一种基于人工智能的个人智能决策引擎

摘要

本发明属于决策引擎技术领域，具体涉及一种基于人工智能的个人智能决策引擎，包括：模型层：针对用户、场景、商业建模；交互层：包括语言解析、语义理解、知识图谱；关联层：关联了用户、场景、商业模型；决策层：由基于前三者的智能推荐算法实现；本发明通过大数据建立大数据量的针对用户、场景、商业建模，便于将策略对应到相应的应用场景，并且可以实现精准的规则推算，因此实现高效准确的决策，且为了便于对变量、规则和策略进行调整和编辑，采用由人为进行管控的逻辑与策略规则，也解决了传统策略引擎修改不灵活，部署缓慢，安全性不高等问题。

说明书

技术领域

本发明属于决策引擎技术领域，具体涉及一种基于人工智能的个人智能决策引擎。

背景技术

大数据分析是指对规模巨大的数据进行分析。大数据可以概括为5个V， 数据量大、速度快、类型多、价值、真实性，大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生，随着互联网金融行业的高速发展，以及移动应用、云计算、大数据、物联网及人工智能技术的日益成熟，市场对决策引擎产品的需求越来越大。

目前的决策引擎体系较简单，如果是固定额度与固定费率式的产品业务定价，则风控体系更多的是规则的集合，但若是有延伸的提额功能模块，与可根据用户前端不同的输入项数据，而输出与之相匹的不同的额度与费率的产品，则此时需要模型化，因此现在的决策引擎不能满足多元化的市场需求。

发明内容

本发明提供了一种基于人工智能的个人智能决策引擎，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的个人智能决策引擎，包括：

模型层：针对用户、场景、商业建模；

交互层：包括语言解析、语义理解、知识图谱；

关联层：关联了用户、场景、商业模型；

决策层：由基于前三者的智能推荐算法实现。

优选的，用户模型的建立包括获取用户身份证号、用户手机号码、用户支付宝账号、用户微信账号。

优选的，依照上述账号展开延伸性的信息获取，包括但不限于基于身份证号的公示的不良个人信息，法人信息以及法人公司风险信息和股东相关的公司风险信息、基于用户手机号码的黑名单、举报或欺诈号码信息、基于用户支付宝账号的个人信誉信息、消费能力信息、基于微信账号的冻结、举报或黑名单信息。

优选的，场景模型的建立包括策略编辑模块、策略停启用模块、策略卸载及部署模块、策略刷新模块、策略浅拷贝模块、策略深拷贝模块、策略测试模块。

优选的，商业模型包括任务建立模块、资源获取模块、交互任务模块和事件监听模块，通过任务建立模块和资源获取模块获悉事件处理源目的和渠道，根据交互任务模块建立多维数据模型，建立的数据模型由鼠标或键盘或外部输入触发，实现事件的监听。

优选的，语言解析基于百科及词典对整句语句进行分析，语义理解依据语义理解对象和语义理解对象的上下文对象，预测主题，知识图谱包括字词典及实时网络热词信息。

优选的，用户、场景、商业模型至少与一种类型的用户或商业模型进行数据库的关联。

优选的，对前三者的智能推荐算法进行规则编辑、规则复制、规则停启用、规则推送策略和规则校验和测试。

优选的，所述规则编辑、规则复制、规则停启用、规则推送策略和规则校验和测试由人为进行管控。

与现有技术相比，本发明的有益效果是：

本发明通过大数据建立大数据量的针对用户、场景、商业建模，便于将策略对应到相应的应用场景，并且可以实现精准的规则推算，因此实现高效准确的决策，且为了便于对变量、规则和策略进行调整和编辑，采用由人为进行管控的逻辑与策略规则，也解决了传统策略引擎修改不灵活，部署缓慢，安全性不高等问题。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

实施例1

本发明提供以下技术方案：一种基于人工智能的个人智能决策引擎，包括：

模型层：针对用户、场景、商业建模；

交互层：包括语言解析、语义理解、知识图谱；

关联层：关联了用户、场景、商业模型；

决策层：由基于前三者的智能推荐算法实现。

本实施例中，用户模型的建立包括获取用户身份证号、用户手机号码、用户支付宝账号、用户微信账号，依照上述账号展开延伸性的信息获取，包括但不限于基于身份证号的公示的不良个人信息，法人信息以及法人公司风险信息和股东相关的公司风险信息、基于用户手机号码的黑名单、举报或欺诈号码信息、基于用户支付宝账号的个人信誉信息、消费能力信息、基于微信账号的冻结、举报或黑名单信息，可以对商业对象的规模和信用进行初步的审核，有助于后期决策的方向和策略的选定，场景模型的建立包括策略编辑模块、策略停启用模块、策略卸载及部署模块、策略刷新模块、策略浅拷贝模块、策略深拷贝模块、策略测试模块，可以对策略进行编辑、或者在交谈过程中启用新的或停用旧的策略，并且可以将实时的交谈以及策略进行保存拷贝，作为参考案例，增加数据库的数据量，交互过程中，语言解析基于百科及词典对整句语句进行分析，语义理解依据语义理解对象和语义理解对象的上下文对象，预测主题，知识图谱包括字词典及实时网络热词信息，通过大数据和准确的分析，可以得到客户的目的和心理变化，便于改变实时决策，用户、场景、商业模型至少与一种类型的用户或商业模型进行数据库的关联，在交谈过程中，可以实时的切换策略和方向，对前述的智能推荐算法进行规则编辑、规则复制、规则停启用、规则推送策略及规则校验和测试，实现在交互过程中，实时的反馈的信息进行监控，并有人为对规则进行改变，以保证结果决策准确。

