CN110867030A - 数据处理方法、装置、电子设备及计算机存储介质 - Google Patents

Abstract

本发明提供一种数据处理方法、装置、电子设备及计算机存储介质，应用于银行终端，包括：接收用户在银行终端输入的请求；在判断出请求包括取款请求的情况下，监听银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率；利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

Description

数据处理方法、装置、电子设备及计算机存储介质

技术领域

本发明涉及计算机科学技术领域，尤其涉及到一种数据处理方法、装置、电子设备及计算机存储介质。

背景技术

随着国民经济的不断发展，高效便民的理念逐渐深入人心。为了更好的开展业务，以及更好的满足用户的需求，银行方面对外展开了一系列的合作业务。

基于此，针对现有的自动存取款终端设备，由于随着系统版本的不断升级及可操作性的不断提高，自动存取款终端设备提供的操作功能依旧停留在取款、存款及转账等单一的金融业务上；且在快捷支付方式得到大范围普及和应用之下，自动存取款终端设备的利用率也大幅降低。因此，目前亟需在自动存取款终端设备上开辟出新的业务功能，以提高终端资源的利用率，避免造成资源浪费。

发明内容

有鉴于此，本发明实施例提供了一种数据处理方法、装置、电子设备及计算机存储介质，以提高银行终端资源的利用率。

为实现上述目的，本发明实施例提供如下技术方案：

本发明第一方面提供了一种数据处理方法，应用于银行终端，所述数据处理方法，包括：

接收用户在所述银行终端输入的请求；其中，所述请求用于请求所述银行终端执行金融业务流程；

在判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率；

利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；

若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

可选的，所述确定所述用户的取款频率，包括：

提取用户在第一预设时间段内的取款记录；

利用所述用户在第一预设时间段内中的取款记录计算得到所述用户的取款频率。

可选的，所述预测模型的训练过程，包括：

获取请求样本中的每一个样本的取款金额、取款时间和取款频率；

将所述取款金额、所述取款时间和所述取款频率输入预设的GA-BP神经网络模型，结合遗传算法训练所述GA-BP神经网络模型直至收敛，得到所述预测模型。

可选的，所述提供所述服务平台的用户界面于用户之前，还包括：

获取所述用户的用户标识；

将所述用户的用户标识分别发送至各个服务平台，并接收所述各个服务平台依据所述用户的用户标识对自身购票系统进行查询之后返回的查询结果；

若查询结果中表明所述用户在第二预设时间段内存在购票记录，则执行提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

本发明第二方法提供了一种数据处理装置，包括：

接收单元，用于接收用户在所述银行终端输入的请求；其中，所述请求用于请求所述银行终端执行金融业务流程；

第一获取单元，用于在判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间；

第二获取单元，用于确定所述用户的取款频率

处理单元，用于利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；

建立单元，用于若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

可选的，所述第二获取单元，包括：

提取子单元，用于提取用户在第一预设时间段内的取款记录；

获取子单元，用于利用所述用户在第一预设时间段内中的取款记录计算得到所述用户的取款频率。

上述的装置中，可选的，所述预测模型的训练过程，包括：

获取请求样本中的每一个样本的取款金额、取款时间和取款频率；

将所述取款金额、所述取款时间和所述取款频率输入预设的GA-BP神经网络模型，结合遗传算法训练所述GA-BP神经网络模型直至收敛，得到所述预测模型。

上述的装置中，可选的，还包括：

第三获取单元，用于获取所述用户的用户标识；

接收发送单元，用于将所述用户的用户标识分别发送至各个服务平台，并接收所述各个服务平台依据所述用户的用户标识对自身购票系统进行查询之后返回的查询结果；

执行单元，用于若查询结果中表明所述用户在第二预设时间段内存在购票记录，则执行提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

本发明第三方面提供了一种电子设备，包括处理器和存储器；其中：

所述存储器用于存储计算机指令；

所述处理器用于执行所述存储器存储的计算机指令，具体执行如上述任意一项提供的数据处理方法。

本发明第四方面提供了一种计算机存储介质，用于存储程序，所述程序被执行时，用于实现如上述的任意一项提供的数据处理方法。

与现有技术相比，本发明具有以下优点：

本发明实施例提供的一种数据处理方法中，银行终端在接收到用户输入的请求，且判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率；进而利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。由此可见，应用本发明实施例提供的方法，可以在银行终端如ATM机上展开取票业务，包括火车票、汽车票、飞机票等，利用新开辟的业务功能，可以提高银行终端资源的利用率，避免造成资源浪费。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种数据处理方法的方法流程图；

