一种信息处理方法及装置与流程

1.本技术涉及金融领域，特别是涉及一种信息处理方法及装置。


背景技术：

2.数字人民币是数字形式的法定货币，数字人民币采取了双层运营体系。即：数字人民币的发行机构不直接对公众发行和兑换数字货币，而是先把数字人民币兑换给指定的运营机构，公众可以从多个运营机构中选择办理数字人民币业务的运营机构。
3.在一种场景中，为了给客户提供统一数字人民币服务，对外提供了统一的电话号码，用户拨叫该电话号码之后，可以通过互动式语音应答(interactive voice response，ivr)选择提供服务的运营机构。
4.但是，采用这种方式为用户提供数字人民币服务的用户体验并不好。因此，急需一种方案，能够解决这个问题。


技术实现要素：

5.本技术所要解决的技术问题是：目前为用户提供数字人民币服务的用户体验并不好，提供一种信息处理方法及装置。
6.第一方面，本技术实施例提供了一种信息处理方法，所述方法包括：
7.获取第一用户的电话号码；
8.根据所述第一用户的电话号码，确定所述第一用户对各个服务机构的服务倾向得分，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分，用于指示所述第一用户希望由所述第一服务机构提供数字人民币服务的程度；
9.向所述第一用户对应的拨号设备发送互动式语音应答ivr信息，所述ivr信息用于指示所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。
10.可选的，所述向所述第一用户对应的拨号设备发送互动式语音应答ivr信息，包括：
11.响应于所述第一用户拨通用于提供数字人民币服务的电话号码，向所述第一用户对应的拨号设备发送互动式语音应答ivr信息。
12.可选的，根据所述第一用户的电话号码，确定所述第一用户对各个服务机构的服务倾向得分，包括：
13.将所述第一用户的电话号码输入机器学习模型，得到所述第一用户对所述各个服务机构的服务倾向得分，所述机器学习模型，用于根据所述第一用户的电话号码，确定所述第一用户对所述各个服务机构的服务倾向得分。
14.可选的，所述机器学习模型，通过如下方式训练得到：
15.获取各个服务机构的用户信息，所述用户信息包括用户的电话号码，所述用户信息包括所述第一用户的信息；
16.基于所述各个服务机构的用户信息，训练得到机器学习模型。
17.可选的，所述服务机构，包括：
18.金融机构。
19.第二方面，本技术实施例提供了一种信息处理装置，所述装置包括：
20.获取单元，用于获取第一用户的电话号码；
21.确定单元，用于根据所述第一用户的电话号码，确定所述第一用户对各个服务机构的服务倾向得分，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分，用于指示所述第一用户希望由所述第一服务机构提供数字人民币服务的程度；
22.发送单元，用于向所述第一用户对应的拨号设备发送互动式语音应答ivr信息，所述ivr信息用于指示所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。
23.可选的，所述发送单元，用于：
24.响应于所述第一用户拨通用于提供数字人民币服务的电话号码，向所述第一用户对应的拨号设备发送互动式语音应答ivr信息。
25.可选的，所述确定单元，用于：
26.将所述第一用户的电话号码输入机器学习模型，得到所述第一用户对所述各个服务机构的服务倾向得分，所述机器学习模型，用于根据所述第一用户的电话号码，确定所述第一用户对所述各个服务机构的服务倾向得分。
27.可选的，所述机器学习模型，通过如下方式训练得到：
28.获取各个服务机构的用户信息，所述用户信息包括用户的电话号码，所述用户信息包括所述第一用户的信息；
29.基于所述各个服务机构的用户信息，训练得到机器学习模型。
30.可选的，所述服务机构，包括：
31.金融机构。
32.与现有技术相比，本技术实施例具有以下优点：
33.本技术实施例提供了一种信息处理方法，在一个示例中，所述方法可以由服务端端执行，服务端可以获取第一用户的电话号码，而后，根据所述第一用户的电话号码，确定所述第一用户对各个服务机构的服务倾向得分，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分，用于指示所述第一用户希望由所述第一服务机构提供数字人民币服务的程度。进一步地，所述服务端可以向所述第一用户对应的拨号设备发送ivr信息，所述ivr信息用于指示所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。这样一来，第一用户希望为自身提供服务的服务机构的播报顺序会比较靠前，相应的，可以减少第一用户的等待时间，从而提升用户体验。
附图说明
34.为了更清楚地说明本技术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技术中记载的一些实施例，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。