具体的，用户模型的建立包括获取用户身份证号、用户手机号码、用户支付宝账号、用户微信账号。

具体的，依照上述账号展开延伸性的信息获取，包括但不限于基于身份证号的公示的不良个人信息，法人信息以及法人公司风险信息和股东相关的公司风险信息、基于用户手机号码的黑名单、举报或欺诈号码信息、基于用户支付宝账号的个人信誉信息、消费能力信息、基于微信账号的冻结、举报或黑名单信息。

具体的，场景模型的建立包括策略编辑模块、策略停启用模块、策略卸载及部署模块、策略刷新模块、策略浅拷贝模块、策略深拷贝模块、策略测试模块。

具体的，语言解析基于百科及词典对整句语句进行分析，语义理解依据语义理解对象和语义理解对象的上下文对象，预测主题，知识图谱包括字词典及实时网络热词信息。

具体的，用户、场景、商业模型至少与一种类型的用户或商业模型进行数据库的关联。

具体的，对前三者的智能推荐算法进行规则编辑、规则复制、规则停启用、规则推送策略和规则校验和测试。

具体的，所述规则编辑、规则复制、规则停启用、规则推送策略和规则校验和测试由人为进行管控。

实施例2

本发明提供以下技术方案：一种基于人工智能的个人智能决策引擎，本发明提供以下技术方案：一种基于人工智能的个人智能决策引擎，包括：

模型层：针对用户、场景、商业建模；

交互层：包括语言解析、语义理解、知识图谱；

关联层：关联了用户、场景、商业模型；

决策层：由基于前三者的智能推荐算法实现。

本实施例中，用户模型的建立包括获取用户身份证号、用户手机号码、用户支付宝账号、用户微信账号，依照上述账号展开延伸性的信息获取，包括但不限于基于身份证号的公示的不良个人信息，法人信息以及法人公司风险信息和股东相关的公司风险信息、基于用户手机号码的黑名单、举报或欺诈号码信息、基于用户支付宝账号的个人信誉信息、消费能力信息、基于微信账号的冻结、举报或黑名单信息，可以对商业对象的规模和信用进行初步的审核，有助于后期决策的方向和策略的选定，商业模型包括任务建立模块、资源获取模块、交互任务模块和事件监听模块，通过任务建立模块和资源获取模块获悉事件处理源目的和渠道，根据交互任务模块建立多维数据模型，建立的数据模型由鼠标或键盘或外部输入触发，实现事件的监听，可以同时对多个进行的交互交谈进行监控，并根据每个交谈的策略进行，场景模型的建立包括策略编辑模块、策略停启用模块、策略卸载及部署模块、策略刷新模块、策略浅拷贝模块、策略深拷贝模块、策略测试模块，可以对策略进行编辑、或者在交谈过程中启用新的或停用旧的策略，并且可以将实时的交谈以及策略进行保存拷贝，作为参考案例，增加数据库的数据量，交互过程中，语言解析基于百科及词典对整句语句进行分析，语义理解依据语义理解对象和语义理解对象的上下文对象，预测主题，知识图谱包括字词典及实时网络热词信息，通过大数据和准确的分析，可以得到客户的目的和心理变化，便于改变实时决策，用户、场景、商业模型至少与一种类型的用户或商业模型进行数据库的关联，在交谈过程中，可以实时的切换策略和方向，对前述的智能推荐算法进行规则编辑、规则复制、规则停启用、规则推送策略及规则校验和测试，实现在交互过程中，实时的反馈的信息进行监控，并有人为对规则进行改变，以保证结果决策准确。

具体的，用户模型的建立包括获取用户身份证号、用户手机号码、用户支付宝账号、用户微信账号。

具体的，依照上述账号展开延伸性的信息获取，包括但不限于基于身份证号的公示的不良个人信息，法人信息以及法人公司风险信息和股东相关的公司风险信息、基于用户手机号码的黑名单、举报或欺诈号码信息、基于用户支付宝账号的个人信誉信息、消费能力信息、基于微信账号的冻结、举报或黑名单信息。

具体的，场景模型的建立包括策略编辑模块、策略停启用模块、策略卸载及部署模块、策略刷新模块、策略浅拷贝模块、策略深拷贝模块、策略测试模块。

具体的，商业模型包括任务建立模块、资源获取模块、交互任务模块和事件监听模块，通过任务建立模块和资源获取模块获悉事件处理源目的和渠道，根据交互任务模块建立多维数据模型，建立的数据模型由鼠标或键盘或外部输入触发，实现事件的监听。

具体的，语言解析基于百科及词典对整句语句进行分析，语义理解依据语义理解对象和语义理解对象的上下文对象，预测主题，知识图谱包括字词典及实时网络热词信息。

具体的，用户、场景、商业模型至少与一种类型的用户或商业模型进行数据库的关联。

具体的，对前三者的智能推荐算法进行规则编辑、规则复制、规则停启用、规则推送策略和规则校验和测试。

具体的，所述规则编辑、规则复制、规则停启用、规则推送策略和规则校验和测试由人为进行管控。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例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同替换。凡在本发明的精神和原则之内，所作的任何修改。