业务案件的推荐方法、装置、计算机设备及存储介质与流程

1.本技术涉及大数据领域和人工智能技术领域，尤其涉及一种业务案件的推荐方法、装置、计算机设备及存储介质。


背景技术：

2.公司的以往业务的存储方式通常为纸质存储或在电脑上仅案件详情的录入存储，对于新入职公司的同事来说，需要去翻阅每一个以往业务的内容才能对以往业务进行熟悉，对于如何快速熟悉新公司的以往业务以及准确将以往业务的经验运用到新的业务开展中是需要很长的适应与熟悉过程，在随着公司的规模扩大，业务量的增加，所要熟悉的内容增多，所耗费的时间增加，精准运用的熟练度较低。


技术实现要素：

3.本技术实施例的目的在于提出一种业务案件的推荐方法、装置、计算机设备及存储介质，以解决新入职的同事对以往业务熟悉的效率低，对根据新业务进行筛选往业务的匹配度低的技术问题。
4.为了解决上述技术问题，本技术实施例提供一种业务案件的推荐方法，采用了如下所述的技术方案：所述方法包括下述步骤：
5.获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签；
6.基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件；
7.运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息；
8.根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度；
9.根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件；
10.获取所述目标业务案件的目标业务信息，并推荐目标业务案件。
11.进一步地，所述运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息的步骤包括：
12.运用nlp语义分析所述样本业务案件组中每个所述样本业务案件中语言结构，获取得到样本业务信息，其中所述样本业务信息包括样本业务内容与样本业务节点；
13.从所述样本业务内容中提取关键标签，并将所述样本业务内容按照所述样本业务节点排序。
14.进一步地，所述评分矩阵包括当前评分子矩阵和样本评分子矩阵，所述根据所述
当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度的步骤包括：
15.获取所述当前业务案件的预存评价分数与当前业务节点，获取所述样本业务案件的预存评价分数与样本业务节点；
16.将所述当前业务案件的预存评价分数根据所述当前业务节点进行拆分，并获取至少一个当前业务案件的节点分数，根据所述当前业务案件的节点分数建立当前评分子矩阵；将所述样本业务案件的预存评价分数根据所述样本业务节点进行拆分，并获取所述样本业务案件的至少一个节点分数，根据所述样本业务案件的节点分数建立样本评分子矩阵；
17.基于协同过滤算法计算所述当前评分子矩阵与所述样本评分子矩阵的相似维度。
18.进一步地，所述根据所述当前业务案件的节点分数建立当前评分子矩阵的步骤包括：
19.以行首为所述当前业务节点，列首为所述当前业务案件的名称，表格内填写对应所述当前业务节点的节点分数，建立当前评分子矩阵，其中，所述当前业务节点关联所述当前业务内容；
20.所述根据所述样本业务案件的节点分数建立样本评分子矩阵的步骤包括：
21.以行首为所述样本业务节点，列首为所述样本业务案件的名称，表格内填写对应所述样本业务节点的节点分数，建立样本评分子矩阵，其中，所述样本业务节点关联所述样本业务内容。
22.进一步地，在所述基于协同过滤算法计算所述当前评分子矩阵与所述样本评分子矩阵的相似维度的步骤包括：
23.以所述当前业务案件的节点分数的总和与所述样本业务案件的节点分数的总和的乘积作为维度分子，以所述当前业务案件的节点分数平方的总和与所述样本业务案件的节点分数平方的总和的乘积作为维度分母；
24.将所述维度分子除以所述维度分母获得的数值作为所述当前业务案件与所述样本业务案件的相似维度。
25.进一步地，在所述获取所述目标业务案件的目标业务信息，并推荐所述目标业务案件的步骤之后还包括：
26.提取所述目标业务案件的每个重点关注案件节点处理成功的原因导向因素以及提取所述样本业务内容中的关键标签；
27.将所述原因导向因素作为所述目标业务案件的案件摘要以及所述关键标签呈现推荐界面。
28.为了解决上述技术问题，本技术实施例还提供一种业务案件的推荐装置，包括：
29.获取模块，获取当前业务案件的当前业务信息，其中，当前业务信息包括至少一个当前标签；
30.提取模块，基于所述当前标签，提取数据资产库中拥有至少一个当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件；
31.分析模块，运用nlp语义分析所述样本业务案件组中每个样本业务案件，根据分析
