本申请涉及数据处理，尤其涉及一种开户信息的获取方法、装置、设备及可读存储介质。
背景技术：
1、当前银行监管业务办理首先需要客户在银行办理开户，开户业务办理的现状是客户和银行业务经理通过线下沟通的方式来确认符合客户需求开户信息，开户信息中最重要的是账户类型和产品类型。显然，这种线下沟通确认开户信息的方式存在业务办理效率低的问题。
技术实现思路
1、本申请提供了一种开户信息的获取方法、装置、设备及可读存储介质，如下：
2、一种开户信息的获取方法，包括：
3、响应于目标账户的开户请求，获取所述目标账户的开户申请信息，作为目标开户申请信息，所述目标开户申请信息包括多个开户问题的答复信息；
4、对所述目标开户申请信息进行特征处理，得到所述目标开户申请信息的特征数据，作为目标特征数据；
5、将所述目标特征数据输入至信息预测模型，得到所述信息预测模型输出的开户信息的预测结果，所述开户信息包括账户类型以及产品类型；其中，所述信息预测模型包括预先基于以历史开户信息为标签的样本特征数据训练得到的机器学习模型，所述样本特征数据包括历史开户申请信息的历史特征数据；
6、基于所述开户信息的预测结果，获取所述目标账户的开户信息。
7、可选地，信息预测模型的训练过程包括：
8、获取历史账户对应的历史开户申请信息和历史开户信息；
9、对所述历史开户申请信息进行特征处理，得到所述历史开户申请信息的特征数据，作为样本特征数据；
10、以所述历史账户对应的历史开户信息为标签，对所述历史账户对应的样本特征数据进行打标；
11、以所述样本特征数据为输入，且以所述样本特征数据的标签为目标输出，训练预先构建的机器学习模型；
12、当达到预设的训练完成条件，得到训练后的机器学习模型作为所述信息预测模型，所述训练完成条件包括迭代次数大于预设的最大次数阈值。
13、可选地，开户申请信息包括所述历史开户申请信息和所述目标开户申请信息，对所述开户申请信息进行特征处理，得到开户申请信息的特征数据，包括：
14、对不同数据格式的开户申请信息进行格式转换，得到文本数据；
15、对所述文本数据进行数据预处理；
16、基于自然语言处理技术抽取和分析数据预处理后的文本数据，得到所述文本数据的关键信息，所述关键信息包括但不限于关键词；
17、至少基于所述关键信息，对所述文本数据进行特征提取，得到所述开户申请信息的特征数据，所述特征数据包括预设的目标特征项的特征值。
18、可选地，本方法还包括：
19、对所述历史开户申请信息进行特征处理，得到所述历史开户申请信息的候选特征数据，所述候选特征数据包括预设的候选特征项的特征值；
20、基于所述历史开户申请信息的候选特征数据和所述历史开户信息，对所述候选特征数据和所述历史开户信息进行相关性分析，得到各个候选特征项与所述历史开户信息的相关性分析结果；
21、将与所述历史开户信息的相关性分析结果为强相关的候选特征项，作为目标特征项。
22、可选地，获取所述目标账户的开户申请信息，包括：
23、依据所述目标特征项和所述目标账户的开户请求，生成问答指引，所述问答指引包括所述多个开户问题，以使所述目标账户的请求方基于所述开户问题进行答复；
24、获取所述目标账户的请求方基于所述开户问题进行答复生成的答复信息。
25、可选地，所述目标账户的开户申请信息还包括所述目标账户的请求方材料；
26、所述获取所述目标账户的开户申请信息，还包括：
27、依据所述目标特征项和所述目标账户的开户请求，生成材料指引，所述材料指引包括所述目标账户的请求方材料的标识；
28、基于所述材料指引，获取所述目标账户的请求方材料。
29、可选地，基于所述开户信息的预测结果，获取所述目标账户的开户信息，包括：
30、将所述预测结果中的账户类型作为所述目标账户的目标账户类型；
31、将所述预测结果中的产品类型作为所述目标账户的目标产品类型；
32、基于所述目标账户类型和所述目标产品类型，获取所述目标账户的开户材料列表，所述开户材料列表用于列举开户所需材料的标识；
33、生成所述目标账户的开户信息，所述目标账户的开户信息包括所述开户材料列表、所述目标账户类型、以及所述目标产品类型。
34、一种开户信息的获取装置，包括：申请信息获取单元、特征处理单元、模型预测单元以及开户信息获取单元；
35、所述申请信息获取单元，用于响应于目标账户的开户请求，获取所述目标账户的开户申请信息，作为目标开户申请信息，所述目标开户申请信息包括多个开户问题的答复信息；
36、所述特征处理单元，用于对所述目标开户申请信息进行特征处理，得到所述目标开户申请信息的特征数据，作为目标特征数据；
37、所述模型预测单元，用于将所述目标特征数据输入至信息预测模型，得到所述信息预测模型输出的开户信息的预测结果，所述开户信息包括账户类型以及产品类型；其中，所述信息预测模型包括预先基于以历史开户信息为标签的样本特征数据训练得到的机器学习模型，所述样本特征数据包括历史开户申请信息的历史特征数据；
38、所述开户信息获取单元，用于基于所述开户信息的预测结果，获取所述目标账户的开户信息。
39、一种开户信息的获取设备，包括：存储器和处理器；
40、所述存储器，用于存储程序；
41、所述处理器，用于执行所述程序，实现开户信息的获取方法的各个步骤。
42、一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现开户信息的获取方法的各个步骤。
43、由上述技术方案可以看出，本申请实施例提供的开户信息的获取方法、装置、设备及可读存储介质，响应于目标账户的开户请求，获取目标账户的开户申请信息，作为目标开户申请信息，对目标开户申请信息进行特征处理，得到目标开户申请信息的特征数据，作为目标特征数据。将目标特征数据输入至信息预测模型，得到信息预测模型输出的开户信息的预测结果，开户信息包括账户类型以及产品类型。基于开户信息的预测结果，获取目标账户的开户信息。由于，目标开户申请信息包括多个开户问题的答复信息，因此，提高目标开户申请信息对开户信息的需求表达的实时性和准确性，又由于，信息预测模型包括预先基于以历史开户信息为标签的样本特征数据训练得到的机器学习模型，样本特征数据包括历史开户申请信息的历史特征数据，因此，基于信息预测模型能够智能化预测目标账户的开户请求的开户需求，从而本申请能够基于开户信息的预测结果获取目标账户的账户类型以及产品类型，提高开户业务办理的效率。
1.一种开户信息的获取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述信息预测模型的训练过程包括：
3.根据权利要求2所述的方法，其特征在于，开户申请信息包括所述历史开户申请信息和所述目标开户申请信息，对所述开户申请信息进行特征处理，得到开户申请信息的特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述获取所述目标账户的开户申请信息，包括：
6.根据权利要求5所述的方法，其特征在于，所述目标账户的开户申请信息还包括所述目标账户的请求方材料；
7.根据权利要求6所述的方法，其特征在于，所述基于所述开户信息的预测结果，获取所述目标账户的开户信息，包括：
8.一种开户信息的获取装置，其特征在于，包括：申请信息获取单元、特征处理单元、模型预测单元以及开户信息获取单元；
9.一种开户信息的获取设备，其特征在于，包括：存储器和处理器；
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～7中任一项所述的开户信息的获取方法的各个步骤。