图2为本发明另一实施例提供的取款频率的获取方法的流程图；

图3为本发明另一实施例提供的一种数据处理方法的方法流程图；

图4为本发明实施例提供的一种数据处理装置的结构示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。

在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

由背景技术可知，发明人在针对现有的自动存取款终端设备的研究中发现，尽管银行终端的系统版本在不断升级，可操作性的也在不断提高，但自动存取款终端设备提供的操作功能依旧停留在取款、存款及转账等单一的金融业务上；加之在快捷支付方式的冲击下，现阶段自动存取款终端设备的利用率大幅降低。

另一方面，随着国民经济的不断发展，企业之间普遍展开合作关系，以争取共赢效益。在此基础下，银行可以与相关平台进行合作，在传统ATM机上集成取票功能，推出便捷高效的取款-取票一体业务。

由此，本发明实施例提供了一种数据处理方法，应用于银行终端，参照图1，具体包括：

S101、接收用户在银行终端输入的请求；其中，所述请求用于请求银行终端执行金融业务流程。

本发明实施例提供的方法中，在银行终端如ATM机联网的基础上，实时接收用户在银行终端输入的请求。其中，该请求用于请求银行终端执行金融业务流程，例如取款、存款、转账等金融业务。

S102、在判断出请求包括取款请求的情况下，监听银行终端响应取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率。

需要说明的是，由于快捷支付方式的大范围普及和应用，对传统支付方式造成了极大的冲击。现阶段人们对现金的需求并不大，尤其是从银行自动终端中取出来的现金，通常只用来备不时之需。

特别需要说明的是，通常人们要出行时，更有大概率会取少量现金携带在身上，以备出行的不时之需。因此，在判断出用户的请求包括取款请求的情况下，可以认为是初步模糊判断用户有可能要出行，因此采取监听银行终端响应取款请求的处理流程，以获取到处理流程中对应的取款金额和取款时间，即该用户在什么时间内取了多少钱。其中，不同的取款金额和不同的取款时间分别被赋予不同的权重，例如：2000元在出行备用选择上很适合，因此相应的权重会赋予的较高，而200元或20000元与出行备用金不太相符，则相应的会被赋予的较低的权重。

除此以外，还需要确定该用户的取款频率。可选的，本发明另一实施例中，确定用户的取款频率的方式，可参照图2，具体包括：

S201、提取用户在第一预设时间段内的取款记录。

本发明实施例中，终端需要向服务器查询并提取出用户在第一预设时间段内的取款记录；其中，第一预设时间例如可以是一个月内或两个月内，本发明并不限制该具体时间。

S202、利用用户在第一预设时间段内中的取款记录计算得到所述用户的取款频率。

例如：假设第一预设时间是一个月内(30天)，当取款记录表明用户曾在同一地方或不同地方总共取款次数为6次，那该用户的取款频率便为20％。

需要说明的是，不同的用户具有个体差异性，因此针对不同的用户所计算得到的取款频率很可能是不相同的，当然，也存在相同的情况。

本实施例中，针对取款频率可预先设定一个阈值，当取款频率大于该阈值时，表明对应的取款用户经常会取款，而当前取款有可能只是该用户的日常取款行为，因此该取款频率对应的权重会比较小。当取款频率小于该阈值时，表明对应的取款用户不经常取款，当前取款很可能是为了应急之需，而应急之需中，便包括了出行的应急之需；因此该取款频率对应的权重会比较大。

需要说明的是，该阈值可以基于经验设置，并且在周期时间内不断调整，以使该阈值更能有代表性。

还需要说明的是，用户的取款金额、取款时间及取款频率会传递到后续的计算中，以得到用户当前取款业务下会进行取票业务的概率。

S103、利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票。

本发明实施例中，在预先建立的预测模型的基础上，可以将取款金额、取款时间和取款频率作为三个特征数据，输入到预测模型中；同时，在取款频率上，还可以存在个体差异性。

可选的，预先建立的预测模型的训练过程可以参照如下所述：

获取请求样本中的每一个样本的取款金额、取款时间和取款频率；将所述取款金额、所述取款时间和所述取款频率输入预设的GA-BP神经网络模型，结合遗传算法训练所述GA-BP神经网络模型直至收敛，得到所述预测模型。

