CN111882429A - 一种银行系统字段长度分段方法和装置 - Google Patents

Abstract

本申请实施例公开了一种银行系统字段长度分段方法，包括：获取待分段字段；计算所述待分段字段的最长值、最短值、初始分段信息和概率值；所述初始分段信息表示将所述待分段字段按照字段长度值进行分段的情况，所述概率值表示每个分段所占比例；将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。可见本申请通过人工智能算法为银行系统推荐一个合适的目标分段信息，从而可以根据分级匹配字段长度，提高系统的效率与容错能力。

Description

一种银行系统字段长度分段方法和装置

技术领域

本申请涉及数据处理领域，特别是涉及一种银行系统字段长度分段方法和装置。

背景技术

银行讲究准确否则会影响银行的公信力，但是一些银行经常会出现因为系统字段长度不够无法将客户信息全部展示或者出现因为预留的字段较长留白太多客户造假的行为，用户体验很不好，故通过系统将字段长度分段分类存储打印，如何给字段长度进行分段是个亟待解决的问题。

发明内容

为了解决上述技术问题，本申请提供了一种银行系统字段长度分段方法和装置，通过人工智能算法为银行系统推荐一个合适的目标分段信息，从而可以根据分级匹配字段长度，提高系统的效率与容错能力。

第一方面，本申请实施例提供一种银行系统字段长度分段方法，所述方法包括：

获取待分段字段；

计算所述待分段字段的最长值、最短值、初始分段信息和所述待分段字段对应的每个分段的概率值；所述初始分段信息表示将所述待分段字段按照字段的长度值进行分段的情况；

将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。

可选的，所述计算所述待分段字段的最长值、最短值、初始分段信息和概率值之前，所述方法还包括：

计算所述待分段字段的长度值；

统计每个所述长度值的字段数；

所述待分段字段对应的每个分段的概率值的计算方法包括：

根据初始分段信息，确定每个分段的概率值，所述概率值为每个所述长度值的字段数与所有长度值的字段数之间的比值。

可选的，所述目标分段信息包括目标分段数和每个分段的分段节点。

可选的，将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息之后，所述方法还包括：

获取待处理信息；

根据所述目标分段信息和所述待处理信息的字段长度，确定所述待处理信息所属的分段；

根据所述待处理信息所属的分段确定录入模板或打印模板。

可选的，所述获取待分段字段之前，所述方法还包括：

展示目标分段方式的推荐提示；

若获取到针对所述推荐提示的确认消息，执行所述获取待分段字段的步骤。

可选的，所述神经网络模型的训练步骤包括：

获取历史数据；

将所述历史数据划分为训练集和验证集；

根据所述训练集对所述神经网络模型进行训练；

通过所述验证集对训练得到的神经网络模型进行验证，得到有效的神经网络模型。

第二方面，本申请实施例提供一种银行系统字段长度分段装置，所述装置包括：

获取单元，用于获取待分段字段；

计算单元，用于计算所述待分段字段的最长值、最短值、初始分段信息和所述待分段字段对应的每个分段的概率值；所述初始分段信息表示将所述待分段字段按照字段的长度值进行分段的情况；

确定单元，用于将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。

可选的，所述计算所述待分段字段的最长值、最短值、初始分段信息和概率值之前，所述确定单元还用于：

计算所述待分段字段的长度值；

统计每个所述长度值的字段数；

所述确定单元，用于根据初始分段信息，确定每个分段的概率值，所述概率值为每个所述长度值的字段数与所有长度值的字段数之间的比值。

可选的，所述目标分段信息包括目标分段数和每个分段的分段节点。

可选的，将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息之后，所述获取单元还用于：

获取待处理信息；

所述确定单元还用于：

根据所述目标分段信息和所述待处理信息的字段长度，确定所述待处理信息所属的分段；

根据所述待处理信息所属的分段确定录入模板或打印模板。

可选的，所述获取待分段字段之前，所述装置还包括：

展示单元，用于展示目标分段方式的推荐提示；

若所述获取单元获取到针对所述推荐提示的确认消息，所述获取单元执行所述获取待分段字段的步骤。

可选的，所述装置还包括训练单元：

所述训练单元，用于获取历史数据；将所述历史数据划分为训练集和验证集；根据所述训练集对所述神经网络模型进行训练；通过所述验证集对训练得到的神经网络模型进行验证，得到有效的神经网络模型。

由上述技术方案可以看出，本申请提供一种银行系统字段长度分段方法，包括：获取待分段字段；计算所述待分段字段的最长值、最短值、初始分段信息和概率值；所述初始分段信息表示将所述待分段字段按照字段长度值进行分段的情况，所述概率值表示每个分段所占比例；将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。可见本申请通过人工智能算法为银行系统推荐一个合适的目标分段信息，从而可以根据分级匹配字段长度，提高系统的效率与容错能力。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种银行系统字段长度分段方法的流程图；