结果得到样本业务信息；
32.评分模块，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算评分矩阵中当前业务案件的当前业务信息与样本业务案件的样本业务信息的相似维度；
33.确定模块，根据评分矩阵获取与当前业务案件相似维度最高的样本业务案件为目标业务案件；
34.推荐模块，获取目标业务案件的目标业务信息，并推荐目标业务案件。
35.进一步地，所述分析模块包括：
36.分析子模块，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件中语言结构，获取得到样本业务信息，其中所述样本业务信息包括样本业务内容与样本业务节点；
37.排序子模块，将所述样本业务内容按照所述样本业务节点排序。
38.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上述的业务案件的推荐方法的步骤。
39.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的业务案件的推荐方法的步骤。
40.与现有技术相比，在本技术中通过获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签，基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度，根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件，获取所述目标业务案件的目标业务信息，并推荐目标业务案件。实现了精准推荐相似度高的业务案件，工作人员可根据推荐的业务案件为借鉴开展工作，方便工作人员快速上手工作并准确开展工作，增加工作效率，提高工作开展的智能化水平。
附图说明
41.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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。
42.图1是本技术可以应用于其中的示例性系统架构图；
43.图2是业务案件的推荐方法的一个实施例的流程图一；
44.图3是业务案件的推荐方法的一个实施例的流程图二；
45.图4是业务案件的推荐装置的一个实施例的结构示意图；
46.图5是根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
47.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
48.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
49.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
50.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
51.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
52.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
53.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
54.需要说明的是，本技术实施例所提供的基于语音语义的信息检索方法一般由服务器执行，相应地，基于语音语义的信息检索装置一般设置于服务器中。
55.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
56.继续参考图2、图3，示出了根据本技术的业务案件的推荐方法的一个实施例的流程图。所述的业务案件的推荐方法，包括以下步骤：
57.步骤s1，获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签；
58.当前业务案件为业务人员正要处理的业务案件，当前标签为通过nlp语义分析当前业务案件并生成的标签，亦可由业务人员根据当前业务案件情况自主标记当前业务案件的标签，其中，nlp语义分析为基于深度神经网络的机器学习算法，结合中文分词、词性标注、命名实体识别、句法分析、语义分析等自然语言处理技术进行语义理解，在语义理解的基础上实现智能识别。在本实施例中，当前业务信息中可以包括一个当前标签或多个当前
标签，其中，多个当前标签为类型不同标的签。
59.步骤s2，基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件；