本实施例中，请求样本可以采用一定时间段内接收到的用户在银行终端输入的取款请求；例如三个月内。将三个月内的所有或部分取款请求所对应的取款金额、取款时间和取款频率作为特征数据。

其中，在预测模型的整体框架上，可以建立三层神经网络模型，并对三层神经网络模型中的每个连接权值分别赋予初始值；其中，所述三层神经网络模型包括输入层、隐含层及输出层。进一步的，对隐含层节点数进行设置，并建立所述输入层与所述隐含层的传递函数及所述隐含层与所述输出层的传递函数。分别输入各个请求样本的取款金额、取款时间和取款频率，以对所述三层神经网络模型进行迭代训练，分别得到每个所述连接权值的修正系数。利用每个所述连接权值的修正系数分别修正所述每个连接权值的初始值直至收敛，以得到训练好的预测模型。

还需要说明的是，目标票据可以为火车票、汽车票、飞机票。以火车票为例，利用预先建立的预测模型处理特征数据，可选的，在处理过程中可以考虑到个体差异值；经预测模型处理后进行输出，得到用户需要取火车票的预测概率。同理，该预测概率也同样是用户需要取汽车票、飞机票的概率。

S104、若用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

本发明实施例提供的方法中，预先设置有一个最小阈值；例如可以是20％。在经步骤S103处理得到预测概率后，将预测概率与最小阈值进行比较判断。若用户需要取目标票据的预测概率不小于预设的最小阈值，则进一步可以判断用户很有可能要出行，或者说用户这一次取款操作的取款金额、取款时间和取款频率比较符合出行前准备。因此，建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

以火车票为例，火车票对应的服务平台则是指铁路系统的购票平台；建立自助终端与火车票对应的服务平台的连接，该服务平台可以通过发送网络地址的方式传送到自助终端，经由自助终端加工渲染成用户界面。用户可以自主操作该用户界面，输入取票业务操作并成功出具票据。还需要说明的是，用户还可以自主关闭该用户界面，以恢复到自助终端原先的存取款界面；当然，即使用户没有关闭相关服务平台的用户界面，在用户停止操作一段时间后，也会自动关闭该用户界面，恢复成自助终端原先的存取款界面。

可选的，若用户需要取目标票据的预测概率小于预设的最小阈值，则执行常规的取款流程。即可以理解为用户这一次取款操作的取款金额、取款时间和取款频率不符合出行前准备，取款用户只是纯粹的日常取款操作。

本发明实施例提供的一种数据处理方法中，银行终端在接收到用户输入的请求，且判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率；进而利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。由此可见，应用本发明实施例提供的方法，可以在银行终端如ATM机上展开取票业务，包括火车票、汽车票、飞机票等，利用新开辟的业务功能，可以提高银行终端资源的利用率，避免造成资源浪费。

本发明另一实施例提供了一种数据处理方法，可参照图3，包括：

S301、接收用户在银行终端输入的请求；其中，所述请求用于请求银行终端执行金融业务流程。

S302、在判断出请求包括取款请求的情况下，监听银行终端响应取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率。

S303、利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票。

本发明实施例中，步骤S301至步骤S303的具体执行内容，可以参照对应图1的实施例中步骤S101至步骤S103的内容，此处不再赘述。

S304、若用户需要取目标票据的预测概率不小于预设的最小阈值，则获取用户的用户标识。

本实施例中，用户的用户标识可以是指用户的身份证。用户的身份证无论在银行系统，还是其他平台系统的注册上，都具有唯一确定性。

S305、将用户的用户标识分别发送至各个服务平台，并接收各个服务平台依据用户的用户标识对自身购票系统进行查询之后返回的查询结果。

以步骤S304中提及的身份证为例，需要将用户的身份证分别发送至各个服务平台，即火车票对应的服务平台、汽车票对应的服务平台、飞机票对应的服务平台等，经由相关平台依据用户的身份证对自身购票系统进行查询之后，接收其返回的查询结果。其中，当相关服务平台查询结果表明用户在特定时间区间存在购票记录时，则其返回的查询结果中可以携带有网页链接，该网页链接用于打开相关服务平台的用户窗口，经由自助终端加工渲染后，可向用户展示该用户窗口。

还需要说明的是，由于银行终端与服务平台之间交互有可能会造成平台网络堵塞，亦或发送查询请求以触发服务平台的自查询行为会产生额外的费用问题，大量的查询请求会造成巨额费用；因此，通过前述步骤S301至步骤S303，利用预先建立的预测模型进行一定程度的筛选，剔除预测概率较低的请求，以降低查询量，起到维护网络和成本的作用。

