辅助审核标签生成方法、装置和存储介质与流程
本技术涉及数据处理,特别是涉及辅助审核标签生成方法、装置和存储介质。
背景技术:
1、随着个人新车及二手车购车业务进件量呈现规模化增长,信贷审核已成为控制违约风险与欺诈风险的核心环节。当前业务审核系统主要依赖结构化基础数据、标准化证明材料,并通过传统规则引擎完成自动化评估。但在实际业务处理过程中,系统会采集并录入大量文本形式的业务描述信息,此类文本属于非结构化数据,包含大量结构化数据无法覆盖的隐含特征信息,例如行为意图异常、数据表述矛盾、信息不一致等,是提升审核准确性与风险识别能力的重要补充依据。目前,行业内针对此类非结构化业务文本仍以人工逐句阅读审核为主,难以自动生成标准化、统一化的辅助审核标签。
2、目前针对相关技术中难以自动生成辅助审核标签的问题,尚未提出有效的解决方案。
技术实现思路
1、本技术实施例提供了一种辅助审核标签生成方法、装置和存储介质,以至少解决相关技术中整体信审效率低下的问题。
2、第一方面,本技术实施例提供了一种辅助审核标签生成方法,所述方法包括:
3、接收辅助标签生成异步请求;所述辅助标签生成异步请求携带客户情况描述文本、客户结构化基础信息和客户资质材料结构化数据;
4、将所述客户情况描述文本输入至训练后的汽车金融语义解析模型,生成文本语义特征集;
5、对所述文本语义特征集、所述客户结构化基础信息和所述客户资质材料结构化数据进行多源数据交叉一致性校验,生成信息校验特征集;
6、将所述文本语义特征集和所述信息校验特征集输入预设的标签映射规则库,生成辅助审核标签集。
7、在其中一些实施例中,所述汽车金融语义解析模型的训练过程包括:
8、获取携带有特征标签的第一训练语料;
9、将所述第一训练语料输入至初始汽车金融语义解析模型,生成文本语义预测结果;
10、基于所述文本语义预测结果和所述特征标签的差异,计算损失函数结果,并将所述损失函数结果的梯度反向传导至所述初始汽车金融语义解析模型,训练得到所述汽车金融语义解析模型;
11、其中,所述汽车金融语义解析模型包括输入层、编码器层、池化层、全连接层和多标签分类输出层。
12、在其中一些实施例中,所述将所述第一训练语料输入至初始汽车金融语义解析模型,生成文本语义预测结果,包括:
13、获取第二训练语料;
14、利用所述第二训练语料,采用掩码语言模型对所述初始汽车金融语义解析模型进行继续预训练,得到初始预训练汽车金融语义解析模型;
15、将所述第一训练语料输入至所述初始预训练汽车金融语义解析模型,生成所述文本语义预测结果。
16、在其中一些实施例中,所述客户结构化基础信息包括征信数据、负债数据和订单信息;所述客户资质材料结构化数据包括首付凭证信息;所述对所述文本语义特征集、所述客户结构化基础信息和所述客户资质材料结构化数据进行多源数据交叉一致性校验,生成信息校验特征集,包括:
17、基于所述文本语义特征集中的资质类特征、所述客户结构化基础信息和所述客户资质材料结构化数据,得到资质类表述一致性校验结果;
18、基于所述文本语义特征集中的风险类特征、所述征信数据和所述负债数据,得到风险类表述一致性校验结果;
19、基于所述文本语义特征集中的购车信息特征、所述订单信息和所述首付凭证信息,得到购车信息一致性校验结果;
20、基于所述资质类表述一致性校验结果、所述风险类表述一致性校验结果和所述购车信息一致性校验结果,生成所述信息校验特征集。
21、在其中一些实施例中,所述基于所述资质类表述一致性校验结果、所述风险类表述一致性校验结果和所述购车信息一致性校验结果,生成所述信息校验特征集,包括:
22、基于所述资质类表述一致性校验结果、所述风险类表述一致性校验结果和所述购车信息一致性校验结果,得到一致性校验结果;
23、若所述一致性校验结果为通过,则生成第一信息校验特征集;所述第一信息校验特征集包括多源信息一致性校验通过特征;
24、若所述一致性校验结果为存在偏差,则生成第二信息校验特征集;所述第二信息校验特征集包括信息存疑特征、资质夸大特征、信息隐瞒特征和购车信息虚假特征。
25、在其中一些实施例中,所述将所述文本语义特征集和所述信息校验特征集输入预设的标签映射规则库,生成辅助审核标签集,包括:
26、将所述文本语义特征集和所述信息校验特征集输入预设的标签映射规则库,依据预设的精确关键词匹配规则、语义相似度匹配规则和交叉校验结果匹配规则,生成所述辅助审核标签集;所述辅助审核标签集的类别包括资质类、风险类、场景类、信息校验类和购车专属类。
27、在其中一些实施例中,所述辅助标签生成异步请求还携带有客户进件编号;所述生成所述辅助审核标签集之后,还包括:
28、基于所述客户进件编号,为每个辅助审核标签关联对应的全链路溯源信息。
29、在其中一些实施例中,所述将所述客户情况描述文本输入至训练后的汽车金融语义解析模型,生成文本语义特征集,包括:
30、将所述客户情况描述文本进行清洗、分句分词以及停用词过滤处理,得到预处理后的客户情况描述文本;
31、将所述预处理后的客户情况描述文本输入至训练后的汽车金融语义解析模型,生成所述文本语义特征集。
32、第二方面,本技术实施例提供了一种辅助审核标签生成装置,所述装置包括:
33、异步请求接收模块,用于接收辅助标签生成异步请求;所述辅助标签生成异步请求携带客户情况描述文本、客户结构化基础信息和客户资质材料结构化数据;
34、语义特征提取模块,用于将所述客户情况描述文本输入至训练后的汽车金融语义解析模型,生成文本语义特征集;
35、多源交叉校验模块,用于对所述文本语义特征集、所述客户结构化基础信息和所述客户资质材料结构化数据进行多源数据交叉一致性校验,生成信息校验特征集;
36、辅助标签生成模块,用于将所述文本语义特征集和所述信息校验特征集输入预设的标签映射规则库,生成辅助审核标签集。
37、第三方面,本技术实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的辅助审核标签生成方法。
38、相比于相关技术,本技术实施例提供的辅助审核标签生成方法、装置和存储介质,该方法通过接收辅助标签生成异步请求;辅助标签生成异步请求携带客户情况描述文本、客户结构化基础信息和客户资质材料结构化数据;将客户情况描述文本输入至训练后的汽车金融语义解析模型,生成文本语义特征集;对文本语义特征集、客户结构化基础信息和客户资质材料结构化数据进行多源数据交叉一致性校验,生成信息校验特征集;将文本语义特征集和信息校验特征集输入预设的标签映射规则库,生成辅助审核标签集。解决了相关技术中难以自动生成辅助审核标签的问题,从而摆脱传统依赖人工通读文本提炼审核信息的作业模式,大幅缩减信贷进件审核工时,同时基于模型挖掘文本隐性风险、通过跨数据源比对甄别信息造假与填报矛盾,补齐传统仅依靠结构化数据风控的短板,统一审核标签标准、规避人工审核主观性偏差,在提升信审处理效率的同时强化欺诈与隐性风险识别能力。
39、本技术的一个或多个实施例的细节在以下附图和描述中提出,以使本技术的其他特征、目的和优点更加简明易懂。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com