35.图1为本技术实施例提供的一种信息处理方法的流程示意图；
36.图2为本技术实施例提供的一种训练机器学习模型的方法的流程示意图；
37.图3为本技术实施例提供的一种信息处理装置的结构示意图。
具体实施方式
38.为了使本技术领域的人员更好地理解本技术方案，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。
39.本技术的发明人经过研究发现，目前，为了给客户提供统一数字人民币服务，对外提供了统一的电话号码，用户拨叫该电话号码之后，可以通过ivr选择提供服务的运营机构。但是，ivr播报顺序固定，如“a运营机构请按1，b运营机构请按2，c运营机构请按3
……”
，若用户希望选择的服务机构的播报顺序比较靠后，则用户需要等待较长时间，用户体验不好。
40.为了解决上述问题，本技术实施例提供了一种信息处理方法及装置。
41.需要说明的是，本技术实施例中涉及的用户信息，均是在获得用户授权之后获取并使用的。
42.下面结合附图，详细说明本技术的各种非限制性实施方式。
43.示例性方法
44.参见图1，该图为本技术实施例提供的一种信息处理方法的流程示意图。所述方法例如可以由服务端执行。在本实施例中，所述方法例如可以包括以下步骤：s101-s103。
45.s101：获取第一用户的电话号码。
46.在一个示例中，可以从各个运营机构的用户资料库中获得所述第一用户的电话号码。其中，用户资料库用于存储用户信息。所述各个运营机构的至少一个运营机构的资料库中包括所述第一用户的用户信息，所述第一用户的用户信息，包括所述第一用户的电话号码。
47.在又一个示例中，可以在第一用户拨通用于提供数字人民币服务的电话号码之后，获取第一用户的电话号码。
48.本技术实施例不具体限定所述运营机构，在一个示例中，所述运营机构可以是金融机构。例如，所述金融机构包括但不限于银行。
49.s102：根据所述第一用户的电话号码，确定所述第一用户对各个服务机构的服务倾向得分，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分，用于指示所述第一用户希望由所述第一服务机构提供数字人民币服务的程度。
50.在本技术实施例中，第一服务机构为所述各个机构中的任意一个机构，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分越高，表示用户越希望由所述第一服务机构提供数字人民币服务，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分越低，表示用户希望由所述第一服务机构提供数字人民币服务的程度越低。
51.在一个示例中，s102在具体实现时，可以以所述第一用户的电话号码为索引，从所
述各个金融机构的资料库中查找所述第一用户的用户资料，而后，对所述用户资料进行分析，从而得到所述第一用户对各个服务机构的服务倾向得分。
52.在又一个示例中，s102在具体实现时，可以将所述第一用户的电话号码输入机器学习模型，从而得到所述第一用户对各个服务机构的服务倾向得分。其中，所述机器学习模型，用于根据所述第一用户的电话号码，确定所述第一用户对所述各个服务机构的服务倾向得分。本技术实施例不具体限定所述机器学习模型，所述的机器学习模型可以是基于决策树的模型。所述机器学习模型可以是预先训练得到的，关于所述机器学习模型的具体训练方式，可以参考以下s201-s202的描述部分，此处不做详细描述。
53.s103：向所述第一用户对应的拨号设备发送ivr信息，所述ivr信息用于指示所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。
54.确定所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分之后，所述服务端可以基于所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分，生成ivr信息，并向所述第一用户对应的拨号设备发送所述ivr信息。
55.所述ivr信息用于指示所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。例如，一共包括9个机构，所述第一用户对各个服务机构的服务倾向得分由高到底的顺序为：运营机构1-运营机构2-运营机构3-运营机构4-运营机构5-运营机构6-运营机构7-运营机构8-运营机构9。则：
56.在一个示例中，所述ivr信息可以指示所述拨号设备按照如下方式播报：
[0057]“运营机构1请按1、运营机构2请按2、运营机构3请按3、运营机构4请按4、运营机构5请按5、运营机构6请按6、运营机构7请按7、运营机构8请按8、运营机构9请按9”。
[0058]
在又一个示例中，运营机构和拨号按键之间是绑定的，例如，运营机构1绑定按键9、运营机构2绑定按键8、运营机构3绑定按键7、运营机构4绑定按键6、运营机构5绑定按键5、运营机构6绑定按键4、运营机构7绑定按键3、运营机构8绑定按键2、运营机构9绑定按键1。则所述ivr信息可以指示所述拨号设备按照如下方式播报：
