账户分类方法及其装置、电子设备及存储介质与流程

本发明涉及金融科技领域或其他相关，具体而言，涉及一种账户分类方法及其装置、电子设备及存储介质。

背景技术：

1、随着金融数字化转型的深入和金融科技业务的快速发展，账户体系日益复杂，账户档案数据呈现指数级增长。账户分类管理是金融机构进行客户画像构建、异常监测、风险管控以及精细化运营的基础环节。准确、高效的账户分类不仅有助于快速识别账户性质、资金流向及业务场景，还能显著提升档案检索效率，降低合规风险，为后续的业务决策提供数据支撑。

2、相关技术中，账户分类主要依赖人工划分或基于经验规则匹配进行划分，容易出现错分和漏分，存在分类准确率和分类效率低的问题。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种账户分类方法及其装置、电子设备及存储介质，以至少解决相关技术中，依赖人工划分或基于经验规则匹配进行账户分类，存在账户分类准确率和效率低的技术问题。

2、根据本发明实施例的一个方面，提供了一种账户分类方法，包括：获取账户资料，并对所述账户资料进行预处理，得到账户文本数据；将所述账户文本数据输入至自然语言处理模型，通过所述自然语言处理模型对所述账户文本数据进行语义解析，提取多维账户特征；基于所述多维账户特征，通过规则分类引擎对账户进行分类，得到初始分类结果；将所述初始分类结果和所述多维账户特征输入至聚类校准引擎，由所述聚类校准引擎采用聚类算法对所述初始分类结果进行无监督校准，得到最终账户分类结果。

3、进一步地，对所述账户资料进行预处理的步骤包括：判断所述账户资料的资料类型，在所述资料类型为非文本类型的情况下，对所述账户资料进行文字提取，生成资料文本；对所述资料文本进行数据清洗和分词处理，得到所述账户文本数据。

4、进一步地，通过所述自然语言处理模型对所述账户文本数据进行语义解析，提取多维账户特征的步骤包括：将所述账户文本数据输入至所述自然语言处理模型，通过所述自然语言处理模型的词嵌入层与多层双向编码器，生成包含上下文语义信息的文本向量表示；基于所述文本向量表示，通过特征提取网络提取所述多维账户特征，其中，所述多维账户特征包括下述至少之一：账户交易特征、账户属性特征和账户关联特征。

5、进一步地，通过规则分类引擎对账户进行分类的步骤包括：通过所述规则分类引擎从规则库中加载预设的分类规则，其中，每条所述分类规则由基于账户交易特征、账户属性特征和账户关联特征的逻辑条件表达式构成；通过所述规则分类引擎将账户的多维特征向量中的各特征值分别与每条规则的逻辑条件表达式进行匹配，根据匹配结果确定账户类别。

6、进一步地，将所述初始分类结果和所述多维账户特征输入至聚类校准引擎，由所述聚类校准引擎采用聚类算法对所述初始分类结果进行无监督校准的步骤包括：将所述初始分类结果和所述多维账户特征输入至聚类校准引擎，通过所述聚类校准引擎将所述初始分类结果与所述多维账户特征进行绑定，形成带有初始类别标签的样本集合，其中，所述样本集合中的每个账户样本包含基于多维账户特征生成的账户特征向量；采用聚类算法对所述账户样本执行无监督聚类，生成多个聚类簇；对于每个所述聚类簇，在所述聚类簇中存在同一初始类别标签的数量大于预设数量阈值的情况下，将同一初始类别标签的数量大于预设数量阈值的初始类别标签作为所述聚类簇内各个账户的主导标签。

7、进一步地，将同一初始类别标签的数量大于预设数量阈值的初始类别标签作为所述聚类簇内各个账户的主导标签之后，还包括：在所述聚类簇中不存在所述主导标签的情况下，基于所述聚类簇的中心向量为所述聚类簇内的各个账户配置新的账户标签。