60.在本技术中通过当前标签寻找拥有与当前业务信息相同标签的样本业务案件，完成对数据资产库中的样本业务案件的第一次筛选，其中，数据资产库(data asset)是指由企业拥有或者控制的、能够为企业产生价值的数据资源，如客户名单、交易记录、业务案件处理记录、业务往来时间记录等。当然由于当前业务信息可能包括多个当前标签，所以在当前业务信息包括多个当前标签时，在数据资产库的提取中，样本业务案件需包含至少一个当前标签亦可同时包含多个当前标签，并将至少包含一个当前标签的样本业务案件进行提取组成样本业务案件组，需要说明的是，样本业务案件组为包含当前标签的所有样本业务案件，所述样本业务案件组包含一个或多个样本业务案件，下述内容为对每一个样本业务案件进行分析并计算与当前业务案件的相似维度。
61.步骤s3，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息；
62.运用nlp语义分析所述样本业务案件组中每个进行深度神经网络的机器学习算法，结合中文分词、词性标注、命名实体识别、句法分析、语义分析等自然语言处理技术进行语义理解，进而分析样本业务案件并获得样本业务信息，所述样本业务信息包括关键标签、样本业务节点以及样本业务内容，关键标签为体现样本业务案件的关键词坐标关键标签，方便业务人员通过关键词查找快速得到对应的样本业务案件，样本业务节点的设置是为了将样本业务内容进行归类排序，其中，每个样本业务节点关联有对应的样本业务内容，在本实施例中样本业务节点为时间节点，即样本业务内容发生的时间节点，样本业务内容为样本业务案件中每个样本业务节点发生的样本业务事迹以及样本业务处理内容。
63.运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息的步骤包括：
64.步骤s3包括步骤s31，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件中语言结构，获取得到样本业务信息，其中所述样本业务信息包括样本业务内容与样本业务节点；
65.在样本业务案件中，对于样本业务案件的描述通常涉及词法、句法、语用、语境、自然语言处理，即语言结构为词法、句法、语用、语境、自然语言处理的语义组成结构。具体地，词法分析包括词形分析和词汇分析两个方面，词形分析主要表现在对单词的前缀、后缀等进行分析，而词汇分析则表现在对整个词汇系统的控制，从而能够较准确地分析输入样本业务案件的特征，最终准确地完成搜索过程；句法分析是对输入的样本业务案件的自然语言进行词汇短语的分析，目的是识别句子的句法结构，以实现自动句法分析的过程；语用分析相对于语义分析又增加了对上下文、语言背景、语境等的分析，即从文章的结构中提取出意象、人际关系等附加信息，是一种更高级的语言学分析，它将语句中的内容与现实生活中的细节关联在一起，从而形成动态的表意结构；语境分析主要是指对原查询语篇之外的大量“空隙”进行分析，以便更准确地解释所要查询语言的技术，这些“空隙”包括一般的知识、特定领域的知识等；ai驱动的引擎能够根据收集的数据生成描述，通过遵循将数据中的结果转换为散文的规则，在人与技术之间创建无缝交互的软件引擎，自然语言生成接收结构
化表示的语义，以输出符合语法的、流畅的、与输入语义一致的自然语言文本。
66.具体地，自然语言处理应用的技术体系主要包括字词级别的自然语言处理，句法级别的自然语言处理和篇章级别的自然语言处理。字词级别的分析主要包括中文分词、命名实体识别、词性标注、同义词分词、字词向量等；句法级别的分析主要包括依存文法分析、词位置分析、语义归一化、文本纠错等；篇章级别的分析主要包括标签提取、文档相似度分析、主题模型分析、文档分类和聚类等。
67.中文分词是计算机根据语义模型，自动将汉字序列切分为符合人类语义理解的词汇，分词为将连续的字序列按照一定的规范重新组合成词序列的过程。
68.命名实体识别指对具有特定意义的实体进行自动识别的技术，是信息提取、知识图谱、问答系统、句法分析、搜索引擎、机器翻译等应用的重要基础。
69.词性标注指为分词结果中的每个单词标注一个正确的词性的程序。具体地，确定每个词是名词、动词、形容词或者是其他词性的过程，基于最大熵的词性标注、基于统计的最大概率输出词性、基于隐马尔可夫模型的词性标注。
70.同义词分析，由于不同地区的文化差异，输入的查询文字很可能会出现描述不一致的问题，处理系统需要对用户的输入做同义词、纠错、归一化处理，同义词算法包括词典、百科词条、元搜索数据、上下文相关性挖掘。
71.词向量技术是指将词转化为稠密向量，相似的词对应的词向量也相近，在自然语言处理应用中，词向量作为深度学习模型的特征进行输入。因此，最终模型的效果在很大程度上取决于词向量的效果，一般来说，字词表示有两种方式：one-hot及分布式表示，one-hot是指向量中只有一个维度的值为1，其余维度为0，这个维度代表了当前词，分布式表示指的是将词转化为一种分布式表示，又称词向量，分布式表示将词表示成一个定长的稠密向量。