图2为本申请实施例提供的一种银行系统字段长度分段装置的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

银行经常会出现因为系统字段长度不够无法将客户信息全部展示或者出现因为预留的字段较长留白太多客户造价的行为，例如，在录入客户信息或打印客户信息时，不同客户的姓名、工作单位等客户信息的字段长度可能不同，甚至相差较多，故可能会导致预留字段不够或预留字段较长的情况，导致用户体验很不好，故通过系统将字段长度分段分类存储打印，如何给字段长度进行分段是个亟待解决的问题。

为了解决上述技术问题，本申请提供一种银行系统字段长度分段方法，包括：获取待分段字段；计算所述待分段字段的最长值、最短值、初始分段信息和概率值；所述初始分段信息表示将所述待分段字段按照字段长度值进行分段的情况，所述概率值表示每个分段所占比例；将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。可见本申请通过人工智能算法为银行系统推荐一个合适的目标分段信息，从而可以根据分级匹配字段长度，提高系统的效率与容错能力。

本申请实施例提供的方法可以应用于终端设备上，终端设备例如可以是计算机、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑等设备。

本申请实施例提供的方法也可以应用于服务器，由服务器执行本申请实施例提供的方法。

需要说明的是，本申请实施例提供的方法可以应用于银行系统的客户信息录入或打印等应用场景中，通过对每一字段进行合理分段，即得到该字段对应的目标分度信息后，从而在录入或打印客户信息时，可以确定客户信息所属分段，选择匹配的模板进行录入或打印，提高系统的效率与容错能力。

接下来，将主要以终端设备是执行主体，结合附图对本申请提供的银行系统字段长度分段方法进行介绍。参见图1所示，所示方法包括：

S101、获取待分段字段。

终端设备可以统计银行系统中存储的所有的客户信息，客户信息可以包括姓名、电话、工作单位、家庭住址等信息，不同的信息可以称为不同的字段。针对每种字段，不同客户的字段的长度值可能不同，例如对于姓名这一字段，有的客户的姓名是两个字，即字段的长度值为2；有的客户的姓名是三个字，即字段的长度值为3；有的客户的姓名是四个字，即字段的长度值为4；姓名甚至还可以是更长，即对应的长度值可以更大。

不同的字段在录入或打印时，对应不同的栏位，例如姓名对应一个栏位，工作单位对应一个栏位，电话对应一个栏位，等等。每个栏位可以根据字段的长度值预留合适的字段长度，以便可以完全展示该字段对应的客户信息。为此，本申请实施例可以对每一字段进行合理分段，即得到该字段对应的目标分度信息后，从而在录入或打印客户信息时，可以确定客户信息所属分段，选择匹配的模板进行录入或打印，提高系统的效率与容错能力。

在执行本申请实施例提供的方法时，终端设备可以获取所有客户信息，将每个字段作为待分段字段。

S102、计算所述待分段字段的最长值、最短值、初始分段信息和概率值。

其中，初始分段信息表示将待分段字段按照字段的长度值进行分段的情况，概率值表示每个分段所占比例。字段长度值可以用字符数表示，例如1个字符，2个字符……；初始分段信息包括初始分段数和每个分段的分段节点，初始分段数可以是预先设定的。

例如初始分段信息表示的分段情况为：分成为5个分段(即初始分段数)，长度值为1-5个字符作为一个分段，长度值为5-10个字符作为一个分段，长度值10-20个字符作为一个分段，长度值20-50个字符作为一个分段，长度值50-100个字符作为一个分段。其中，初始分段数为4，第一个分段的分段节点是1和5，第二个分段的分段节点是5和10，第三个分段的分段节点是10和20，第四个分段的分段节点是20和50，第五个分段的分段节点是50和100。

终端设备统计待分段字段对应的每个分段的概率值，每个分段的概率值的计算方式可以是根据初始分段信息，确定每个分段的概率值，概率值为每个长度值的字段数与所有长度值的字段数之间的比值。其中，字段数可以通过具有相同长度值的字段的客户数量。

例如，待分段字段为姓名所对应的字段，初始分段信息表示的分段情况分别是长度值为2个字符的作为一个分段(例如第一分段)，共有1000个客户，即该长度值对应的字段数是1000；长度值为3个字符的作为一个字段(例如第二分段)，共有2000个客户，即该长度值对应的字段数是2000；长度值为4个字符的作为一个字段(例如第三分段)，共有50个客户，即该长度值对应的字段数是50；长度值为5个字符以上的作为一个字段(例如第四分段)，共有2个客户，即该长度值对应的字段数是2。故，第一分段的概率值可以是1000/(1000+2000+50+2)，第二分段的概率值可以是2000/(1000+2000+50+2)，第三分段的概率值可以是50/(1000+2000+50+2)，第四分段的概率值可以是3/(1000+2000+50+2)。

