CN111736940A - 智能柜台的业务界面展示方法及装置 - Google Patents
智能柜台的业务界面展示方法及装置 Download PDFInfo
- Publication number
- CN111736940A CN111736940A CN202010585512.4A CN202010585512A CN111736940A CN 111736940 A CN111736940 A CN 111736940A CN 202010585512 A CN202010585512 A CN 202010585512A CN 111736940 A CN111736940 A CN 111736940A
- Authority
- CN
- China
- Prior art keywords
- client
- information
- interface
- sample data
- stock
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种智能柜台的业务界面展示方法及装置,其中该方法包括:获取目标客户的身份信息;根据身份信息,获取目标客户的属性特征信息;将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格;在智能柜台上展示目标客户界面风格的业务界面。本发明能够使得智能柜台展示的界面风格随着不同客户进行自动切换,通过向不同客户提供不同界面风格的操作界面,不仅能够使得客户在智能柜台上快速办理业务,而且还能大大提高智能柜台的客户使用体验。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种智能柜台的业务界面展示方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着计算机技术的不断发展,各大银行的网点逐渐向智能化方向发展。各大银行通过在各个网点投放智能柜台,让客户自助办理相关业务,不仅能够提高各个网点的业务办理效率,而且节省了客户排队时长。
目前,银行智能柜台的界面风格是单一的。当不同类型(例如,不同年龄段、不同资产水平)的客户通过智能柜台办理相关业务时,智能柜台呈现的都是相同界面风格的操作界面。由于不同类型的客户,业务办理需求差异较大,在智能柜台上执行的业务操作也不同,如果智能柜台向不同类型客户都提供同样界面风格的操作界面,不仅影响客户办理业务的效率,而且会导致客户体验较差。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种智能柜台的业务界面展示方法,用以解决现有银行智能柜台,无法向不同客户展示不同界面风格的操作界面的技术问题,该方法包括:获取目标客户的身份信息;根据身份信息,获取目标客户的属性特征信息;将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格;在智能柜台上展示目标客户界面风格的业务界面。
本发明实施例还提供一种智能柜台的业务界面展示装置,用以解决现有银行智能柜台,无法向不同客户展示不同界面风格的操作界面的技术问题,该装置包括:客户身份信息获取模块,用于获取目标客户的身份信息;客户属性信息获取模块,用于根据身份信息,获取目标客户的属性特征信息;界面风格预测模块,用于将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格;界面展示模块,用于在智能柜台上展示目标客户界面风格的业务界面。
本发明实施例还提供一种计算机设备,用以解决现有银行智能柜台,无法向不同客户展示不同界面风格的操作界面的技术问题,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述智能柜台的业务界面展示方法。
本发明实施例还提供一种计算机可读存储介质,用以解决现有银行智能柜台,无法向不同客户展示不同界面风格的操作界面的技术问题,该计算机可读存储介质存储有执行上述智能柜台的业务界面展示方法的计算机程序。
本发明实施例中,在获取到目标客户的身份信息后,根据目标客户的身份信息,获取目标客户的属性特征信息,进而将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格,以便在智能柜台上展示目标客户界面风格的业务界面,与现有技术中智能柜台向不同类型客户都提供同样界面风格的操作界面的技术方案相比,通过机器学习训练得到的界面风格预测模型,对不同类型客户的界面风格进行预测,能够使得智能柜台展示的界面风格随着不同客户进行自动切换,通过向不同客户提供不同界面风格的操作界面,不仅能够使得客户在智能柜台上快速办理业务,而且还能大大提高智能柜台的客户使用体验。