72.依存文法通过分析语言单位内成分之前的依存关系解释其句法结构，主张句子中的核心谓语动词是支配其他成分的中心成分，而它本身却不会受到其他任何成分的支配，所有受支配的成分都以某种关系从属于支配者。
73.词位置分析，文章中不同位置的词对文章语义的贡献度也不同，文章首尾出现的词成为主题词、关键词的概率要大于出现在正文中的词，对文章中的词的位置进行建模，赋予不同位置不同的权重，从而能够更好地对文章进行向量化表示。
74.语义归一化通常是指从文章中识别出具有相同意思的词或短语，其主要的任务是共指消解。共指消解是自然语言处理中的核心问题，主要是利用常见的信息抽取的一个成型系统，微软的学术搜索引擎会存有一些作者的档案资料，这些信息可能有一部分就是根据共指对象抽取出来的。
75.文本纠错任务指的是，对于自然语言在使用过程中出现的错误进行自动地识别和纠正。文本纠错任务主要包含两个子任务，分别为错误识别和错误修正。错误识别的任务是指出错误出现的句子的位置，错误修正是指在识别的基础上自动进行更正，相比于英文纠错来说，中文纠错的主要困难在于中文的语言特性：中文的词边界以及中文庞大的字符集。由于中文的语言特性，两种语言的错误类型也是不同的。英文的修改操作包括插入、删除、替换和移动(移动是指两个字母交换顺序等)，而对于中文来说，因为每一个中文汉字都可独立成词，因此插入、删除和移动的错误都只是作为语法错误，中文输入纠错主要集中在替
换错误上。
76.关键标签通常是几个词语或者短语，并以此作为对该样本业务案件的主要内容的提要。关键标签是业务人员快速了解文档内容、把握主题的重要方式，关键标签通常具有可读性、相关性、覆盖度等特点。可读性指的是其本身作为一个词语或者短语就应该是有意义的；相关性指的是标签必须与业务案件的主题、内容紧密相关；覆盖度指的是关键标签能较好地覆盖文档的内容，而不能只集中在某一句话中。
77.文本相似度由于应用场景的不同，其内涵也会有差异，因此没有统一的定义。从信息论的角度来看，相似度与文本之间的共性和差异度有关，共性越大、差异度越小，则相似度越高；共性越小、差异度越大，则相似度越低；相似度最大的情况是文本完全相同。相似度计算一般是指计算事物的特征之间的距离，如果距离小，那么相似度就大；如果距离大，那么相似度就小。相似度计算的方法可以分为四大类：基于字符串的方法、基于语料库的方法、基于知识的方法和其他方法。基于字符串的方法是指从字符串的匹配度出发，以字符串共现和重复程度为相似度的衡量标准；基于语料库的方法是指利用从语料库中获取的信息计算文本的相似度；基于知识的方法是指利用具有规范组织体系的知识库计算文本的相似度。
78.主题分析模型是以非监督学习的方式对文档的隐含语义结构进行统计和聚类，以用于挖掘文本中所蕴含的语义结构的技术。
79.文本分类为按照特定行业的文档分类体系，计算机自动阅读文档的内容并将其归属到相应类目的技术体系下，其中，典型的处理过程可分为训练和运转两种。即计算机预先阅读各个类目的文档并提取特征，完成有监督的学习训练，在运转阶段识别新文档的内容并完成归类。
80.文本聚类主要是依据著名的聚类假设：同类的文档相似度较大，而不同类的文档相似度较小，作为一种无监督的机器学习方法，聚类由于不需要训练过程，以及不需要预先对文档的类别进行手工标注，因此具有一定的灵活性和较高的自动化处理能力，文本聚类的方法主要有基于划分的聚类算法、基于层次的聚类算法和基于密度的聚类算法。
81.在由nlp语义分析样本业务案件中语言结构后，得到的分析后的样本业务内容以及样本业务节点，其中，根据上述具体的分析技术分析后得出的样本业务内容包括结果关键标签、重点关注案件节点、节点时间、在节点时间操作的节点业务内容、客户属性、业务处理结果、结果成功的原因导向。关键标签信息为催收客户的行业类型、委托代理律师名字、业务处理人员名字、业务处理团队名字、涉及金额数值、逾期贷款类型、逾期天数等；重点关注案件节点包括清收处理开始、分案、诉讼阶段以及资产回收阶段；节点时间为重点关注案件节点的发生时间；在节点时间操作的节点业务内容具体为，清收处理开始时，节点业务内容包括客户属性(xx行业客户，企业主失联客户停产，资产金额xx，贷款逾期天数，客户现拥有的资产类型，)；分案阶段，节点业务内容包括根据属地原则，例如：将该样本业务案件分配至xx团队xx人完成，其中，xx业务经理有xx年的处理经验，xx业务经理处理的样本业务案件在任期间内的回收率是多少；诉讼阶段，节点业务内容包括委托xx律师xx名字进行诉讼；回收资产，节点业务内容中包括了回收结果(回收资产数额、总体回收率)。
82.步骤s32：将所述样本业务内容按照所述样本业务节点排序。
83.样本业务内容包括关键标签、重点关注案件节点、节点时间、在节点时间操作的节