S103、将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息。

需要说明的是，在需要确定最优分段时，可以将待分段字段转换成神经网络模型所能处理的数据格式，从而通过神经网络模型输出最优分段，即得到目标分段信息，目标分段信息表示所述待分段字段的最终分段情况。

例如，待分段字段为姓名，其初始分段信息参见S102中四个分段所示，当将最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，由于第四段的概率值较低，故为了确定出最优的分段，可以将第三分段和第四分段合并成一个分段，输出目标分段信息。

此时，目标分段信息所表示的分段情况为长度值为2个字符的作为一个分段，长度值为3个字符的作为一个字段，长度值为4个字符以上的作为一个字段。

其中，神经网络模型是预先训练得到的，根据网络输入输出的个数确定神经网络模型的结构，进而确定了遗传算法中需要优化的参数个数。根据柯尔莫哥洛夫(kolmogorov)原理，一个三层神经网络模型足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而确定神经网络模型的结构。

神经网络模型的训练方式可以是获取历史数据；将所述历史数据划分为训练集和验证集；根据所述训练集对所述神经网络模型进行训练；通过所述验证集对训练得到的神经网络模型进行验证，得到有效的神经网络模型。

通过人工经验对数据分析计算得到最优的分段作为历史数据，将历史数据分为训练集与验证集对模型训练与验证得到有效模型。

需要说明的是，在本实施例中，可以由用户例如银行工作人员决定是否同意采用本申请实施例提供的方法进行分段，因此，在执行S101中获取待分段字段之前，还可以向用户展示目标分段方式的推荐提示，所述目标分段方式为本申请实施例提供的分段方式，若获取到针对推荐提示的确认消息，表示用户同意使用本申请实施例提供的方法进行分段，执行S101中获取待分段字段的步骤。

在录入或者打印过程中，会根据不同的字段长度选择不同的录入模板与打印模板。即终端设备可以获取待处理信息，待处理信息为需要录入或打印的客户信息，根据所述目标分段信息和所述待处理信息的字段长度，确定所述待处理信息所属的分段；根据所述待处理信息所属的分段确定录入模板或打印模板。

待处理信息可以包括姓名、电话、工作单位、家庭住址等客户信息，例如姓名“张三”，工作单位为“***有限公司”等，根据S101-S103确定出的目标分段信息以及待处理信息的字段长度，例如姓名“张三”的字段长度为2个字符，若目标分段信息所表示的分段情况为长度值为2个字符的作为一个分段，长度值为3个字符的作为一个字段，长度值为4个字符以上的作为一个字段，则可以确定姓名“张三”属于第一个分段。同理，可以根据其他目标分段信息确定其他客户信息所属分段。

在工作人员录入待处理信息时，终端设备可以检测工作人员录入的待处理信息的字段长度，判断字段长度在哪个分段里，并存到对应的数据库表中，即选择对应的录入模板进行存储；如果是在打印过程中，则终端设备可以检测待处理信息的字段长度，判断字段长度在哪个分段里，选择对应的打印模板，保证版式整齐。

由上述技术方案可以看出，本申请提供一种银行系统字段长度分段方法，包括：获取待分段字段；计算所述待分段字段的最长值、最短值、初始分段信息和概率值；所述初始分段信息表示将所述待分段字段按照字段长度值进行分段的情况，所述概率值表示每个分段所占比例；将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。可见本申请通过人工智能算法为银行系统推荐一个合适的目标分段信息，从而可以根据分级匹配字段长度，提高系统的效率与容错能力。

基于前述实施例提供的银行系统字段长度分段方法，本申请实施例还提供一种银行系统字段长度分段装置，参见图2，所述装置包括：

获取单元201，用于获取待分段字段；

计算单元202，用于计算所述待分段字段的最长值、最短值、初始分段信息和所述待分段字段对应的每个分段的概率值；所述初始分段信息表示将所述待分段字段按照字段的长度值进行分段的情况；

确定单元203，用于将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。

可选的，所述计算所述待分段字段的最长值、最短值、初始分段信息和概率值之前，所述确定单元还用于：

计算所述待分段字段的长度值；

统计每个所述长度值的字段数；

所述确定单元，用于根据初始分段信息，确定每个分段的概率值，所述概率值为每个所述长度值的字段数与所有长度值的字段数之间的比值。

可选的，所述目标分段信息包括目标分段数和每个分段的分段节点。

可选的，将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息之后，所述获取单元还用于：

获取待处理信息；

所述确定单元还用于：

根据所述目标分段信息和所述待处理信息的字段长度，确定所述待处理信息所属的分段；

根据所述待处理信息所属的分段确定录入模板或打印模板。

可选的，所述获取待分段字段之前，所述装置还包括：

展示单元，用于展示目标分段方式的推荐提示；

若所述获取单元获取到针对所述推荐提示的确认消息，所述获取单元执行所述获取待分段字段的步骤。

可选的，所述装置还包括训练单元：

所述训练单元，用于获取历史数据；将所述历史数据划分为训练集和验证集；根据所述训练集对所述神经网络模型进行训练；通过所述验证集对训练得到的神经网络模型进行验证，得到有效的神经网络模型。