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一些实施例,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,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中提供的一种智能柜台的业务界面展示方法流程图;
图2为本发明实施例中提供的一种可选的智能柜台的业务界面展示方法流程图;
图3为本发明实施例中提供的一种通过机器学习训练模型的具体实现流程图;
图4为本发明实施例中提供的一种智能柜台的业务界面展示装置示意图;
图5为本发明实施例中提供的一种可选的智能柜台的业务界面展示装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明实施例中提供了一种智能柜台的业务界面展示方法,图1为本发明实施例中提供的一种智能柜台的业务界面展示方法流程图,如图1所示,该方法包括如下步骤:
S101,获取目标客户的身份信息。
在具体实施时,上述S101中获取的身份信息可以是由智能柜台采集的各种信息(例如,图像信息、指纹信息、银行卡信息、身份证信息等);也是由其他设备(例如,手机)发送给智能柜台的各种信息,例如,客户通过手机预约业务时录入的身份信息。
在一个实施例中,上述S101可以通过如下步骤来实现:接收目标客户在智能柜台上的操作指令;根据目标客户在智能柜台上的操作指令,获取目标客户的身份信息。
具体地,上述操作指令可以是目标客户通过智能柜台办理各种业务时,输入的操作指令,优选地,可以在检测到客户的第一个操作指令时,获取其身份信息,以便在执行其他业务办理操作之前,向客户推送适合其界面风格的业务界面。
S102,根据身份信息,获取目标客户的属性特征信息。
在具体实施时,如果目标客户是银行系统的存量客户,则上述S102可以从银行系统采集该目标客户在银行系统的历史业务数据,进而确定其属性特征信息;如果目标客户不是银行系统的存量客户,则上述S102可以从第三方平台(大数据平台或互联网)采集该目标客户的各种信息,进而确定其属性特征。由于大数据平台上的数据更加全面,且无论目标客户是否是银行系统的存量客户,都可以从数据平台获取客户的各种信息,因而,在一个实施例中,本发明实施例中通过如下步骤来实现:根据身份信息,从大数据平台抓取目标客户的客户信息;根据客户信息,提取目标客户的属性特征信息。
S103,将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格。
需要说明的是,上述S103中的界面风格预测模型可以是通过各种机器学习算法训练得到的人工智能模型,在执行上述S103之前,可以采集一组客户的属性特征数据,并对不同属性特征的客户标注相应的界面风格,将采集的客户属性特征数据和标注数据,作为训练模型的样本数据,以训练得到一个对未知界面风格的客户进行界面风格预测的模型。本发明实施例中的目标客户则是未知其界面风格的客户。
S104,在智能柜台上展示目标客户界面风格的业务界面。
具体地,在确定当前使用智能柜台办理业务的客户的界面风格后,可以在智能柜台上展示相应的界面风格,以便客户快速办理业务,提高业务办理效率和使用体验。
进一步地,在一个实施例中,如图2所示,在执行上述S104之后,本发明实施例中提供的智能柜台的业务界面展示方法还可以包括如下步骤:
S105,获取界面风格的提示消息,提示消息的形式包括如下一种或多种组合:语音、动画、文字;
S106,在智能柜台上展示目标客户界面风格的提示消息。
在具体实施时,可以预先针对不同的界面风格,配置关联的提示消息,也可以是根据上述推荐界面风格类似的方法,通过机器学习训练一个提示消息预测模型,预测出不同属性特征客户对应的提示消息,进而将不同属性特征客户对应的界面风格和提示消息进行关联。
在一个实施例中,如图3所示,本发明实施例通过如下步骤来获取训练界面风格预测模型的样本数据:
S301,获取多个存量客户的身份信息;
S302,根据各个存量客户的身份信息,从大数据平台抓取各个存量客户的客户信息;
S303,根据每个存量客户的客户信息,提取每个存量客户的属性特征信息;
S304,根据每个存量客户的属性特征信息,为每个存量客户添加标签信息;
S305,根据各个存量客户的属性特征信息和标签信息,生成样本数据;
S306,将样本数据按照预设比例,划分为训练样本数据和测试样本数据。
进一步地,在获取到样本数据后,可以通过如下步骤来训练上述S103中的界面风格预测模型:
S307,获取训练样本数据;