点业务内容、客户属性、业务处理结果、结果成功的原因导向，具体地，样本业务信息进行细化方便后续步骤中的相似维度评分，增加评分的准确性。本技术中还对样本业务节点的排列以及样本业务内容的处理，并将样本业务节点按样本业务节点的发展的时间顺序进行排列，方便业务人员进行查看数据，提高处理效率。
84.步骤s4，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度；
85.在本技术中运用协同过滤算法对当前业务案件的当前业务信息以及样本业务案件的样本业务信息进行分类以及相似维度匹配，其中，协同过滤算法主要是通过对业务人员的历史行为数据的挖掘发现样本业务案件的发展趋势，基于不同的样本业务案件的发展趋势对样本业务案件进行群组分类并推荐当前标签相似的目标业务案件。
86.具体地，步骤s4包括：
87.步骤s41：获取所述当前业务案件的预存评价分数与当前业务节点，获取所述样本业务案件的预存评价分数与样本业务节点；
88.在本技术中基于运用协同过滤算法对当前业务案件的当前业务信息以及样本业务案件的样本业务信息进行分类以及相似维度匹配、根据相似维度满足的预设条件推荐当前业务案件适配的清收案件(目标业务案件)，预设条件为相似维度满足预设数值或相似维度最高的样本业务案件，预设数值根据业务人员需求制定，以及清收业务案件记录、重点关注案件节点的清收结果评价即评分。其中，节点业务内容按照节点时间发展走向进行排序，在排序后，对比节点时间发生的梯度结合节点时间内的节点业务内容的相似维度，进而对比当前业务案件的当前业务信息与样本业务案件的样本业务信息并获取相似维度。其中，节点业务内容具体为，清收处理开始时，节点业务内容包括客户属性(xx行业客户，企业主失联客户停产，资产金额xx，贷款逾期天数，客户现拥有的资产类型，)；分案阶段，节点业务内容包括根据属地原则，将该案件分配至xx团队xx人完成，其中，xx业务经理有xx年的处理经验，xx业务经理处理的案件在在任期间内的回收率是多少；诉讼阶段，节点业务内容包括委托xx律师xx名字进行诉讼；回收资产，节点业务内容中包括了回收结果(回收资产数额、总体回收率)。
89.需要说明的是，预存评价分数为根据在最开始业务案件信息录入时，由业务人员自行根据每个业务节点进行打分并将分数录入业务案件存储系统中，与业务案件关联，进而在获取当前业务案件时或样本业务案件时，可从当前业务案件的信息中以及样本业务案件的信息中提取出当前业务案件的预存评价分数以及样本业务案件的预存评价分数，此时的预存评价分数为业务案件的总评价分数。
90.步骤s42：将所述当前业务案件的预存评价分数根据所述当前业务节点进行拆分，并获取至少一个当前业务案件的节点分数，将所述样本业务案件的预存评价分数根据所述样本业务节点进行拆分，并获取所述样本业务案件的至少一个节点分数；
91.为了提升相似维度计算结果的准确性，对预存评价分数按每个业务节点进行拆分，进而获取每个业务节点对应的节点分数，在对节点分数进行计算而获取相似维度。具体地，将所述当前业务案件的预存评价分数根据所述当前业务节点进行拆分，并获取至少一个当前业务案件的节点分数，将所述样本业务案件的预存评价分数根据所述样本业务节点
进行拆分，并获取所述样本业务案件的至少一个节点分数。
92.以行首为所述当前业务节点，列首为所述当前业务案件的名称，表格内填写对应所述当前业务节点的节点分数，建立当前评分子矩阵，其中，所述当前业务节点关联所述当前业务内容。
93.所述根据所述样本业务案件的节点分数建立样本评分子矩阵的步骤包括：
94.以行首为所述样本业务节点，列首为所述样本业务案件的名称，表格内填写对应所述样本业务节点的节点分数，建立样本评分子矩阵，其中，所述样本业务节点关联所述样本业务内容。
95.为了便于分类，将对比后的相似维度进行评分，并以行首为业务节点(按节点时间进行依次排序)，列首为样本业务案件名称(当前业务案件名称)，并在单元格内填写业务节点的节点分数，对单元格内的节点分数按样本业务案件名称进行合并并计算与当前业务案件的相似维度。评分矩阵较直观的展示多个样本业务案件与当前业务案件之间的相似维度，方便推荐相似维度高的样本业务案件作为当前业务案件实施的借鉴依据。具体地，以行首为所述样本业务节点，列首为所述样本业务案件的名称，表格内填写对应所述样本业务节点的节点分数，即建立样本评分子矩阵，其中，所述样本业务节点关联所述样本业务内容；以行首为所述当前业务节点，列首为所述当前业务案件的名称，表格内填写对应所述当前业务节点的节点分数，即建立当前评分子矩阵，其中，所述当前业务节点关联所述当前业务内容。
96.步骤s43：基于协同过滤算法计算所述当前评分子矩阵与所述样本评分子矩阵的相似维度。
97.具体地，以所述当前业务案件的节点分数的总和与所述样本业务案件的节点分数的总和的乘积作为维度分子，以所述当前业务案件的节点分数平方的总和与所述样本业务案件的节点分数平方的总和的乘积作为维度分母；将所述维度分子除以所述维度分母获得的数值作为所述当前业务案件与所述样本业务案件的相似维度。
