征信值計算方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001 ]本公開涉及數(shù)據(jù)處理技術(shù)領(lǐng)域,尤其涉及一種征信值計算方法及裝置。
【背景技術(shù)】
[0002]目前,互聯(lián)網(wǎng)征信成為了互聯(lián)網(wǎng)金融的基礎(chǔ)性工作。互聯(lián)網(wǎng)征信主要分析的是用戶的日常行為數(shù)據(jù)。但是從日常行為數(shù)據(jù)中,可能并不能獲取到有用的征信數(shù)據(jù)。
【發(fā)明內(nèi)容】
[0003]本公開實施例提供一種征信值計算方法及裝置,包括如下技術(shù)方案:
[0004]第一方面,提供了一種征信值計算方法,包括:
[0005]獲取用戶的圖片數(shù)據(jù)庫中的圖片;
[0006]通過識別所述圖片,從所述圖片中獲取用戶的個人信息,其中,所述個人信息包括以下至少一種類型的信息:基礎(chǔ)屬性信息、生活狀況信息和社交信息;
[0007]根據(jù)所述個人信息和預設(shè)計算規(guī)則,計算所述用戶的征信值。
[0008]在一個實施例中,所述通過識別所述圖片,從所述圖片中獲取用戶的個人信息,包括:
[0009]確定欲獲取的個人信息的目標類型;
[0010]獲取與所述目標類型對應(yīng)的目標深度卷積神經(jīng)網(wǎng)絡(luò)模型;
[0011 ]利用所述目標深度卷積神經(jīng)網(wǎng)絡(luò)模型對所述圖片進行識別,得到識別結(jié)果;
[0012]從所述識別結(jié)果中提取所述個人信息。
[0013]在一個實施例中,征信值計算方法還包括:
[0014]利用屬于所述目標類型的樣本圖片集、深度卷積神經(jīng)網(wǎng)絡(luò)協(xié)議和深度卷積神經(jīng)網(wǎng)絡(luò)模型進行訓練,得到目標深度卷積神經(jīng)網(wǎng)絡(luò)模型;
[0015]將所述目標類型與所述目標深度卷積神經(jīng)網(wǎng)絡(luò)模型進行對應(yīng)存儲;
[0016]其中,所述目標類型的樣本圖片集包括至少一個樣本圖片,每個樣本圖片中均包括屬于所述目標類型的個人信息。
[0017]在一個實施例中,所述基礎(chǔ)屬性信息包括以下至少一項:年齡、性別、人臉和婚姻狀況;
[0018]所述生活狀況信息包括以下至少一項:用戶的居所信息、用戶的服飾信息、用戶的隨身物品信息和用戶的交通工具信息;
[0019]所述社交信息包括以下至少一項:用戶的社交場所信息和與用戶合影的其他用戶的信息。
[0020]在一個實施例中,征信值計算方法還包括:
[0021]接收輸入的設(shè)置命令;
[0022]根據(jù)所述設(shè)置命令設(shè)置所述預設(shè)計算規(guī)則。
[0023]在一個實施例中,所述根據(jù)所述個人信息和預設(shè)計算規(guī)則,計算所述用戶的征信值,包括:
[0024]根據(jù)所述個人信息和所述個人信息所屬的類型對應(yīng)的權(quán)重值的乘積,計算得到所述用戶的征信值。
[0025]第二方面,提供了一種征信值計算裝置,包括:
[0026]第一獲取模塊,用于獲取用戶的圖片數(shù)據(jù)庫中的圖片;
[0027]第二獲取模塊,用于通過識別所述第一獲取模塊獲取的所述圖片,從所述圖片中獲取用戶的個人信息,其中,所述個人信息包括以下至少一種類型的信息:基礎(chǔ)屬性信息、生活狀況信息和社交信息;
[0028]計算模塊,用于根據(jù)所述第二獲取模塊獲取的所述個人信息和預設(shè)計算規(guī)則,計算所述用戶的征信值。
[0029]在一個實施例中,所述第二獲取模塊包括:
[0030]確定子模塊,用于確定欲獲取的個人信息的目標類型;
[0031 ]獲取子模塊,用于獲取與所述確定子模塊確定的所述目標類型對應(yīng)的目標深度卷積神經(jīng)網(wǎng)絡(luò)模型;
[0032]識別子模塊,用于利用所述獲取子模塊獲取的所述目標深度卷積神經(jīng)網(wǎng)絡(luò)模型對所述圖片進行識別,得到識別結(jié)果;
[0033]提取子模塊,用于從所述識別子模塊的識別結(jié)果中提取所述個人信息。
[0034]在一個實施例中,征信值計算裝置還包括:
[0035]訓練模塊,用于利用屬于所述目標類型的樣本圖片集、深度卷積神經(jīng)網(wǎng)絡(luò)協(xié)議和深度卷積神經(jīng)網(wǎng)絡(luò)模型進行訓練,得到目標深度卷積神經(jīng)網(wǎng)絡(luò)模型;