S308,根据训练样本数据,采用xgboost算法训练得到界面风格预测模型。
更进一步地,还可以通过如下步骤来对训练得到的模型进行验证,以使得训练的模型具有泛化能力,以获得更加的准确的预测结果:
S309,获取测试样本数据;
S310,根据测试样本数据,对训练得到的界面风格预测模型进行验证。
在具体实施时,利用大数据平台对客户信息进行采集、清洗、加工作为特征值,为每一条特征信息标注界面风格标签,将得到的数据集进行下采样得到训练集和测试集;采用xgboost算法训练分类器模型,将训练集的特征值和标签分别输入到模型中,进行有监督的训练;模型的好坏可以用测试集进行验证,将测试集的特征值输入到训练好的模型中,预测得到测试集的分类,测试集的分类预测值与测试集的标签进行比较,计算准确率,不断调整参数,直到准确率不能再提升为止。将训练好的界面风格预测模型应用到智能柜台系统,能够实现向不同客户提供不同界面风格的操作界面,以及提供不同界面风格对应的语音、动画、文字等提示消息。
可选地,当某一客户结束业务交易后,智能柜台返回界面首页,界面风格恢复成默认风格。当下一位客户办理业务时,推荐适合下一位客户的界面风格。
当客户在网点使用智能柜台时,插入银行卡或者身份证校验身份信息,身份验证通过后,才可以办理业务。客户身份校验后,从大数据平台抓取该客户的个人信息、历史交易信息、资产负债情况、教育水平、工作单位、收入情况、社交支付轨迹等信息,输入到训练好的分类器模型,预测出适合该客户的界面风格,最后智能柜台整个系统的语音、动画、文字提示都会自适应的切换到推荐的风格。具体实现流程如下:
①从大数据平台抓取存量客户的基本个人信息、历史交易信息、资产负债情况、教育水平、工作单位、收入情况、社交支付轨迹等信息,对这些客户信息进行清洗、加工,作为样本特征值;另外,给这些客户信息打上标签,不同客户群体打上不同的标签。样本特征值和标签一一对应。
②对①中处理完的数据按照7:3进行下采样,得到训练集和测试集。
③采用xgboost算法训练分类器模型,将训练集的特征值和标签分别输入到模型中,进行有监督的训练;
④将测试集的特征值输入到训练好的模型中,得到测试集的分类值,测试集的分类预测值与测试集的标签进行比较,计算准确率。不断调整参数,直到准确率不能再提升为止。最后得到一个强的分类器。
⑤将④中训练好的分类器模型应用到智能柜台系统,部署不同风格的内容,包括语音、动画、文字。
⑥客户在智能柜台做交易时,通过银行卡或身份证校验身份;在身份信息校验通过后,从大数据平台抓取该客户的信息,进行清洗加工,然后应用到⑤的推荐系统中,预测得到该客户的个性化界面风格;智能柜台根据此风格实时切换整个系统的语音、动画和文字。
⑦做完交易后,智能柜台界面风格恢复成默认风格。当下一位客户办理业务时,同样将推荐其使用个性化界面风格。
由上可知,本发明实施例基于大数据平台和人工智能技术,从大数据平台采集存量客户信息,对采集的存量客户的属性特征信息添加界面风格分类标签,得到样本数据集(样本数据集中的每条属性特征信息对应一种界面风格的标签),进而利用样本数据即训练一个人工智能模型,将该模型应用到智能柜台,当客户通过智能柜台执行业务交易时,客户做交易时,可以根据此客户的大数据信息,预测出该适合该客户的界面风格,并在智能柜台上展示,使得智能柜台向不同的客户展示不同界面风格的业务界面,且界面上的语音、动画及文字提示消息可自适应变化。通过本发明实施例,不仅可以提升不同客户群体的服务体验,还能加强客户与智能柜台之间的黏性,有利于挖掘潜在的VIP客户。
本发明实施例,能够使得智能柜台展示的界面风格随不同客户进行自动切换,且语音、动画及文字提示信息也可自适应的变化。
基于同一发明构思,本发明实施例中还提供了一种智能柜台的业务界面展示装置,如下面的实施例所述。由于该装置解决问题的原理与智能柜台的业务界面展示方法相似,因此该装置的实施可以参见智能柜台的业务界面展示方法的实施,重复之处不再赘述。
图4为本发明实施例中提供的一种智能柜台的业务界面展示装置示意图,如图4所示,该装置可以包括:客户身份信息获取模块41、客户属性信息获取模块42、界面风格预测模块43和界面展示模块44。
其中,客户身份信息获取模块41,用于获取目标客户的身份信息;
客户属性信息获取模块42,用于根据身份信息,获取目标客户的属性特征信息;
界面风格预测模块43,用于将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格;
界面展示模块44,用于在智能柜台上展示目标客户界面风格的业务界面。
在一个实施例中,如图5所示,本发明实施例中提供的智能柜台的业务界面展示装置中,客户属性信息获取模块42可以包括:大数据平台模块421,用于根据身份信息,从大数据平台抓取目标客户的客户信息;特征信息提取模块422,用于根据客户信息,提取目标客户的属性特征信息。
