基于金融应用程序的数据处理方法、装置、计算机设备与流程
本技术涉及人工智能，特别是涉及一种基于金融应用程序的数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术：
1、由于传统的手机银行是面向大众推出，存在缺乏个性化、针对性和主动性的问题，无法考虑用户需求的复杂性和差异性，在用户需要对某些产品或业务进行针对性选择时，会出现操作困难的情况。
2、相关技术中，针对手机银行的差异化调整，通常是使用机器学习或深度学习进行差异化定制。但机器学习存在对先验知识要求多、对参数更敏感、特征提取不足、计算复杂度高等问题，导致最终实现效果不佳；而基于深度学习的神经网络也存在参数量大、训练成本高等问题，不利于在实际情况中使用。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提升金融应用程序的差异化处理效果的基于金融应用程序的数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本技术提供了一种基于金融应用程序的数据处理方法，包括：
3、获取所述金融应用程序的使用对象的对象行为信息；所述对象行为信息包括对象属性信息、针对所述金融应用程序中业务的业务使用信息，以及所述使用对象的操作行为信息；
4、将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息；所述行为特征提取信息包括不同行为类型的对象特征；
5、通过对所述行为特征提取信息进行分类输出，得到各所述行为类型对应的对象特征分类结果；
6、基于各所述对象特征分类结果，控制所述金融应用程序执行针对各所述行为类型的个性化反馈处理；所述个性化反馈处理包括行为反馈操作或个性化推荐。
7、在其中一个实施例中，所述方法还包括：
8、采用数据预处理模块、n个基础特征提取模块，以及输出层，构建轻量神经网络，作为待训练的对象行为分类模型；其中，n为正整数；
9、获取样本使用对象的样本对象行为信息作为训练数据，采用所述训练数据对所述待训练的对象行为分类模型进行训练，得到所述预训练的对象行为分类模型；所述样本对象行为信息包括样本对象属性信息、针对所述金融应用程序中业务的样本业务使用信息，以及所述样本使用对象的样本操作行为信息；
10、其中，所述数据预处理模块包括数据输入模块和卷积模块；每个所述基础特征提取模块包括特征提取单元、降采样特征提取单元、信道分割模块、信道洗牌模块，以及激活函数；所述输出层包括池化层和全连接层。
11、在其中一个实施例中，所述方法还包括：
12、采用步长为一的深度可分离卷积，构建所述特征提取单元，以及采用步长为二的深度可分离卷积，构建所述降采样特征提取单元；
13、结合所述特征提取单元、所述降采样特征提取单元、所述信道分割模块、所述信道洗牌模块，以及所述激活函数，构建所述基础特征提取模块，并配置所述基础特征提取模块的输入通道宽度与输出通道宽度相同。
14、在其中一个实施例中，所述将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息，包括：
15、通过所述数据预处理模块，将所述对象属性信息、所述业务使用信息，以及所述操作行为信息的数据输入模式转换为预设输入模式，得到转换后输入数据；
16、通过所述n个基础特征提取模块，对所述转换后输入数据进行多次特征学习和特征传播，提取出所述不同行为类型的对象特征，作为所述行为特征提取信息。
17、在其中一个实施例中，所述通过所述n个基础特征提取模块，对所述转换后输入数据进行多次特征学习和特征传播，包括：
18、利用所述信道洗牌模块，执行对特征和通道的重新分配操作，并通过不同通道间的特征流转和特征传播进行特征重组。
19、在其中一个实施例中，所述激活函数包括第一激活函数和第二激活函数，所述通过所述n个基础特征提取模块，对所述转换后输入数据进行多次特征学习和特征传播，包括：
20、通过在低纬度使用所述第一激活函数，对所述基础特征提取模块的输出参数进行限制；
21、通过在高纬度使用所述第二激活函数，控制所述基础特征提取模块在不过拟合的情况下提取细节特征。
22、第二方面，本技术还提供了一种基于金融应用程序的数据处理装置，包括：
23、对象行为信息获取模块，用于获取所述金融应用程序的使用对象的对象行为信息；所述对象行为信息包括对象属性信息、针对所述金融应用程序中业务的业务使用信息，以及所述使用对象的操作行为信息；
24、行为特征提取模块，用于将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息；所述行为特征提取信息包括不同行为类型的对象特征；
25、对象特征分类模块，用于通过对所述行为特征提取信息进行分类输出，得到各所述行为类型对应的对象特征分类结果；
26、个性化反馈模块，用于基于各所述对象特征分类结果，控制所述金融应用程序执行针对各所述行为类型的个性化反馈处理；所述个性化反馈处理包括行为反馈操作或个性化推荐。
27、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