S306、若查询结果中表明用户在第二预设时间段内存在购票记录，则提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

本发明实施例中，第二预设时间为预设的时间区间，例如可以是过去一个月内。若查询结果中表明用户在过去一个月内存在购票记录，则说明用户确实存在出行的准备。进一步的，根据查询结果向用户提供相关服务平台的用户界面。其中，若用户在多个服务平台都存在购票记录，则可按顺序先后展示相关服务平台的用户界面。

可选的，若查询结果中表明用户在第二预设时间段内没有存在购票记录，则执行常规的取款流程。即可以理解为用户这一次取款操作的取款金额、取款时间和取款频率不符合出行前准备，只是纯粹的日常取款操作。

本发明实施例提供的数据处理方法中，银行终端在接收到用户输入的请求，且判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率；进而利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率。另一方面，若用户需要取目标票据的预测概率不小于预设的最小阈值，则获取用户的用户标识分别发送至各个服务平台，并接收各个服务平台依据用户的用户标识对自身购票系统进行查询之后返回的查询结果，若查询结果中表明用户在第二预设时间段内存在购票记录，则提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。由此可见，本发明实施例进一步通过查询请求，确定进行取款业务的用户是否存在购票记录，降低了预测误差。应用本发明实施例提供的方法，可以在银行终端如ATM机上展开取票业务，包括火车票、汽车票、飞机票等，利用新开辟的业务功能，可以提高银行终端资源的利用率，避免造成资源浪费。

本发明实施例还提供了一种数据处理装置，可参照图4，包括：

接收单元401，用于接收用户在银行终端输入的请求；其中，所述请求用于请求所述银行终端执行金融业务流程。

第一获取单元402，用于在判断出请求包括取款请求的情况下，监听银行终端响应取款请求的处理流程，以获取处理流程中对应的取款金额和取款时间。

第二获取单元403，用于确定用户的取款频率。

处理单元404，用于利用预先建立的预测模型处理取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，目标票据至少包括火车票、汽车票、飞机票。

建立单元405，用于若用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与目标票据对应的服务平台的连接，提供服务平台的用户界面于用户，以使得服务平台响应用户在用户界面输入的取票操作。

还需要说明的是，本实施例中，接收单元401、第一获取单元402、第二获取单元403、处理单元404及建立单元405的具体执行过程，可参见对应图1的方法实施例内容，此处不再赘述。

本发明实施例提供的数据管理装置中，接收单元401接收用户在银行终端输入的请求；第一获取单元402在判断出请求包括取款请求的情况下，监听银行终端响应取款请求的处理流程，以获取处理流程中对应的取款金额和取款时间；第二获取单元403确定用户的取款频率；处理单元404利用预先建立的预测模型处理取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；建立单元405判断出用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与目标票据对应的服务平台的连接，提供服务平台的用户界面于用户，以使得服务平台响应用户在用户界面输入的取票操作。由此可见，银行自助终端在接收到用户的每一个请求时，都执行判断该请求是否有对应的取票需求。由此，实现在银行终端如ATM机上展开取票业务，包括火车票、汽车票、飞机票等，利用新开辟的业务功能，可以提高银行终端资源的利用率，避免造成资源浪费。

可选的，本发明另一实施例中，第二获取单元403包括：

提取子单元，用于提取用户在第一预设时间段内的取款记录。

获取子单元，用于利用所述用户在第一预设时间段内中的取款记录计算得到所述用户的取款频率。

还需要说明的是，本实施例中，提取子单元和获取子单元的具体执行过程，可参见对应图2的方法实施例内容，此处不再赘述。

可选的，本发明另一实施例中，预测模型的训练过程，包括：

获取请求样本中的每一个样本的取款金额、取款时间和取款频率。

将所述取款金额、所述取款时间和所述取款频率输入预设的GA-BP神经网络模型，结合遗传算法训练所述GA-BP神经网络模型直至收敛，得到所述预测模型。

还需要说明的是，本实施例中，预测模型的具体执行过程，可参见对应图1的方法实施例内容，此处不再赘述。

可选的，本发明另一实施例中，数据处理装置，还包括：

第三获取单元，用于获取所述用户的用户标识。

接收发送单元，用于将所述用户的用户标识分别发送至各个服务平台，并接收所述各个服务平台依据所述用户的用户标识对自身购票系统进行查询之后返回的查询结果。

执行单元，用于若查询结果中表明所述用户在第二预设时间段内存在购票记录，则执行提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

