(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210967483.7 (22)申请日 2022.08.12 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 吴欢　林慕云　殷富成　郑安妮　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 赵平　任默闻 (51)Int.Cl. G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 票据贴现业务信息推送方法和装置 (57)摘要 本发明提供了一种票据贴现业务信息推送 方法和装置， 特别涉及人工智 能领域， 所述方法 包括： 将历史客户特征向量的向量元素按对应的 元素值进行归类处理， 得到历史客户特征向量每 个向量元素对应的归类值； 基于决策树得到向量 元素的元素类型的权重； 基于权重和历史客户特 征向量， 确定多个目标聚类； 根据决策树判断当 前客户特征向量对应的当前客户是否具有贴现 意愿， 若是， 基于目标聚类确定所述当前客户特 征向量对应的客户类型； 根据客户类型向当前客 户进行票据贴现业务信息推送。 本发 明能够提高 票据贴现业务信息推送的速度和准确性， 从而提 高票据贴现业务信息推送效率， 进而有利于提高 银行的收入。 权利要求书5页 说明书28页 附图4页 CN 115409596 A 2022.11.29 CN 115409596 A 1.一种票据贴现业 务信息推送方法， 其特 征在于， 包括： 将预设的历史客户特征向量的向量元素按对应的元素值进行归类处理， 得到历史客户 特征向量中每个向量元素对应的归类值； 将当前客户特征向量的向量元素按对应的元素值 进行归类处 理， 得到当前客户特 征向量中每 个向量元 素对应的归类值； 基于预设的决策树得到向量元素的元素类型的权重； 其中， 所述决策树与多个所述历 史客户特 征向量、 所述历史客户特 征向量的归类值和对应的历史贴现标签关联； 基于所述权重和历史客户特征向量， 确定多个目标聚类； 根据所述决策树判断所述当 前客户特征向量对应的当前客户是否具有贴现意愿， 若是， 基于所述 目标聚类确定所述当 前客户特征向量对应的客户类型； 根据所述客户类型向当前客户进行票据贴现业务信息推 送。 2.根据权利要求1所述的方法， 其特 征在于， 进一 步包括： 在将预设的历史客户特征向量的向量元素按对应的元素值进行归类处理， 得到每个向 量元素对应的归类值之前， 基于多个预设的客户认证代码， 分别得到对应的初始历史客户信息； 对所述初始历史客户信息进行数据清洗、 数据抽取和数据标准化处理， 得到中间历史 客户信息； 对所述中间历史客户信息进行 特征向量化处理， 得到所述历史客户特 征向量。 3.根据权利要求1所述的方法， 其特 征在于， 进一 步包括： 在将当前客户特征向量的向量元素按对应的元素值进行归类处理， 得到当前客户特征 向量中每 个向量元 素对应的归类值之前， 将预设的当前客户信息进行 特征向量化处理， 得到所述当前客户特 征向量。 4.根据权利要求1所述的方法， 其特征在于， 所述将预设的历史客户特征向量的向量元 素按对应的元素值进行归类处理， 得到历史客户特征向量中每个向量元素对应的归类值， 包括： 基于所述元素值、 对应向量元素的元素类型以及预设的所述元素类型对应的多个不同 的元素值区间， 从所述元素值区间中确定历史客户特征向量的每个向量元素的元素值对应 的归属区间； 基于所述归属区间， 得到所述历史客户特 征向量中对应向量元 素的归类值。 5.根据权利要求1所述的方法， 其特 征在于， 进一 步包括： 在基于预设的决策树得到向量元 素的元素类型的权 重之前， 基于多个所述历史客户特征向量、 所述历史客户特征向量的归类值和对应的历史贴现 标签， 构建决策树。 6.根据权利要求5所述的方法， 其特征在于， 所述基于多个所述历史客户特征向量、 所 述历史客户特 征向量的归类值和对应的历史贴现标签， 构建决策树， 包括： 根据所有所述历史客户特征向量和对应的历史贴现标签， 得到完整信 息熵； 其中， 所述 历史贴现标签的取值 为有贴现经历标签或无贴现经历标签； 根据所有所述历史客户特征向量对应的历史贴现标签和向量元素的归类值， 得到每个 所述元素类型的根条件熵； 根据所述完整信息熵和所述根条件熵， 得到所述元素类型对应的根信息增益熵， 并将权　利　要　求　书 1/5 页 2 CN 115409596 A 2根信息增益熵最大的元素类型作为根节点属性建立决策树的根节点； 基于所述根节点属性 可取的每个归类值， 分别建立每 个归类值对应的子节点； 重复执行建立子节点的步骤， 直到无法建立子节点， 以完成所述决策树的构建， 所述建 立子节点的步骤 包括： 根据每个所述子节点对应的子归类值， 确定具有对应所述子归类值的向量元素的多个 历史客户特 征向量为所述子节点的子历史客户特 征向量； 分别判断每个所述子节点的子历史客户特征向量对应的历史贴现标签是否均相同， 若 是， 将所述子节点作为叶节点； 根据每个叶节点对应的叶归类值， 确定具有对应所述叶归类 值的向量元 素的多个历史客户特 征向量为所述叶节点的叶历史客户特 征向量； 若否， 根据所有所述子历史客户特征向量对应的历史贴现标签和向量元素的归类值， 得到所述子节点中每 个所述元 素类型的子条件熵； 根据所述完整信息熵和所述子条件熵， 得到所述元素类型对应的子信息增益熵， 并将 子信息增益熵最大的元素类型作为子节点属性； 基于所述子节点属性可取的每个归类值建 立所述子节点下一层的子节点。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所有所述历史客户特征向量和对 应的历史贴现标签， 得到 完整信息熵， 包括： 根据所有所述历史客户特征向量和对应的历史贴现标签， 得到所述历史贴现标签取值 为有贴现经历标签的已贴现历史客户特征向量的第一数量、 以及所述历史贴现标签取值为 无贴现经历标签的未贴现历史客户特 征向量的第二数量； 基于所述第一数量和所有历史客户特 征向量的总数量， 得到贴现率； 基于所述第二数量和所有历史客户特 征向量的总数量， 得到未贴现率； 基于所述贴现率和所述未贴现率， 得到 完整信息熵。 8.根据权利要求6所述的方法， 其特征在于， 所述根据所有所述历史客户特征向量对应 的历史贴现标签和向量元 素的归类值， 得到每 个所述元 素类型的根条件熵， 包括： 根据所述向量元素的归类值， 分别得到所述元素类型中取不同归类值的向量元素的划 分数量； 根据所述划分数量和所有历史客户特 征向量的总数量， 得到划分率； 分别将所述元素类型中取不同归类值时对应的历史客户特征向量作为对应的划分向 量， 并基于所述元素类型中取不同归类值时对应的划分向量和所述划分向量对应的历史贴 现标签， 得到对应不同归类值的划分信息熵； 基于所述元素类型可取的不同归类值对应的划分率和划分信 息熵， 得到所述元素类型 的根条件熵。 9.根据权利要求6所述的方法， 其特征在于， 所述根据所有所述子历史客户特征向量对 应的历史贴现标签和向量元素的归类值， 得到所述子节点中每个所述元素类型的子条件 熵， 包括： 根据所述子历史客户特征向量的向量元素的归类值， 分别得到子历史客户特征向量的 所述元素类型中取不同归类值的向量元 素的子划分数量； 根据所述子划分数量和所述子历史客户特 征向量的子向量数量， 得到 子划分率； 分别将所述元素类型中取不同归类值时对应的子历史客户特征向量作为对应的子划权　利　要　求　书 2/5 页 3 CN 115409596 A 3