28、获取所述金融应用程序的使用对象的对象行为信息；所述对象行为信息包括对象属性信息、针对所述金融应用程序中业务的业务使用信息，以及所述使用对象的操作行为信息；
29、将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息；所述行为特征提取信息包括不同行为类型的对象特征；
30、通过对所述行为特征提取信息进行分类输出，得到各所述行为类型对应的对象特征分类结果；
31、基于各所述对象特征分类结果，控制所述金融应用程序执行针对各所述行为类型的个性化反馈处理；所述个性化反馈处理包括行为反馈操作或个性化推荐。
32、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
33、获取所述金融应用程序的使用对象的对象行为信息；所述对象行为信息包括对象属性信息、针对所述金融应用程序中业务的业务使用信息，以及所述使用对象的操作行为信息；
34、将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息；所述行为特征提取信息包括不同行为类型的对象特征；
35、通过对所述行为特征提取信息进行分类输出，得到各所述行为类型对应的对象特征分类结果；
36、基于各所述对象特征分类结果，控制所述金融应用程序执行针对各所述行为类型的个性化反馈处理；所述个性化反馈处理包括行为反馈操作或个性化推荐。
37、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
38、获取所述金融应用程序的使用对象的对象行为信息；所述对象行为信息包括对象属性信息、针对所述金融应用程序中业务的业务使用信息，以及所述使用对象的操作行为信息；
39、将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息；所述行为特征提取信息包括不同行为类型的对象特征；
40、通过对所述行为特征提取信息进行分类输出，得到各所述行为类型对应的对象特征分类结果；
41、基于各所述对象特征分类结果，控制所述金融应用程序执行针对各所述行为类型的个性化反馈处理；所述个性化反馈处理包括行为反馈操作或个性化推荐。
42、上述一种基于金融应用程序的数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，通过获取金融应用程序的使用对象的对象行为信息，该对象行为信息包括对象属性信息、针对金融应用程序中业务的业务使用信息，以及使用对象的操作行为信息，然后将对象属性信息、业务使用信息，以及操作行为信息输入至预训练的对象行为分类模型，获得使用对象的行为特征提取信息，该行为特征提取信息包括不同行为类型的对象特征，通过对行为特征提取信息进行分类输出，得到各行为类型对应的对象特征分类结果，进而基于各对象特征分类结果，控制金融应用程序执行针对各行为类型的个性化反馈处理，该个性化反馈处理包括行为反馈操作或个性化推荐，实现了基于金融应用程序对不同使用对象的个性化反馈，通过采用轻量的神经网络模型学习金融应用程序中使用对象的多维度特征并进行分类输出，能够使得金融应用程序执行差异化的行为反馈操作或个性化推荐，有效提升了基于金融应用程序的数据处理效果。
技术特征：
1.一种基于金融应用程序的数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述将所述对象属性信息、所述业务使用信息，以及所述操作行为信息输入至预训练的对象行为分类模型，获得所述使用对象的行为特征提取信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述通过所述n个基础特征提取模块，对所述转换后输入数据进行多次特征学习和特征传播，包括：
6.根据权利要求4所述的方法，其特征在于，所述激活函数包括第一激活函数和第二激活函数，所述通过所述n个基础特征提取模块，对所述转换后输入数据进行多次特征学习和特征传播，包括：
7.一种基于金融应用程序的数据处理装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
技术总结
本申请涉及一种基于金融应用程序的数据处理方法、装置、计算机设备，涉及人工智能技术领域。所述方法包括：获取金融应用程序的使用对象的对象行为信息；将对象属性信息、业务使用信息，以及操作行为信息输入至预训练的对象行为分类模型，获得使用对象的行为特征提取信息；行为特征提取信息包括不同行为类型的对象特征；通过对行为特征提取信息进行分类输出，得到各行为类型对应的对象特征分类结果；基于各对象特征分类结果，控制金融应用程序执行针对各行为类型的个性化反馈处理；个性化反馈处理包括行为反馈操作或个性化推荐。采用本方法能够基于金融应用程序实现对不同使用对象的个性化反馈，有效提升了基于金融应用程序的数据处理效果。
技术研发人员：陈煜,向永香
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/9/23