一种资产分析方法及其装置与流程

1.本技术涉及一种统一账户下的资产管理技术，尤其涉及一种资产分析方法。本技术还提供一种资产分析装置。


背景技术：

2.当前，移动互联网的兴起将用户生活、工作等服务内容迅速转移到线上，用户通过各种不同的服务终端获得了不同类型的便捷服务，并享受其带来的益处。但是随着线上化的发展，各种不同功能类型的服务终端，由于相互之间的数据隔离，导致用户需要保存每一个服务终端的账号和密码，且服务端只能根据用户在某一个服务终端的单独数据分析用户行为，以提供符合用户习惯和喜好的服务或者产品。
3.用户在某一个服务终端产生的数据是不全面的，不能准确刻画用户画像，导致服务端无法优化对用户的服务，导致服务错位或者提供一些根本不需要的服务。
4.申请内容
5.本技术提供一种资产分析方法，以解决用户信息不完善，难以准确刻画用户画像进而提供优质服务的问题。同时，本技术还提供一种资产分析装置
6.本技术提供一种资产分析方法，包括：
7.在一级账户中通过资产样本信息训练智能推荐算法；
8.设置用户的一级账户，将用户的每个独立账户关联到所述一级账户，成为所述一级账户的子账户，所述一级账户获取所述每个子账户中用户的资产信息，由智能推荐算法分析所述用户的资产信息，获得用户产品和服务推荐表；
9.根据所述产品和服务推荐表，为用户推荐对应的产品和服务。
10.可选的，所述训练智能推荐算法，包括如下步骤：
11.选择多个用户的资产信息作为资产训练样本进行编号；
12.按照所述编号，依次输入所述资产训练样本，根据所述训练样本的分析结果与实际结果的误差，调整所述智能推荐算法的训练参数；
13.重复上述步骤，当所述分析结果和所述实际结果的误差小于预设阈值，停止训练，获得训练好的智能推荐算法。
14.可选的，所述资产信息包括：资产全景图；
15.所述资产全景图包含用户资产状况以及用户资产的分布状态。
16.可选的，所述产品和服务推荐表还包括：
17.每一项产品或者服务的配比权重。
18.可选的，所述一级账户单向控制所述一级账户和所述子账户的通讯关系。
19.本技术还提供一种资产分析装置，包括：
20.训练模块，用于在一级账户中通过资产样本信息训练智能推荐算法；
21.设置模块，用于设置用户的一级账户，将用户的每个独立账户关联到所述一级账户，成为所述一级账户的子账户，所述一级账户获取所述每个子账户中用户的资产信息，由
智能推荐算法分析所述用户的资产信息，获得用户产品和服务推荐表；
22.排队模块，用于根据所述产品和服务推荐表，为用户推荐对应的产品和服务。
23.可选的，所述训练模块，还包括：
24.选取单元，用于选择多个用户的资产信息作为资产训练样本进行编号；
25.计算单元，用于按照所述编号，依次输入所述资产训练样本，根据所述训练样本的分析结果与实际结果的误差，调整所述智能推荐算法的训练参数；
26.结果单元，用于重复上述步骤，当所述分析结果和所述实际结果的误差小于预设阈值，停止训练，获得训练好的智能推荐算法。
27.可选的，所述资产信息包括：资产全景图；
28.所述资产全景图包含用户资产状况以及用户资产的分布状态。
29.可选的，所述产品和服务推荐表还包括：
30.每一项产品或者服务的配比权重。
31.可选的，所述一级账户单向控制所述一级账户和所述子账户的通讯关系。
32.本技术相对与现有技术具有以下优点：
33.本技术提供一种资产分析方法，包括：在一级账户中通过资产样本信息训练智能推荐算法；设置用户的一级账户，将用户的每个独立账户关联到所述一级账户，成为所述一级账户的子账户，所述一级账户获取所述每个子账户中用户的资产信息，由智能推荐算法分析所述用户的资产信息，获得用户产品和服务推荐表；根据所述产品和服务推荐表，为用户推荐对应的产品和服务。通过将用户的多个账号统一到相同的账号下，并由同统一的账号获取用户的不同方面资产状况，同时能够根据用户的详细全面的数据进行服务定制，有利于提高用户的满意度。
附图说明
34.图1是本技术资产分析方法流程图。
35.图2是本技术资产分析装置示意图。
具体实施方式
36.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术构思的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
37.为了详细的说明本技术的技术方案，下面结合附图对本技术的构思方法进行描述。
38.图1是本技术资产分析方法流程图。
39.请参照图1所示，s101在一级账户中通过资产样本信息训练智能推荐算法；
40.本技术中，通过智能算法进行用户资产分析，优选的，通过卷积神经网络进行用户资产的分析。
41.所述卷积神经网络是预先训练好的，通过资产样本信息对所述卷积神经网络进行训练，具体方法如下：
42.首先收集若干用户的已经进行脱敏处理的资产样本信息作为资产训练样本，对所
述资产训练样本进行编号。
43.选择若干条所述资产样本信息中的一条信息，优选的，可以按照所述资产训练样本的编号，依次将所述资产样本信息输入到所述卷积神经网络中进行计算。通过卷积神经网络进行计算，获得用户的资产分析结果。
44.将所述资产分析结果与已经预先获取的准确分析结果进行对比，根据所述资产分析结果和准确分析结果之间的误差，调整所述卷积神经网络的参数。
