％；
[0161]
步骤3：根据净值序列和计算的净值收益率序列绘制净值和净值收益率曲线，反映变动情况，发现趋势规律。
[0162]
步骤4：对于有趋势规律的序列，利用时序分析预测技术，比如lstm等模型技术，来预测产品未来的净值x
t+m
＝f1(x
t
,x
t-1
,
…
x
t-n
)和净值收益率 r
t+m
＝f2(r
t
,r
t-1
,r
t-2
,
…
,r
t-n
)。
[0163]
从上述描述可知，本技术提供的金融产品推荐话术生成方法，能够根据所述金融产品信息计算所述金融产品的预期净值及预期净值收益率。
[0164]
进一步地，参见图5，步骤s302，包括：根据所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成对应的推荐参数特征集(s501)；将所述推荐参数特征集输入所述金融产品推荐度生成模型，生成所述金融产品针对所述待推荐客户的金融产品推荐度(s502)。
[0165]
需要说明的是，一实施例中，参见图6，构建所述金融产品推荐度生成模型的步骤，包括：
[0166]
s601：根据各客户的金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成各客户对应的推荐参数历史特征集；比如整合产品的净值数据(记为n)、净值收益率数据(记为r)、购买成本数据(记为 c)，同时整合客户的持有该产品的同时是否持有其他投资产品数据(记为q)、产品组合调整(记为t)等数据，形成建模数据特征集(记为x),那么x＝{n，r， c，q，t}；
[0167]
s602：根据各客户针对该金融产品的购买结果对各推荐参数历史特征集进行正负样本标记；比如根据客户是否持有该产品标识出正负样本；即客户历史上持有该产品则将该客户标识为1，否则标识为0，作为正负样本标签，记为y；
[0168]
s603：将所述正负样本标记结果及所述推荐参数历史特征集输入分布式梯度提升模型进行训练，得到所述金融产品推荐度生成模型。比如按照经典的机器学习模型(比如xgboost、逻辑回归等)的建模流程进行建模训练；比如先进行模型数据(x，y)预处理，再建立模型和进行模型训练，如图19及图20所示。
[0169]
然后将训练好的模型对未持有该产品的客户进行预测，得到产品的推荐潜力 (即模型预测的推荐概率)，再结合营销人员经验判断是否需要给客户推荐该产品。
[0170]
从上述描述可知，本技术提供的金融产品推荐话术生成方法，能够将所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率输入所述金融产品推荐度生成模型，生成所述金融产品针对该待推荐客户的金融产品推荐度。
[0171]
s103：将所述金融产品信息及所述金融产品推荐度写入预先构建的标准话术模板，得到对应的金融产品推荐话术。
[0172]
具体地，一实施例中，参见图7，所述金融产品推荐话术生成方法，还包括：
[0173]
s701：采集金融产品客户经理使用所述金融产品推荐话术向所述待推荐客户推荐对应的金融产品时的音频数据，并生成对应的音频转换文本；
[0174]
s702：比对所述音频转换文本与所述金融产品推荐话术，并基于比对结果进行预警处理。
[0175]
进一步地，参见图8，步骤s702，包括：将所述音频转换文本输入bert模型进行语义解析，得到对应的第一分句标签(s801)；将所述金融产品推荐话术输入所述bert模型进行语义解析，得到对应的第二分句标签(s802)；比对所述第一分句标签与所述第二分句标签，若不一致，进行预警(s803)。
[0176]
可以理解的是，参见图18，上述步骤s701至步骤s702具体可执行为：
[0177]
步骤1：设定标准话术模板。
[0178]
步骤2：金融产品客户经理在网页前端输入金融产品代码；
[0179]
步骤3：后台根据金融产品代码生成参数list，例如 {“pdid”:xxxxx,“jjlx”:xxxxx,“jjzc”:xxxxx,
………………
}，读取list中相对应的value 值，与标准话术模板相结合，形成金融产品推荐话术，传至前端页面，提供给金融产品客户经理；
[0180]
步骤4：金融产品客户经理按照金融产品推荐话术朗读，前端通过高拍仪收录声音，利用asr技术将获取的语音转化为结构化数据；同时也对金融产品推荐话术进行结构化处理。
[0181]
步骤5:对步骤4中的金融产品客户经理朗读的话术对应的结构化数据与金融产品推荐话术对应的结构化数据分别进行建立bert文本模型，并分别采用短句子滑动窗口按不同语义进行切分，分别标注分句标签。
[0182]
从而，在标签级，可以比对音频转换文本与金融产品推荐话术是否一致，若不一致，可以发出预警信息。
[0183]
最后，举例而言，金融产品推荐话术可以为：
[0184]“您即将购买的是一款
××××
基金，管理人为
××××
基金公司，产品代码为
××××
，发行方式为公募发行。该产品净值数据为
××××
，净值收益率是
××××
，经分析，该产品将保持稳定增长趋势，与您的投资倾向匹配度为
××××
，所以我们推荐您购买该产品。上述情况您是否知晓并认可？”[0185]
从上述描述可知，本技术提供的金融产品推荐话术生成方法，能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术；将基于颜色标签的金融产品信息提取方法与金融产品推荐度生成模型相结合，能够对金融产品说明文本进行解析，并为金融产品客户经理提供金融产品推荐话术，甚至还能针对金融产品客户经理运用金融产品推荐话术向客户进行金融产品推荐时可能出现的口误提出预警；从而引导客户适应和接受金融产品的净值化转型，合理评估自身风险的承受能力，提升客户投资体验。
[0186]
基于同一发明构思，本技术实施例还提供了一种金融产品推荐话术生成装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于金融产品推荐话术生成装置解决问题的原理与金融产品推荐话术生成方法相似，因此金融产品推荐话术生成装置的实施可以参见基于软件性能基准确定方法的实施，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
的系统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。
[0187]
一实施例中，参见图9，为了能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术，本技术提供一种金融产品推荐话术生成装置，包括：金融产品信息生成单元901、推荐度计算单元 902及推荐话术单元903。
[0188]