98.相似维度的计算包括余弦算法、修正余弦算法、皮尔森算法，在本实施例中以余弦算法为例，余弦算法涉及的公式：
[0099][0100]
注：r_u表示当前业务案件的评分总和(也就是评分矩阵中的一列评分数据)，r_v表示样本业务案件的评分总和，i表示业务节点，∑
iru，irv，i
表示当前业务案件对业务节点1的评分乘以样本业务案件对业务节点1的评分加上当前业务案件对业务节点2的评分以此类推加至当前业务案件的最后一个业务节点的评分乘以样本业务案件对最后一个业务节点的评分的总和，表示当前业务案件对业务节点1的评分的平方加上当前业务案件对业务节点2的评分的平方以此类推加至当前业务案件的最后一个业务节点的评分的平方后得到的数值取平方根，样本业务案件对业务节点1的评分的平方加上样本业务案件对业务节点2的评分的平方以此类推加至样本业务案件的最后一个业务节点的评分的平方后得到的数值取平方根，当前业务案件的平方根乘以样本业务案件的平方根即得到当
前业务案件与样本业务案件之间的相似维度。
[0101]
步骤s5，根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件。
[0102]
根据当前评分子矩阵以及样本评分子矩阵计算样本业务案件与当前业务案件的相似维度，样本业务案件关联对应的相似维度，将相似维度按数值大小进行排序，以相似维度数值最高的样本业务案件为目标案件，其中，在另一实施例中，根据相似维度满足的预设条件推荐当前业务案件适配的清收案件(目标业务案件)，预设条件为相似维度满足预设数值或相似维度最高的样本业务案件，预设数值根据业务人员需求制定。
[0103]
步骤s6，获取所述目标业务案件的目标业务信息，并推荐所述目标业务案件。
[0104]
在本实施例中，目标业务案件为与当前业务案件相似度最高的样本业务案件，以目标业务案件的目标业务信息作为范例，业务人员在开展当前业务案件时，借鉴目标业务案件的目标业务信息，提炼目标业务案件的数据资产库，不同业务案件的清收过程都有类似的目标业务案件可供参考，提供清收的策略及建议，可推动不良资产的处置效率及回收业绩的工作开展，使得业务人员更快上手开展业务。
[0105]
步骤s6之后还包括步骤s7:提取所述目标业务案件的每个重点关注案件节点处理成功的原因导向因素以及提取所述样本业务内容中的关键标签；
[0106]
步骤s8：将所述原因导向因素作为所述目标业务案件的案件摘要以及所述关键标签呈现推荐界面。
[0107]
在nlp语义分析目标业务案件的目标业务信息时，根据获取的关键标签进行目标业务信息呈现至推荐界面中，具体呈现的目标业务信息包括目标业务案件的关键标签，客户属性、重点关注案件节点、节点业务内容的案件摘要等，节省了人工熟悉业务案件的时间，并且可以提炼简要的案件摘要内容，供一线业务人员迅速了解优秀案件清收路径，目标业务信息在推荐界面的排版可根据业务案件录入时预先设定也可根据业务人员的观看习惯进行设置，预先设定为录入时间排序或案件首字母排序或案件发生的起始时间排序。
[0108]
原因导向因素具体为每个节点处理内容的推荐、律师的推荐、催收公司的推荐、处理流程推荐、业绩优选的业务人员推荐等。通过将相似维度较高的业务案件的分案流程推荐给业务人员，方便动态得到每一个业务案件的每一个阶段的推荐结果。
[0109]
在推荐界面更直观的展示目标业务案件的处理方法，节省了人工的时间，并且可以提炼简要目标业务案件的案件摘要文件，供一线业务人员迅速了解优秀业务案件清收路径，推动不良资产的处置效率及回收业绩。
[0110]
在本实施例中通过获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签，基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度，根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件，获取所述目标业务案件的目标业务信息，并推荐目标业务案件。实现了精准推荐相似度高的业务案件，工作人员可根据推荐的业
务案件为借鉴开展工作，方便工作人员快速上手工作并准确开展工作，增加工作效率，提高工作开展的智能化水平。
[0111]
需要强调的是，为进一步保证上述业务案件的私密和安全性，上述业务案件还可以存储于一区块链的节点中。
[0112]
本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0113]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0114]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0115]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