可选地,上述客户身份信息获取模块41还用于获取多个存量客户的身份信息;大数据平台模块421还用于根据各个存量客户的身份信息,从大数据平台抓取各个存量客户的客户信息;上述特征信息提取模块422还用于根据每个存量客户的客户信息,提取每个存量客户的属性特征信息。
在一个实施例中,如图5所示,本发明实施例中提供的智能柜台的业务界面展示装置还可以包括:指令接收模块45,用于接收目标客户在智能柜台上的操作指令;上述客户身份信息获取模块41还用于根据目标客户在智能柜台上的操作指令,获取目标客户的身份信息。
在一个实施例中,如图5所示,本发明实施例中提供的智能柜台的业务界面展示装置还可以包括:机器学习模块46,用于获取训练样本数据;以及根据训练样本数据,采用xgboost算法训练得到界面风格预测模型。
进一步地,上述机器学习模块46还用于获取测试样本数据,以及根据测试样本数据,对训练得到的界面风格预测模型进行验证。
更进一步地,本发明实施例中提供的智能柜台的业务界面展示装置中,机器学习模块46还用于根据每个存量客户的属性特征信息,为每个存量客户添加标签信息;根据各个存量客户的属性特征信息和标签信息,生成样本数据;将样本数据按照预设比例,划分为训练样本数据和测试样本数据。
在一个实施例中,本发明实施例中提供的智能柜台的业务界面展示装置还可以包括:消息提示模块47,用于获取界面风格的提示消息,并在智能柜台上展示目标客户界面风格的提示消息,提示消息的形式包括如下一种或多种组合:语音、动画、文字。
基于同一发明构思,本发明实施例中还提供了一种计算机设备,用以解决现有银行智能柜台,无法向不同客户展示不同界面风格的操作界面的技术问题,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述智能柜台的业务界面展示方法。
基于同一发明构思,本发明实施例中还提供了一种计算机可读存储介质,用以解决现有银行智能柜台,无法向不同客户展示不同界面风格的操作界面的技术问题,该计算机可读存储介质存储有执行上述智能柜台的业务界面展示方法的计算机程序。
综上所述,本发明实施例中提供了一种智能柜台的业务界面展示方法、装置、计算机设备及计算机可读存储介质,,在获取到目标客户的身份信息后,根据目标客户的身份信息,获取目标客户的属性特征信息,进而将目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出目标客户的界面风格,以便在智能柜台上展示目标客户界面风格的业务界面,与现有技术中智能柜台向不同类型客户都提供同样界面风格的操作界面的技术方案相比,通过机器学习训练得到的界面风格预测模型,对不同类型客户的界面风格进行预测,能够使得智能柜台展示的界面风格随着不同客户进行自动切换,以便向不同客户提供不同界面风格的操作界面,不仅能够使得客户在智能柜台上快速办理业务,而且还能大大提高智能柜台的客户使用体验。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种智能柜台的业务界面展示方法,其特征在于,包括:
获取目标客户的身份信息;
根据所述身份信息,获取所述目标客户的属性特征信息;
将所述目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出所述目标客户的界面风格;
在智能柜台上展示所述目标客户界面风格的业务界面。
2.如权利要求1所述的方法,其特征在于,根据所述身份信息,获取所述目标客户的属性特征信息,包括:
根据所述身份信息,从大数据平台抓取所述目标客户的客户信息;
根据所述客户信息,提取所述目标客户的属性特征信息。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取训练样本数据;
根据所述训练样本数据,采用xgboost算法训练得到所述界面风格预测模型。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
获取测试样本数据;
根据所述测试样本数据,对训练得到的界面风格预测模型进行验证。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
获取多个存量客户的身份信息;
根据各个存量客户的身份信息,从大数据平台抓取各个存量客户的客户信息;
根据每个存量客户的客户信息,提取每个存量客户的属性特征信息;
根据每个存量客户的属性特征信息,为每个存量客户添加标签信息;
根据各个存量客户的属性特征信息和标签信息,生成样本数据;
将所述样本数据按照预设比例,划分为训练样本数据和测试样本数据。