金融产品信息生成单元901，用于根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息；
[0189]
推荐度计算单元902，用于根据所述金融产品信息、预先构建的金融产品推荐度生成模型及待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度；
[0190]
推荐话术单元903，用于将所述金融产品信息及所述金融产品推荐度写入预先构建的标准话术模板，得到对应的金融产品推荐话术。
[0191]
一实施例中，参见图10，所述金融产品信息生成单元901，包括：目标元数据集生成模块1001、颜色标签生成模块1002及产品信息提取模块1003。
[0192]
目标元数据集生成模块1001，用于利用应用程序接口读取所述待解析的金融产品说明文本中的全量数据，得到对应的目标元数据集；
[0193]
颜色标签生成模块1002，用于根据预设的解析关键词对所述待解析的金融产品说明文本进行颜色标注，得到含颜色标签的金融产品说明文本；
[0194]
产品信息提取模块1003，用于按照所述规则元数据集中的规则遍历所述目标元数据集，并读取所述规则所规定的金融产品信息；其中，所述规则基于所述颜色标签设置。
[0195]
一实施例中，参见图11，所述推荐度计算单元902，包括：净值参数计算模块1101及推荐度计算模块1102。
[0196]
净值参数计算模块1101，用于根据所述金融产品信息计算所述金融产品的预期净值及预期净值收益率；
[0197]
推荐度计算模块1102，用于将所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率输入所述金融产品推荐度生成模型，生成所述金融产品针对该待推荐客户的金融产品推荐度。
[0198]
一实施例中，参见图12，所述净值参数计算模块1101，包括：历史净值序列生成模块1201、历史净值收益率序列生成模块1202及净值参数预期模块1203。
[0199]
历史净值序列生成模块1201，用于从所述金融产品信息中获取所述金融产品的历史净值序列；
[0200]
历史净值收益率序列生成模块1202，用于根据所述历史净值序列计算对应的历史净值收益率序列；
[0201]
净值参数预期模块1203，用于利用时间序列分析算法拟合所述历史净值序列及所述历史净值收益率序列，得到所述预期净值及预期净值收益率。
[0202]
一实施例中，参见图13，所述推荐度计算模块1102，包括：参数特征集生成子模块1301及推荐度计算子模块1302。
[0203]
参数特征集生成子模块1301，用于根据所述金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成对应的推荐参数特征集；
[0204]
推荐度计算子模块1302，用于将所述推荐参数特征集输入所述金融产品推荐度生成模型，生成所述金融产品针对所述待推荐客户的金融产品推荐度。
[0205]
一实施例中，参见图14，所述金融产品推荐话术生成装置，还包括：参数历史特征集生成单元1401、样本标记单元1402及模型训练单元1403。
[0206]
参数历史特征集生成单元1401，用于根据各客户的金融产品历史购买信息、所述金融产品信息中的金融产品费率、所述净值及净值收益率生成各客户对应的推荐参数历史特征集；
[0207]
样本标记单元1402，用于根据各客户针对该金融产品的购买结果对各推荐参数历史特征集进行正负样本标记；
[0208]
模型训练单元1403，用于将所述正负样本标记结果及所述推荐参数历史特征集输入分布式梯度提升模型进行训练，得到所述金融产品推荐度生成模型。
[0209]
一实施例中，参见图15，所述金融产品推荐话术生成装置，还包括：音频转换单元1501及比对预警单元1502。
[0210]
音频转换单元1501，用于采集金融产品客户经理使用所述金融产品推荐话术向所述待推荐客户推荐对应的金融产品时的音频数据，并生成对应的音频转换文本；
[0211]
比对预警单元1502，用于比对所述音频转换文本与所述金融产品推荐话术，并基于比对结果进行预警处理。
[0212]
一实施例中，参见图16，所述比对预警单元1502，包括：第一分句打标模块 1601、第二分句打标模块1602及比对预警模块1603。
[0213]
第一分句打标模块1601，用于将所述音频转换文本输入bert模型进行语义解析，得到对应的第一分句标签；
[0214]
第二分句打标模块1602，用于将所述金融产品推荐话术输入所述bert模型进行语义解析，得到对应的第二分句标签；
[0215]
比对预警模块1603，用于比对所述第一分句标签与所述第二分句标签，若不一致，进行预警。
[0216]
从硬件层面来说，为了能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术，本技术提供一种用于实现所述金融产品推荐话术生成方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
[0217]
处理器(processor)、存储器(memory)、通讯接口(communications interface)和总线；其中，所述处理器、存储器、通讯接口通过所述总线完成相互间的通讯；所述通讯接口用于实现所述金融产品推荐话术生成装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的金融产品推荐话术生成方法的实施例，以及金融产品推荐话术生成装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
[0218]
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(pda)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
[0219]
在实际应用中，金融产品推荐话术生成方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本技术对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
[0220]
上述的客户端设备可以具有通讯模块(即通讯单元)，可以与远程的服务器进行通讯连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通讯链接的第三方服务器平台的服务器。所述的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，或者分布式装置的服务器结构。
[0221]