[0116]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0117]
进一步参考图4，作为对上述图2、图3所示方法的实现，本技术提供了一种业务案件的推荐装置的一个实施例，该装置实施例与图2、图3所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0118]
如图4所示，本实施例所述的业务案件的推荐装置400包括：获取模块401、提取模块402、分析模块403、评分模块404、确定模块405、推荐模块406。其中：
[0119]
获取模块401，获取当前业务案件的当前业务信息，其中，当前业务信息包括至少一个当前标签；
[0120]
提取模块402，基于当前标签，提取数据资产库中拥有至少一个当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件；
[0121]
分析模块403，运用nlp语义分析所述样本业务案件组中每个样本业务案件，根据分析结果得到样本业务信息；
[0122]
评分模块404，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算评分矩阵中当前业务案件的当前业务信息与样本业务案件的样本业务信息的相似维度；
[0123]
确定模块405，根据评分矩阵获取与当前业务案件相似维度最高的样本业务案件为目标业务案件；
[0124]
推荐模块406，获取目标业务案件的目标业务信息，并推荐目标业务案件。
[0125]
在本实施例中通过获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签，基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度，根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件，获取所述目标业务案件的目标业务信息，并推荐目标业务案件。实现了精准推荐相似度高的业务案件，工作人员可根据推荐的业务案件为借鉴开展工作，方便工作人员快速上手工作并准确开展工作，增加工作效率，提高工作开展的智能化水平。
[0126]
在本实施例的一些可选的实现方式中，所述分析模块403包括：
[0127]
分析子模块，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件中语言结构，获取得到样本业务信息，其中所述样本业务信息包括样本业务内容与样本业务节点；
[0128]
排序子模块，将所述样本业务内容按照所述样本业务节点排序。
[0129]
本实施例中，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件中语言结构进而的获取样本业务信息的详细内容，增加数据的真实性，再对样本业务内容按照样本业务节点排序，使得业务案件内容更简洁明了。
[0130]
在本实施例的一些可选的实现方式中，所述评分模块404包括：
[0131]
获取子单元，获取所述当前业务案件的预存评价分数与当前业务节点，获取所述样本业务案件的预存评价分数与样本业务节点；
[0132]
拆分子单元，将所述当前业务案件的预存评价分数根据所述当前业务节点进行拆分，并获取至少一个当前业务案件的节点分数，根据所述当前业务案件的节点分数建立当前评分子矩阵；将所述样本业务案件的预存评价分数根据所述样本业务节点进行拆分，并获取所述样本业务案件的至少一个节点分数，根据所述样本业务案件的节点分数建立样本评分子矩阵；
[0133]
计算子模块，基于协同过滤算法计算所述当前评分子矩阵与所述样本评分子矩阵的相似维度。
[0134]
本实施例中，通过建立评分矩阵，使得节点分数更简单明了，并对评分矩阵内的当前业务案件的节点分数以及所述样本业务案件的节点分数进行相似维度计算进而实现了精准推荐相似度高的业务案件。
[0135]
在本实施例的一些可选的实现方式中，所述建立子模块包括：
[0136]
建立当前子单元，以行首为所述当前业务节点，列首为所述当前业务案件的名称，表格内填写对应所述当前业务节点的节点分数，建立当前评分子矩阵，其中，所述当前业务节点关联所述当前业务内容；
[0137]
建立样本子单元，所述根据所述样本业务案件的节点分数建立样本评分子矩阵的步骤包括：以行首为所述样本业务节点，列首为所述样本业务案件的名称，表格内填写对应所述样本业务节点的节点分数，建立样本评分子矩阵，其中，所述样本业务节点关联所述样本业务内容。
[0138]
本实施例中，通过预存评价分数按业务节点进行拆分，并获取每个而业务节点的节点分数，进而建立评分矩阵，提高后续相似维度计算的精确性。
[0139]