[0036]存儲模塊,用于將所述目標類型與所述訓練模塊得到的所述目標深度卷積神經(jīng)網(wǎng)絡(luò)模型進行對應(yīng)存儲;
[0037]其中,所述目標類型的樣本圖片集包括至少一個樣本圖片,每個樣本圖片中均包括屬于所述目標類型的個人信息。
[0038]在一個實施例中,所述基礎(chǔ)屬性信息包括以下至少一項:年齡、性別、人臉和婚姻狀況;
[0039]所述生活狀況信息包括以下至少一項:用戶的居所信息、用戶的服飾信息、用戶的隨身物品信息和用戶的交通工具信息;
[0040]所述社交信息包括以下至少一項:用戶的社交場所信息和與用戶合影的其他用戶的信息。
[0041 ]在一個實施例中,征信值計算裝置還包括:
[0042]接收模塊,用于接收輸入的設(shè)置命令;
[0043]設(shè)置模塊,用于根據(jù)所述接收模塊接收的所述設(shè)置命令設(shè)置所述預設(shè)計算規(guī)則。
[0044]在一個實施例中,所述計算模塊包括:
[0045]征信值計算子模塊,用于根據(jù)所述個人信息和所述個人信息所屬的類型對應(yīng)的權(quán)重值的乘積,計算得到所述用戶的征信值。
[0046]第三方面,提供了一種征信值計算裝置,包括:
[0047]處理器;
[0048]用于存儲處理器可執(zhí)行指令的存儲器;
[0049]其中,所述處理器被配置為:
[0050]獲取用戶的圖片數(shù)據(jù)庫中的圖片;
[0051]通過識別所述圖片,從所述圖片中獲取用戶的個人信息,其中,所述個人信息包括以下至少一種類型的信息:基礎(chǔ)屬性信息、生活狀況信息和社交信息;
[0052]根據(jù)所述個人信息和預設(shè)計算規(guī)則,計算所述用戶的征信值。
[0053]本公開的實施例提供的技術(shù)方案可以包括以下有益效果:
[0054]上述技術(shù)方案,從圖片數(shù)據(jù)庫的圖片中獲取用戶的個人信息,例如用戶的基礎(chǔ)屬性信息、生活狀況信息和社交信息等,從而根據(jù)這些個人信息計算用戶的征信值。由于圖片中蘊含著豐富的個人信息,因此,可以根據(jù)個人信息比較全面、準確的對用戶的征信值進行分析。
[0055]應(yīng)當理解的是,以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的,并不能限制本公開。
【附圖說明】
[0056]此處的附圖被并入說明書中并構(gòu)成本說明書的一部分,示出了符合本公開的實施例,并與說明書一起用于解釋本公開的原理。
[0057]圖1是根據(jù)一示例性實施例示出的一種征信值計算方法的流程圖。
[0058]圖2是根據(jù)一示例性實施例示出的征信值計算方法中步驟S102的流程圖。
[0059]圖3是根據(jù)一示例性實施例示出的另一種征信值計算方法的流程圖。
[0060]圖4是根據(jù)一示例性實施例示出的又一種征信值計算方法的流程圖。
[0061 ]圖5是根據(jù)一示例性實施例示出的再一種征信值計算方法的流程圖。
[0062]圖6是根據(jù)一示例性實施例示出的一種征信值計算裝置的框圖。
[0063]圖7是根據(jù)一示例性實施例示出的一種征信值計算裝置中第二獲取模塊的框圖。
[0064]圖8是根據(jù)一示例性實施例示出的另一種征信值計算裝置的框圖。
[0065]圖9是根據(jù)一示例性實施例示出的再一種征信值計算裝置的框圖。
[0066]圖10是根據(jù)一示例性實施例示出的一種征信值計算裝置中計算模塊的框圖。
[0067]圖11是根據(jù)一示例性實施例示出的適用于征信值計算裝置的框圖。
【具體實施方式】
[0068]這里將詳細地對示例性實施例進行說明,其示例表示在附圖中。下面的描述涉及附圖時,除非另有表示,不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本公開相一致的所有實施方式。相反,它們僅是與如所附權(quán)利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0069]本公開實施例提供了一種征信值計算方法,該方法可用于服務(wù)器中。圖1是根據(jù)一示例性實施例示出的一種征信值計算方法的流程圖,如圖1所示,該方法包括步驟SlOl至S103:
[0070]在步驟SlOl中,獲取用戶的圖片數(shù)據(jù)庫中的圖片;
[0071]圖片數(shù)據(jù)庫可以是用戶的照片庫,即存儲了用戶所有日常拍攝的圖片。由于該圖片數(shù)據(jù)庫中存儲了用戶所有