6.如权利要求1所述的方法,其特征在于,获取目标客户的身份信息,包括:
接收目标客户在智能柜台上的操作指令;
根据所述目标客户在智能柜台上的操作指令,获取所述目标客户的身份信息。
7.如权利要求1所述的方法,其特征在于,在智能柜台上展示所述目标客户界面风格的业务界面之后,所述方法还包括:
获取所述界面风格的提示消息,所述提示消息的形式包括如下一种或多种组合:语音、动画、文字;
在所述智能柜台上展示所述界面风格的提示消息。
8.一种智能柜台的业务界面展示装置,其特征在于,包括:
客户身份信息获取模块,用于获取目标客户的身份信息;
客户属性信息获取模块,用于根据所述身份信息,获取所述目标客户的属性特征信息;
界面风格预测模块,用于将所述目标客户的属性特征信息,输入到预先训练好的界面风格预测模型,输出所述目标客户的界面风格;
界面展示模块,用于在智能柜台上展示所述目标客户界面风格的业务界面。
9.如权利要求8所述的装置,其特征在于,所述装置还包括:
机器学习模块,用于获取训练样本数据;以及根据所述训练样本数据,采用xgboost算法训练得到所述界面风格预测模型。
10.如权利要求9所述的装置,其特征在于,所述机器学习模块还用于获取测试样本数据,以及根据所述测试样本数据,对训练得到的界面风格预测模型进行验证。
11.如权利要求10所述的装置,其特征在于,
所述客户属性信息获取模块还用于:获取多个存量客户的身份信息;根据各个存量客户的身份信息,从大数据平台抓取各个存量客户的客户信息;根据每个存量客户的客户信息,提取每个存量客户的属性特征信息;
所述机器学习模块还用于:根据每个存量客户的属性特征信息,为每个存量客户添加标签信息;根据各个存量客户的属性特征信息和标签信息,生成样本数据;将所述样本数据按照预设比例,划分为训练样本数据和测试样本数据。
12.如权利要求8所述的装置,其特征在于,所述装置还包括:
消息提示模块,用于获取所述界面风格的提示消息,并在所述智能柜台上展示所述界面风格的提示消息,所述提示消息的形式包括如下一种或多种组合:语音、动画、文字。
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一所述智能柜台的业务界面展示方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至7任一所述智能柜台的业务界面展示方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010585512.4A CN111736940A (zh) | 2020-06-24 | 2020-06-24 | 智能柜台的业务界面展示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010585512.4A CN111736940A (zh) | 2020-06-24 | 2020-06-24 | 智能柜台的业务界面展示方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111736940A true CN111736940A (zh) | 2020-10-02 |
Family
ID=72650913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010585512.4A Pending CN111736940A (zh) | 2020-06-24 | 2020-06-24 | 智能柜台的业务界面展示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736940A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860149A (zh) * | 2021-03-29 | 2021-05-28 | 中信银行股份有限公司 | 一种用户界面配置方法、装置、电子设备和存储介质 |
CN113379975A (zh) * | 2021-06-09 | 2021-09-10 | 中国银行股份有限公司 | 一种自动取款机交互方法及相关设备 |
CN114140947A (zh) * | 2021-11-22 | 2022-03-04 | 中国建设银行股份有限公司 | 界面展示方法、装置、电子设备、存储介质和程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153463A (zh) * | 2017-12-27 | 2018-06-12 | 广东欧珀移动通信有限公司 | 应用界面显示控制方法、装置及存储介质和移动终端 |