45.重复输入所述资产样本信息，当所述资产分析结果与所述确定分析结果的误差小于误差的预设阈值内，则训练好一个智能推荐算法。
46.s102设置用户的一级账户，将用户的每个独立账户关联到所述一级账户，成为所述一级账户的子账户，所述一级账户获取所述每个子账户中用户的资产信息，由智能推荐算法分析所述用户的资产信息，获得用户产品和服务推荐表；
47.所述用户在各种app或者互联网网站中获取需要的服务，这些服务是相对隔离的。本技术中，首先根据用户的基本信息建立一个一级账户，所述基本信息是指用户本身具有的信息，例如身份、姓名，身份证号等。
48.设置完毕用户的一级账户后，将用户在各个网站或者app中注册的账户关联到所述一级账户下，将所述用户在各个网站或者app中的独立账户作为所述一级账户的子账户。
49.所述一级账户根据用户的授权，具有完全的权限访问用户全部的子账户，因此所述一级账户能够获取所述每一个子账户中用户的资产信息。所述资产信息包括：资产全景图，所述资产全景图包含用户资产状况以及用户资产的分布状态。
50.本技术中，所述一级账户单向控制所述一级账户和所述子账户的通讯关系。所述一级账户可以获得子账户的资产信息，但是每一个子账户无法从所述一级账户中获取用户的其他资产信息，以保护用户的个人隐私信息不被泄露。
51.获取到所述用户的资产信息后，调用已经预先训练好的智能推荐算法，对所述资产信息进行分析，获得分析结果，所述分析结果包括：产品和服务推荐表。
52.s103根据所述产品和服务推荐表，为用户推荐对应的产品和服务。
53.所述产品和服务推荐表，是用户资产信息的补充，或者根据用户的全局资产信息进行的优化，具体是推荐用户购买的产品或者服务。根据所述产品或者服务推荐表，向用户发送推荐提示。其中，所述产品和服务推荐表还包括：每一项产品或者服务的配比权重，即所述产品或者服务推荐表可以提示用户对其所有的资产进行重新分配，以使用户资产配比达到最优配比。
54.本技术还提供一种资产分析装置，包括：训练模块101，设置模块102和排队模块103
55.图2是本技术资产分析装置示意图。
56.训练模块101，用于在一级账户中通过资产样本信息训练智能推荐算法；
57.本技术中，通过智能算法进行用户资产分析，优选的，通过卷积神经网络进行用户资产的分析。
58.所述卷积神经网络是预先训练好的，通过资产样本信息对所述卷积神经网络进行训练，所述训练模块还包括：
59.选取单元，用于选择多个用户的资产信息作为资产训练样本进行编号。收集若干
用户的已经进行脱敏处理的资产样本信息作为资产训练样本，对所述资产训练样本进行编号。
60.计算单元，用于按照所述编号，依次输入所述资产训练样本，根据所述训练样本的分析结果与实际结果的误差，调整所述智能推荐算法的训练参数。选择若干条所述资产样本信息中的一条信息，优选的，可以按照所述资产训练样本的编号，依次将所述资产样本信息输入到所述卷积神经网络中进行计算。通过卷积神经网络进行计算，获得用户的资产分析结果。
61.结果单元，用于重复上述步骤，当所述分析结果和所述实际结果的误差小于预设阈值，停止训练，获得训练好的智能推荐算法。将所述资产分析结果与已经预先获取的准确分析结果进行对比，根据所述资产分析结果和准确分析结果之间的误差，调整所述卷积神经网络的参数。
62.重复输入所述资产样本信息，当所述资产分析结果与所述确定分析结果的误差小于误差的预设阈值内，则训练好一个智能推荐算法。
63.设置模块102，用于设置用户的一级账户，将用户的每个独立账户关联到所述一级账户，成为所述一级账户的子账户，所述一级账户获取所述每个子账户中用户的资产信息，由智能推荐算法分析所述用户的资产信息，获得用户产品和服务推荐表；
64.所述用户在各种app或者互联网网站中获取需要的服务，这些服务是相对隔离的。本技术中，首先根据用户的基本信息建立一个一级账户，所述基本信息是指用户本身具有的信息，例如身份、姓名，身份证号等。
65.设置完毕用户的一级账户后，将用户在各个网站或者app中注册的账户关联到所述一级账户下，将所述用户在各个网站或者app中的独立账户作为所述一级账户的子账户。
66.所述一级账户根据用户的授权，具有完全的权限访问用户全部的子账户，因此所述一级账户能够获取所述每一个子账户中用户的资产信息。所述资产信息包括：资产全景图，所述资产全景图包含用户资产状况以及用户资产的分布状态。
67.本技术中，所述一级账户单向控制所述一级账户和所述子账户的通讯关系。所述一级账户可以获得子账户的资产信息，但是每一个子账户无法从所述一级账户中获取用户的其他资产信息，以保护用户的个人隐私信息不被泄露。
68.获取到所述用户的资产信息后，调用已经预先训练好的智能推荐算法，对所述资产信息进行分析，获得分析结果，所述分析结果包括：产品和服务推荐表。
69.排队模块103，用于根据所述产品和服务推荐表，为用户推荐对应的产品和服务。
70.所述产品和服务推荐表，是用户资产信息的补充，或者根据用户的全局资产信息进行的优化，具体是推荐用户购买的产品或者服务。根据所述产品或者服务推荐表，向用户发送推荐提示。其中，所述产品和服务推荐表还包括：每一项产品或者服务的配比权重，即所述产品或者服务推荐表可以提示用户对其所有的资产进行重新分配，以使用户资产配比达到最优配比。