由上述技术方案可以看出，本申请提供一种银行系统字段长度分段装置获取单元用于获取待分段字段；计算单元用于计算所述待分段字段的最长值、最短值、初始分段信息和概率值；所述初始分段信息表示将所述待分段字段按照字段长度值进行分段的情况，所述概率值表示每个分段所占比例；确定单元用于将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。可见本申请通过人工智能算法为银行系统推荐一个合适的目标分段信息，从而可以根据分级匹配字段长度，提高系统的效率与容错能力。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，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，对于设备及系统实施例而言，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。以上所描述的设备及系统实施例仅仅是示意性的，其中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。

以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种银行系统字段长度分段方法，其特征在于，所述方法包括：

获取待分段字段；

计算所述待分段字段的最长值、最短值、初始分段信息和所述待分段字段对应的每个分段的概率值；所述初始分段信息表示将所述待分段字段按照字段的长度值进行分段的情况；

将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。

2.根据权利要求1所述的方法，其特征在于，所述计算所述待分段字段的最长值、最短值、初始分段信息和概率值之前，所述方法还包括：

计算所述待分段字段的长度值；

统计每个所述长度值的字段数；

所述待分段字段对应的每个分段的概率值的计算方法包括：

根据初始分段信息，确定每个分段的概率值，所述概率值为每个所述长度值的字段数与所有长度值的字段数之间的比值。

3.根据权利要求1所述的方法，其特征在于，所述目标分段信息包括目标分段数和每个分段的分段节点。

4.根据权利要求1-3任一项所述的方法，其特征在于，将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息之后，所述方法还包括：

获取待处理信息；

根据所述目标分段信息和所述待处理信息的字段长度，确定所述待处理信息所属的分段；

根据所述待处理信息所属的分段确定录入模板或打印模板。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述获取待分段字段之前，所述方法还包括：

展示目标分段方式的推荐提示；

若获取到针对所述推荐提示的确认消息，执行所述获取待分段字段的步骤。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述神经网络模型的训练步骤包括：

获取历史数据；

将所述历史数据划分为训练集和验证集；

根据所述训练集对所述神经网络模型进行训练；

通过所述验证集对训练得到的神经网络模型进行验证，得到有效的神经网络模型。

7.一种银行系统字段长度分段装置，其特征在于，所述装置包括：

获取单元，用于获取待分段字段；

计算单元，用于计算所述待分段字段的最长值、最短值、初始分段信息和所述待分段字段对应的每个分段的概率值；所述初始分段信息表示将所述待分段字段按照字段的长度值进行分段的情况；

确定单元，用于将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息，所述目标分段信息表示所述待分段字段的最终分段情况。

8.根据权利要求7所述的装置，其特征在于，所述计算所述待分段字段的最长值、最短值、初始分段信息和概率值之前，所述确定单元还用于：

计算所述待分段字段的长度值；

统计每个所述长度值的字段数；

所述确定单元，用于根据初始分段信息，确定每个分段的概率值，所述概率值为每个所述长度值的字段数与所有长度值的字段数之间的比值。

9.根据权利要求7所述的装置，其特征在于，所述目标分段信息包括目标分段数和每个分段的分段节点。

10.根据权利要求7-9任一项所述的装置，其特征在于，将所述最长值、所述最短值、所述初始分段信息和所述概率值输入至神经网络模型，输出目标分段信息之后，所述获取单元还用于：

获取待处理信息；

所述确定单元还用于：

根据所述目标分段信息和所述待处理信息的字段长度，确定所述待处理信息所属的分段；

根据所述待处理信息所属的分段确定录入模板或打印模板。

11.根据权利要求7-9任一项所述的装置，其特征在于，所述获取待分段字段之前，所述装置还包括：

展示单元，用于展示目标分段方式的推荐提示；

若所述获取单元获取到针对所述推荐提示的确认消息，所述获取单元执行所述获取待分段字段的步骤。

12.根据权利要求7-9任一项所述的装置，其特征在于，所述装置还包括训练单元：

所述训练单元，用于获取历史数据；将所述历史数据划分为训练集和验证集；根据所述训练集对所述神经网络模型进行训练；通过所述验证集对训练得到的神经网络模型进行验证，得到有效的神经网络模型。

Images