还需要说明的是，本实施例中，第三获取单元、接收发送单元和执行单元的具体执行过程，可参见对应图3的方法实施例内容，此处不再赘述。

本发明另一实施例还提供了一种电子设备，如图5所示，包括处理器501和存储器502；其中：

存储器502用于存储计算机指令。

处理器501用于执行所述存储器存储的计算机指令，具体执行如上述任意一个实施例提供的广告投放的管理方法。

本发明另一实施例还提供了一种计算机存储介质，用于存储程序，所述程序被执行时，用于实现如上述的任意一个实施例提供的广告投放的管理方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种数据处理方法，其特征在于，应用于银行终端，所述数据处理方法，包括：

接收用户在所述银行终端输入的请求；其中，所述请求用于请求所述银行终端执行金融业务流程；

在判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间，并确定所述用户的取款频率；

利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；

若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

2.根据权利要求1所述的方法，其特征在于，所述确定所述用户的取款频率，包括：

提取用户在第一预设时间段内的取款记录；

利用所述用户在第一预设时间段内中的取款记录计算得到所述用户的取款频率。

3.根据权利要求1所述的方法，其特征在于，所述预测模型的训练过程，包括：

获取请求样本中的每一个样本的取款金额、取款时间和取款频率；

将所述取款金额、所述取款时间和所述取款频率输入预设的GA-BP神经网络模型，结合遗传算法训练所述GA-BP神经网络模型直至收敛，得到所述预测模型。

4.根据权利要求1所述的方法，其特征在于，所述提供所述服务平台的用户界面于用户之前，还包括：

获取所述用户的用户标识；

将所述用户的用户标识分别发送至各个服务平台，并接收所述各个服务平台依据所述用户的用户标识对自身购票系统进行查询之后返回的查询结果；

若查询结果中表明所述用户在第二预设时间段内存在购票记录，则执行提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

5.一种数据处理装置，其特征在于，包括：

接收单元，用于接收用户在所述银行终端输入的请求；其中，所述请求用于请求所述银行终端执行金融业务流程；

第一获取单元，用于在判断出所述请求包括取款请求的情况下，监听所述银行终端响应所述取款请求的处理流程，以获取所述处理流程中对应的取款金额和取款时间；

第二获取单元，用于确定所述用户的取款频率；

处理单元，用于利用预先建立的预测模型处理所述取款金额、取款时间和取款频率，得到用户需要取目标票据的预测概率；其中，所述目标票据至少包括火车票、汽车票、飞机票；

建立单元，用于若所述用户需要取目标票据的预测概率不小于预设的最小阈值，则建立自身与所述目标票据对应的服务平台的连接，提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

6.根据权利要求5所述的装置，其特征在于，所述第二获取单元，包括：

提取子单元，用于提取用户在第一预设时间段内的取款记录；

获取子单元，用于利用所述用户在第一预设时间段内中的取款记录计算得到所述用户的取款频率。

7.根据权利要求5所述的装置，其特征在于，所述预测模型的训练过程，包括：

获取请求样本中的每一个样本的取款金额、取款时间和取款频率；

将所述取款金额、所述取款时间和所述取款频率输入预设的GA-BP神经网络模型，结合遗传算法训练所述GA-BP神经网络模型直至收敛，得到所述预测模型。

8.根据权利要求5所述的装置，其特征在于，还包括：

第三获取单元，用于获取所述用户的用户标识；

接收发送单元，用于将所述用户的用户标识分别发送至各个服务平台，并接收所述各个服务平台依据所述用户的用户标识对自身购票系统进行查询之后返回的查询结果；

执行单元，用于若查询结果中表明所述用户在第二预设时间段内存在购票记录，则执行提供所述服务平台的用户界面于用户，以使得所述服务平台响应用户在所述用户界面输入的取票操作。

9.一种电子设备，其特征在于，包括处理器和存储器；其中：

所述存储器用于存储计算机指令；

所述处理器用于执行所述存储器存储的计算机指令，具体执行如权利要求1至4中任意一项所述的数据处理方法。

10.一种计算机存储介质，其特征在于，用于存储程序，所述程序被执行时，用于实现如权利要求1至4中任意一项所述的数据处理方法。

Images