[0059]“运营机构1请按9、运营机构2请按8、运营机构3请按7、运营机构4请按6、运营机构5请按5、运营机构6请按4、运营机构7请按3、运营机构8请按2、运营机构9请按1”。
[0060]
在一个示例中，所述服务端可以在所述第一用户拨通用于提供数字人民币服务的电话号码之后，向所述第一用户对应的拨号设备发送互动式语音应答ivr信息，以使得所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。
[0061]
其中：所述第一用户拨通用于提供数字人民币服务的电话号码，指的是所述第一用户利用所述拨号设备拨通用于提供数字人民币服务的电话号码。
[0062]
本技术实施例中提及的拨号设备，可以是移动电话，例如智能手机，也可以是座机，本技术实施例不做具体限定。
[0063]
通过以上描述可知，利用本技术实施例的方案，当第一用户需要办理与数字人民币相关的业务时，第一用户希望为自身提供服务的服务机构的播报顺序会比较靠前，相应的，可以减少第一用户的等待时间，从而提升用户体验。
[0064]
接下来，介绍所述机器学习模型的训练方式。
[0065]
参见图2，该图为本技术实施例提供的一种训练机器学习模型的方法的流程示意图。图2所示的方法，可以包括如下s201-s202。
[0066]
s201：获取各个服务机构的用户信息，所述用户信息包括用户的电话号码，所述用户信息包括所述第一用户的信息。
[0067]
在本技术实施例中，可以从各个服务机构的用户资料库中获取各个服务机构的用户信息。
[0068]
本技术实施例中，所述用户信息包括但不限于以下任意一项或者多项：
[0069]
账户信息、消费信息、数字人民币开户信息、数字人民币消费信息、数字人民币应用程序(application，app)浏览/点击信息、历史服务次数、最近服务时间等信息。
[0070]
s202：基于所述各个服务机构的用户信息，训练得到机器学习模型。
[0071]
获取所述各个服务机构的用户信息之后，可以采取联邦训练的方式，训练得到所述机器学习模型。
[0072]
关于联邦训练的具体方式，此处不做详细说明。
[0073]
由于传统技术中，各个服务机构的用户信息是独立的，本方案采用联邦训练的方式，打破了数据孤岛，共同用于训练所述机器学习模型，从而更加准确的确定出用户对各个服务机构的服务倾向得分，相应的，提升为用户提供的服务质量。
[0074]
示例性设备
[0075]
基于以上实施例提供的方法，本技术实施例还提供了一种装置，以下结合附图介绍该装置。
[0076]
参见图3，该图为本技术实施例提供的一种信息处理装置的结构示意图。所述装置300例如可以具体包括：获取单元301、确定单元302和发送单元303。
[0077]
获取单元301，用于获取第一用户的电话号码；
[0078]
确定单元302，用于根据所述第一用户的电话号码，确定所述第一用户对各个服务机构的服务倾向得分，所述第一用户对所述各个服务机构中第一服务机构的服务倾向得分，用于指示所述第一用户希望由所述第一服务机构提供数字人民币服务的程度；
[0079]
发送单元303，用于向所述第一用户对应的拨号设备发送互动式语音应答ivr信息，所述ivr信息用于指示所述拨号设备按照所述第一用户对各个服务机构的服务倾向得分由高到底的顺序，为所述第一用户播报所述各个服务机构。
[0080]
可选的，所述发送单元303，用于：
[0081]
响应于所述第一用户拨通用于提供数字人民币服务的电话号码，向所述第一用户对应的拨号设备发送互动式语音应答ivr信息。
[0082]
可选的，所述确定单元302，用于：
[0083]
将所述第一用户的电话号码输入机器学习模型，得到所述第一用户对所述各个服务机构的服务倾向得分，所述机器学习模型，用于根据所述第一用户的电话号码，确定所述第一用户对所述各个服务机构的服务倾向得分。
[0084]
可选的，所述机器学习模型，通过如下方式训练得到：
[0085]
获取各个服务机构的用户信息，所述用户信息包括用户的电话号码，所述用户信息包括所述第一用户的信息；
[0086]
基于所述各个服务机构的用户信息，训练得到机器学习模型。
[0087]
可选的，所述服务机构，包括：
[0088]
金融机构。
[0089]
由于所述装置300是与以上方法实施例提供的方法对应的装置，所述装置300的各个单元的具体实现，均与以上方法实施例为同一构思，因此，关于所述装置300的各个单元的具体实现，可以参考以上方法实施例的描述部分，此处不再赘述。
[0090]
需要说明的是，本发明提供的信息处理方法及装置可用于金融领域或其它领域。例如，可以应用于金融领域的数字人民币服务场景。其他领域为除金融领域之外的任意领域，例如，信息处理领域。上述仅为示例，并不对本发明提供的信息处理方法及装置的应用领域进行限定。
[0091]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
[0092]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。
[0093]
以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。