CN110659412A (zh) * | 2019-08-30 | 2020-01-07 | 三星电子(中国)研发中心 | 用于在电子设备中提供个性化服务的方法和设备 |
CN110795624A (zh) * | 2019-01-11 | 2020-02-14 | 谷歌有限责任公司 | 分析个性化框架 |
-
2020
- 2020-06-24 CN CN202010585512.4A patent/CN111736940A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153463A (zh) * | 2017-12-27 | 2018-06-12 | 广东欧珀移动通信有限公司 | 应用界面显示控制方法、装置及存储介质和移动终端 |
CN110795624A (zh) * | 2019-01-11 | 2020-02-14 | 谷歌有限责任公司 | 分析个性化框架 |
CN110659412A (zh) * | 2019-08-30 | 2020-01-07 | 三星电子(中国)研发中心 | 用于在电子设备中提供个性化服务的方法和设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860149A (zh) * | 2021-03-29 | 2021-05-28 | 中信银行股份有限公司 | 一种用户界面配置方法、装置、电子设备和存储介质 |
CN113379975A (zh) * | 2021-06-09 | 2021-09-10 | 中国银行股份有限公司 | 一种自动取款机交互方法及相关设备 |
CN114140947A (zh) * | 2021-11-22 | 2022-03-04 | 中国建设银行股份有限公司 | 界面展示方法、装置、电子设备、存储介质和程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992167B (zh) | 银行客户业务意图识别方法及装置 | |
CN111736940A (zh) | 智能柜台的业务界面展示方法及装置 | |
CN109816200A (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN112765230B (zh) | 基于互联网金融的支付大数据分析方法及大数据分析系统 | |
CN111553685B (zh) | 确定交易路由通道的方法、装置、电子设备和存储介质 | |
CN112651733A (zh) | 渠道路由选择方法、装置、设备及存储介质 | |
CN111932231A (zh) | 进行转账处理的方法及装置 | |
CN112330373A (zh) | 用户行为分析方法、装置及计算机可读存储介质 | |
CN110619564B (zh) | 一种反欺诈特征生成方法和装置 | |
CN113240188A (zh) | 基于增强现实ar的填单处理方法及装置 | |
CN113177840A (zh) | 一种客户风险的识别方法及装置 | |
CN113657808A (zh) | 一种人员评定方法、装置、设备及存储介质 | |
CN114066564A (zh) | 服务推荐时间确定方法、装置、计算机设备、存储介质 | |
CN113887214A (zh) | 基于人工智能的意愿推测方法、及其相关设备 | |
CN111932310A (zh) | 一种银行产品的潜在对公客户挖掘方法及装置 | |
CN112037038B (zh) | 银行信贷风险预测方法及装置 | |
CN113723525B (zh) | 基于遗传算法的产品推荐方法、装置、设备及存储介质 | |
CN114757788A (zh) | 用户交易行为识别方法及装置 | |
CN115660814A (zh) | 风险预测方法、装置、计算机可读存储介质及电子设备 | |
CN115080860A (zh) | 金融产品的推荐方法及装置、存储介质、电子设备 | |
CN117390258A (zh) | 金融业务推荐方法、装置、计算机设备和存储介质 | |
CN115482087A (zh) | 基于区块链的信用卡申请方法及装置 | |
CN115081535A (zh) | 对象的识别方法、装置、计算机可读存储介质及电子设备 | |
CN116433360A (zh) | 一种基于多维度综合预测的催收分案策略生成方法及系统 | |
CN113610122A (zh) | 一种用户设备认证方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |