首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于大模型的银行场景化数据可视化大屏生成方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:广州佳新智能科技有限公司

摘要:本发明涉及人工智能技术领域,公开了基于大模型的银行场景化数据可视化大屏生成方法及系统,包括步骤:S1:银行设备上的摄像头实时收集用户人脸数据并对用户进行人脸识别;S2:银行服务器调用数据库中存储的与识别用户匹配的银行APP历史交互数据;S3:应用预训练的大语言模型对该用户银行APP历史交互数据进行语义分析识别用户偏好和需求;S4:根据分析结果生成与用户偏好相匹配的数据可视化大屏;S5:通过触控屏幕接受用户的输入调整数据指标和视图风格。本申请根据不同情况进行精确人脸识别或模糊人脸识别,大大提高了用户判断准确性和效率,且应用预训练的大语言模型对用户银行APP历史交互数据进行语义分析,极大提升用户体验。

主权项:1.基于大模型的银行场景化数据可视化大屏生成方法,其特征在于,包括步骤:S1:通过安装在银行网点银行设备上的摄像头实时收集用户人脸数据并对用户进行人脸识别;S11:如果用户在银行设备上刷身份证,则执行模糊人脸识别,通过模糊识别卷积神经网络进行识别;模糊识别卷积神经网络包括卷积层2个、池化层1个,模糊识别卷积神经网络采用Softplus激活函数f1x,表示如下:f1x=log1+ex其中,x为激活函数的输入,e为自然对数的底数;S12:如果用户未在银行设备上刷身份证,则进行精确人脸识别,通过精确识别卷积神经网络进行识别;精确识别卷积神经网络包括卷积层3个、池化层2个,精确识别卷积神经网络采用改进的Softplus激活函数f2x表示如下: 其中,k为设定的调节系数,β为调节激活函数在接近零点时的敏感性参数,R为人脸图像分辨率,C为人脸图像色彩深度即每个像素点所能表现的颜色数的对数值,D表示人脸图像复杂度; 其中,Pi,j是人脸图像的灰度共生矩阵,表示在人脸图像中灰度值为i的像素和灰度值为j的像素相邻出现的频率,i和j分别代表人脸图像中相邻两个像素分别对应的灰度值,level表示人脸图像灰度级大小;S2:人脸识别后,银行服务器调用数据库中存储的与识别用户匹配的银行APP历史交互数据;包括:S21:人脸识别确定用户身份后,选择用户的唯一标识符身份证号或手机号或银行卡号作为查询关键字;S22:通过数据库连接协议SSLTLS访问主数据库;S23:执行SQL查询以检索用户的银行APP历史交互数据;其中,银行APP历史交互数据包括用户在APP中的查询历史、交易记录及银行APP偏好设置数据;S3:应用预训练的大语言模型对该用户银行APP历史交互数据进行语义分析,以识别用户偏好和需求;包括:S31:在对该用户银行APP历史交互数据进行语义分析之前,还包括使用NLP工具NLTK将文本数据分解为单词;S32:将分词后的文本转换为模型可理解的数值格式,即使用预定义的词汇表将每个词映射到一个唯一的ID;S33:构建输入预训练的大语言模型序列,在序列的开始和结束添加标记;S34:使用基于Transformers的模型架构处理输入构建的预训练的大语言模型序列;S4:根据预训练的大语言模型的分析结果,生成与用户偏好相匹配的数据可视化大屏;S5:通过触控屏幕接受用户的输入,根据用户的实时反馈调整数据指标和视图风格,更新数据可视化内容。

全文数据:

权利要求:

百度查询: 广州佳新智能科技有限公司 基于大模型的银行场景化数据可视化大屏生成方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。