8、进一步地，在得到最终账户分类结果之后，还包括：基于所述账户分类结果将账户资料和账户标签进行关联存储，并建立账户档案索引。

9、根据本发明实施例的另一方面，还提供了一种账户分类装置，包括：获取单元，用于获取账户资料，并对所述账户资料进行预处理，得到账户文本数据；解析单元，用于将所述账户文本数据输入至自然语言处理模型，通过所述自然语言处理模型对所述账户文本数据进行语义解析，提取多维账户特征；分类单元，用于基于所述多维账户特征，通过规则分类引擎对账户进行分类，得到初始分类结果；校准单元，用于将所述初始分类结果和所述多维账户特征输入至聚类校准引擎，由所述聚类校准引擎采用聚类算法对所述初始分类结果进行无监督校准，得到最终账户分类结果。

10、进一步地，所述获取单元包括：第一提取模块，用于判断所述账户资料的资料类型，在所述资料类型为非文本类型的情况下，对所述账户资料进行文字提取，生成资料文本；第一处理模块，用于对所述资料文本进行数据清洗和分词处理，得到所述账户文本数据。

11、进一步地，所述解析单元包括：第一生成模块，用于将所述账户文本数据输入至所述自然语言处理模型，通过所述自然语言处理模型的词嵌入层与多层双向编码器，生成包含上下文语义信息的文本向量表示；第二提取模块，用于基于所述文本向量表示，通过特征提取网络提取所述多维账户特征，其中，所述多维账户特征包括下述至少之一：账户交易特征、账户属性特征和账户关联特征。

12、进一步地，所述分类单元包括：第一加载模块，用于通过所述规则分类引擎从规则库中加载预设的分类规则，其中，每条所述分类规则由基于账户交易特征、账户属性特征和账户关联特征的逻辑条件表达式构成；第一匹配模块，用于通过所述规则分类引擎将账户的多维特征向量中的各特征值分别与每条规则的逻辑条件表达式进行匹配，根据匹配结果确定账户类别。

13、进一步地，所述校准单元包括：第一绑定模块，用于将所述初始分类结果和所述多维账户特征输入至聚类校准引擎，通过所述聚类校准引擎将所述初始分类结果与所述多维账户特征进行绑定，形成带有初始类别标签的样本集合，其中，所述样本集合中的每个账户样本包含基于多维账户特征生成的账户特征向量；第一聚类模块，用于采用聚类算法对所述账户样本执行无监督聚类，生成多个聚类簇；第一作为模块，用于对于每个所述聚类簇，在所述聚类簇中存在同一初始类别标签的数量大于预设数量阈值的情况下，将同一初始类别标签的数量大于预设数量阈值的初始类别标签作为所述聚类簇内各个账户的主导标签。

14、进一步地，所述账户分类装置还包括：第一配置模块，用于在所述聚类簇中不存在所述主导标签的情况下，基于所述聚类簇的中心向量为所述聚类簇内的各个账户配置新的账户标签。

15、进一步地，所述账户分类装置还包括：第一存储模块，用于基于所述账户分类结果将账户资料和账户标签进行关联存储，并建立账户档案索引。

16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项账户分类方法。

17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项账户分类方法。

18、根据本发明实施例的另一方面，还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，其中，所述计算机程序被处理器执行时实现上述任意一项账户分类方法。

19、在本技术中，通过以下步骤：获取账户资料，并对账户资料进行预处理，得到账户文本数据，将账户文本数据输入至自然语言处理模型，通过自然语言处理模型对账户文本数据进行语义解析，提取多维账户特征，基于多维账户特征，通过规则分类引擎对账户进行分类，得到初始分类结果，将初始分类结果和多维账户特征输入至聚类校准引擎，由聚类校准引擎采用聚类算法对初始分类结果进行无监督校准，得到最终账户分类结果。

20、在本技术中，通过预处理技术将获取的账户资料并转化为标准的账户文本数据，消除非结构化数据的格式障碍，将文本数据输入自然语言处理模型进行深度语义解析，提取出多维账户特征，理解账户的业务意图，从而提高分类精度，提取的多维账户特征输入至规则分类引擎，依据预设的业务逻辑对账户进行初步分类。针对规则分类可能存在的局限性和边界模糊问题，将初始分类结果与多维账户特征共同输入聚类校准引擎，采用聚类算法对初始结果进行无监督学习校准，提升分类准确性，同时基于精简的特征匹配和人工智能辅助分类结果校准，提升分类效率。进而解决了相关技术中，依赖人工划分或基于经验规则匹配进行账户分类，存在账户分类准确率和效率低的技术问题。