CN112037045B - 基于客户意愿的银行取款方式推荐方法及装置 - Google Patents
基于客户意愿的银行取款方式推荐方法及装置 Download PDFInfo
- Publication number
- CN112037045B CN112037045B CN202010914371.6A CN202010914371A CN112037045B CN 112037045 B CN112037045 B CN 112037045B CN 202010914371 A CN202010914371 A CN 202010914371A CN 112037045 B CN112037045 B CN 112037045B
- Authority
- CN
- China
- Prior art keywords
- attribute information
- customer
- bank
- information
- client
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000003068 static effect Effects 0.000 claims abstract description 79
- 238000010801 machine learning Methods 0.000 claims abstract description 32
- 230000008451 emotion Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 7
- 238000004064 recycling Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000001431 Psychomotor Agitation Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Technology Law (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于客户意愿的银行取款方式推荐方法及装置,其中方法包括:接收目标客户的取款指令;根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立。本发明可以基于客户意愿向客户推荐银行取款方式,提升用户体验,提高效率。
Description
技术领域
本发明涉及银行取款技术领域,尤其涉及基于客户意愿的银行取款方式推荐方法及装置。
背景技术
客户在银行自助存取款机(ATM)上取款时存在固定限额,当客户取款金额超过固定限额时需要去柜台办理取款业务。但是,对一些着急办理取款业务的客户来说,非常影响体验。
因此,亟需一种可以克服上述问题的银行取款方式推荐方案。
发明内容
本发明实施例提供一种基于客户意愿的银行取款方式推荐方法,用以基于客户意愿向客户推荐银行取款方式,提升用户体验,提高效率,该方法包括:
接收目标客户的取款指令;
根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;
根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;
根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。
本发明实施例提供一种基于客户意愿的银行取款方式推荐装置,用以基于客户意愿向客户推荐银行取款方式,提升用户体验,提高效率,该装置包括:
指令接收模块,用于接收目标客户的取款指令;
信息获得模块,用于根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;
知识图谱建立模块,用于根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;
推荐模块,用于根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。
本发明实施例还提供一种计算机设备,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,所述处理器执行所述计算机程序时实现上述基于客户意愿的银行取款方式推荐方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述基于客户意愿的银行取款方式推荐方法的计算机程序。
本发明实施例通过接收目标客户的取款指令;根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。本发明实施例对历史客户进行意愿分析建立知识图谱,根据多个历史客户的知识图谱预先建立机器学习模型,当接收目标客户的取款指令时,根据目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立新的知识图谱并输入机器学习模型,结合历史客户的意愿分析结果对该目标客户的意愿进行分析,从而向目标客户推荐银行取款方式,有效提升了用户体验,提高了取款效率。
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为本发明实施例中基于客户意愿的银行取款方式推荐方法示意图;
图2为本发明实施例中基于客户意愿的银行取款方式推荐装置结构图。
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。
如前所述,客户在银行自助存取款机(ATM)上取款时存在固定限额,当客户取款金额超过固定限额时需要去柜台办理取款业务。但是,对一些着急办理取款业务的客户来说,非常影响体验。根据ATM取款时间规律等提供浮动的提升额度,不能完全解决客户的取款需求,如客户的取款需求为3万元,根据公式给出2.5万的额度,客户取完后仍然需要去柜台进行剩余额度的提取,这对比较着急的客户来说,体验未有任何提升。
为了基于客户意愿向客户推荐银行取款方式,提升用户体验,提高效率,本发明实施例提供一种基于客户意愿的银行取款方式推荐方法,如图1所示,该方法可以包括:
步骤101、接收目标客户的取款指令;
步骤102、根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;
步骤103、根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;
步骤104、根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。
由图1所示可以得知,本发明实施例通过接收目标客户的取款指令;根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。本发明实施例对历史客户进行意愿分析建立知识图谱,根据多个历史客户的知识图谱预先建立机器学习模型,当接收目标客户的取款指令时,根据目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立新的知识图谱并输入机器学习模型,结合历史客户的意愿分析结果对该目标客户的意愿进行分析,从而向目标客户推荐银行取款方式,有效提升了用户体验,提高了取款效率。
具体实施时,接收目标客户的取款指令。根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息。