图17为本技术实施例的电子设备9600的系统构成的示意框图。如图17所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图17是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
[0222]
一实施例中，金融产品推荐话术生成方法功能可以被集成到中央处理器9100 中。其中，中央处理器9100可以被配置为进行如下控制：
[0223]
s101：根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息；
[0224]
s102：根据所述金融产品信息、预先构建的金融产品推荐度生成模型及待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度；
[0225]
s103：将所述金融产品信息及所述金融产品推荐度写入预先构建的标准话术模板，得到对应的金融产品推荐话术。
[0226]
从上述描述可知，本技术提供的金融产品推荐话术生成方法，能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话术；将基于颜色标签的金融产品信息提取方法与金融产品推荐度生成模型相结合，能够对金融产品说明文本进行解析，并为金融产品客户经理提供金融产品推荐话术，甚至还能针对金融产品客户经理运用金融产品推荐话术向客户进行金融产品推荐时可能出现的口误提出预警；从而引导客户适应和接受金融产品的净值化转型，合理评估自身风险的承受能力，提升客户投资体验。
[0227]
在另一个实施方式中，金融产品推荐话术生成装置可以与中央处理器9100分开配置，例如可以将数据复合传输装置金融产品推荐话术生成装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现金融产品推荐话术生成方法的功能。
[0228]
如图17所示，该电子设备9600还可以包括：通讯模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图17中所示的所有部件；此外，电子设备9600还可以包括图17 中没有示出的部件，可以参考现有技术。
[0229]
如图17所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
[0230]
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非
易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
[0231]
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。
[0232]
该存储器9140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
[0233]
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通讯功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0234]
通讯模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通讯模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通讯终端的情况相同。
[0235]
基于不同的通讯技术，在同一电子设备中，可以设置有多个通讯模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通讯模块(发送机/接收机) 9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131 提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
[0236]
本技术的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的金融产品推荐话术生成方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的金融产品推荐话术生成方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
[0237]
s101：根据待解析的金融产品说明文本对应的规则元数据集解析所述待解析的金融产品说明文本，得到对应的金融产品信息；
[0238]
s102：根据所述金融产品信息、预先构建的金融产品推荐度生成模型及待推荐客户的金融产品历史购买信息确定对应的金融产品推荐度；
[0239]
s103：将所述金融产品信息及所述金融产品推荐度写入预先构建的标准话术模板，得到对应的金融产品推荐话术。
[0240]
从上述描述可知，本技术提供的金融产品推荐话术生成方法，能够基于颜色标签获取金融产品说明文本中的金融产品信息，并基于该金融产品信息生成金融产品的推荐话
术；将基于颜色标签的金融产品信息提取方法与金融产品推荐度生成模型相结合，能够对金融产品说明文本进行解析，并为金融产品客户经理提供金融产品推荐话术，甚至还能针对金融产品客户经理运用金融产品推荐话术向客户进行金融产品推荐时可能出现的口误提出预警；从而引导客户适应和接受金融产品的净值化转型，合理评估自身风险的承受能力，提升客户投资体验。
[0241]
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明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。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0242]
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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的装置。
[0243]
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。
[0244]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于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的步骤。
[0245]
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。