在本实施例的一些可选的实现方式中，所述计算子模块包括：
[0140]
计算子单元，以所述当前业务案件的节点分数的总和与所述样本业务案件的节点分数的总和的乘积作为维度分子，以所述当前业务案件的节点分数平方的总和与所述样本业务案件的节点分数平方的总和的乘积作为维度分母；
[0141]
定义子单元，将所述维度分子除以所述维度分母获得的数值作为所述当前业务案件与所述样本业务案件的相似维度。
[0142]
本实施例中，通过当前业务案件的节点分数以及所述样本业务案件的节点分数计算相似维度，实现了精准推荐相似度高的业务案件。
[0143]
在本实施例的一些可选的实现方式中，所述的业务案件的推荐装置400还包括：
[0144]
提取子单元，提取所述目标业务案件的每个重点关注案件节点处理成功的原因导向因素以及提取所述样本业务内容中的关键标签；
[0145]
呈现子单元，将所述原因导向因素作为所述目标业务案件的案件摘要以及所述关键标签呈现推荐界面。
[0146]
本实施例中，通过提取所述目标业务案件的每个重点关注案件节点处理成功的原因导向因素，在推荐界面更直观的展示目标业务案件的处理方法，节省了人工的时间，并且可以提炼简要目标业务案件的案件摘要文件，供一线业务人员迅速了解优秀业务案件清收路径，推动不良资产的处置效率及回收业绩。
[0147]
为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。
[0148]
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图5中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
[0149]
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
[0150]
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、
硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备6的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如业务案件的推荐方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0151]
所述处理器42在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述业务案件的推荐方法的计算机可读指令。
[0152]
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
[0153]
在本实施例中通过获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签，基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度，根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件，获取所述目标业务案件的目标业务信息，并推荐目标业务案件。实现了精准推荐相似度高的业务案件，工作人员可根据推荐的业务案件为借鉴开展工作，方便工作人员快速上手工作并准确开展工作，增加工作效率，提高工作开展的智能化水平。
[0154]
本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的业务案件的推荐方法的步骤。
[0155]
在本实施例中通过获取当前业务案件的当前业务信息，其中，所述当前业务信息包括至少一个当前标签，基于所述当前标签，提取数据资产库中拥有至少一个所述当前标签的样本业务案件组，所述样本业务案件组包括至少一个样本业务案件，运用nlp语义分析所述样本业务案件组中每个所述样本业务案件，根据分析结果得到样本业务信息，根据所述当前业务案件的当前业务信息、所述样本业务案件的样本业务信息和预存的评价分数建立评分矩阵，基于协同过滤算法计算所述评分矩阵中所述当前业务案件的当前业务信息与所述样本业务案件的样本业务信息的相似维度，根据所述评分矩阵获取与所述当前业务案件相似维度最高的样本业务案件为目标业务案件，获取所述目标业务案件的目标业务信息，并推荐目标业务案件。实现了精准推荐相似度高的业务案件，工作人员可根据推荐的业
务案件为借鉴开展工作，方便工作人员快速上手工作并准确开展工作，增加工作效率，提高工作开展的智能化水平。
[0156]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
[0157]
显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。