实施例中,目标客户的静态属性信息包括:客户个人信息和/或客户历史交易信息;所述目标客户的动态属性信息包括:客户本次交易信息和/或客户情绪信息。
本实施例中,客户个人信息包括客户的年龄、性别、出生地区、职业、收入等信息。客户历史交易信息包括客户历史平均取款金额,柜面取款次数,ATM取款次数等信息。客户本次交易信息包括当前交易时间,本次取款金额,取款每步骤的耗时等信息。客户情绪信息包括客户肢体情绪信息和语音情绪信息,客户情绪信息根据采集的该目标客户的影像信息获得。在柜面取款时柜员通过话术询问及观察客户的表现,得出客户来柜面取款体验,从而确定客户情绪信息。还可以对该目标客户的影像信息进行图像处理,提取表情和肢体两个方面的特征,从而得到客户肢体情绪信息和语音情绪信息。
实施例中,银行的静态属性信息包括:银行历史交易信息和/或银行资产信息;所述银行的动态属性信息包括:本次柜面需等待时长信息。
具体实施时,根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱。根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。
实施例中,机器学习模型为LightGBM模型。
本实施例中,静态属性信息反映客户历史的取款体验情况,动态属性集能看出本次取款体验的渠道需求。根据客户柜面取款体验级别,比如体验差和体验好,得出适合柜面取款的客户取款知识图谱,适合ATM提升限额的客户取款知识图谱,作为二分类的的训练数据,使用lightGBM模型,对取款知识图谱的属性进行建模训练,得出取款分类模型。当有客户在ATM进行取款时,如识别出有超限取款的意向,实时构建取款知识图谱,并使用取款分类模型进行预测,得出客户需要去柜面继续取款,还是通过ATM提升限额。
本实施例中,若得到的结果是在ATM机进行取款限额提升,则在提升限额前收集自助存取款机上每个小时内取款数量,选择众数为代表,以此估算出当前时间点以后发生的取款总数A。然后进行客户身份验证,通过自助存取款机上的图像采集设备,实时采集客户的影像,通过人脸识别技术,判断是否为本人,只有为本人才能进行限额提升。并且确定客户安全状态,通过动态的影像检测,确认客户环境是否存在异常如被挟持的情况,在非安全情况下,不能进行限额提升。
本实施例中,在客户进行取款操作时,通过自助存取款机上的图像采集设备,实时采集客户的影像,先进行客户环境打分,主要判断依据是客户身边是否有人伴随,将取款人数(客户+伴随人数)的导数记为A1,伴随人数越多,分数越低。将客户影像在后台进行人脸识别,得出与本人相似得分A2。在操作过程中动态的对客户的表情进行分析,判断客户是否存在被挟持、紧张和局促不安等异常情绪,表情得分记为A3,表现的越异常分数越低。对A2和A3进行归一化,最终的客户安全状态得分取A1+A2+A3,并进行MinMax归一化,根据人脸识别和表情分析的测试情况确定阈值,将客户安全状态划分为安全、可疑和高风险。若客户安全状态为安全,对客户可用余额向下取整作为提升额度,提示用户可提升的额度值(若当前设备余额不足,可去其他设备取现,提升额度不变);若客户安全状态为可疑,需客户出示身份证证件,在自助存取款机上完成身份证信息校验,验证通过后,提升额度=(客户可用余额×安全状态值)向下取整;对于高风险客户,不触发提升限额的流程,或提示去柜台办理。
基于同一发明构思,本发明实施例还提供了一种基于客户意愿的银行取款方式推荐装置,如下面的实施例所述。由于这些解决问题的原理与基于客户意愿的银行取款方式推荐方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
图2为本发明实施例中基于客户意愿的银行取款方式推荐装置的结构图,如图2所示,该装置包括:
指令接收模块201,用于接收目标客户的取款指令;
信息获得模块202,用于根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;
知识图谱建立模块203,用于根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;
推荐模块204,用于根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。
一个实施例中,所述目标客户的静态属性信息包括:客户个人信息和/或客户历史交易信息;所述目标客户的动态属性信息包括:客户本次交易信息和/或客户情绪信息。
一个实施例中,所述客户情绪信息根据采集的该目标客户的影像信息获得。
一个实施例中,所述银行的静态属性信息包括:银行历史交易信息和/或银行资产信息;所述银行的动态属性信息包括:本次柜面需等待时长信息。
一个实施例中,所述机器学习模型为LightGBM模型。
综上所述,本发明实施例通过接收目标客户的取款指令;根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立。本发明实施例对历史客户进行意愿分析建立知识图谱,根据多个历史客户的知识图谱预先建立机器学习模型,当接收目标客户的取款指令时,根据目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立新的知识图谱并输入机器学习模型,结合历史客户的意愿分析结果对该目标客户的意愿进行分析,从而向目标客户推荐银行取款方式,有效提升了用户体验,提高了取款效率。
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 (12)
1.一种基于客户意愿的银行取款方式推荐方法,其特征在于,包括:
接收目标客户的取款指令;
根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;
根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;
根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立;其中,向所述目标客户推荐银行取款方式包括:将客户安全状态划分为安全、可疑和高风险;若客户安全状态为安全,对客户可用余额向下取整作为提升额度,提示用户可提升额度值;若客户安全状态为可疑,需客户出示身份证证件,在自助存取款机上完成身份证信息校验,验证通过后,提升额度向下取整,提升额度为客户可用余额与安全状态值的乘积;对于高风险客户,不触发提升限额的流程,或提示去柜台办理。
2.如权利要求1所述的基于客户意愿的银行取款方式推荐方法,其特征在于,所述目标客户的静态属性信息包括:客户个人信息和/或客户历史交易信息;所述目标客户的动态属性信息包括:客户本次交易信息和/或客户情绪信息。
3.如权利要求2所述的基于客户意愿的银行取款方式推荐方法,其特征在于,所述客户情绪信息根据采集的该目标客户的影像信息获得。
4.如权利要求1所述的基于客户意愿的银行取款方式推荐方法,其特征在于,所述银行的静态属性信息包括:银行历史交易信息和/或银行资产信息;所述银行的动态属性信息包括:本次柜面需等待时长信息。
5.如权利要求1所述的基于客户意愿的银行取款方式推荐方法,其特征在于,所述机器学习模型为LightGBM模型。
6.一种基于客户意愿的银行取款方式推荐装置,其特征在于,包括:
指令接收模块,用于接收目标客户的取款指令;
信息获得模块,用于根据所述取款指令,获得所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息;
知识图谱建立模块,用于根据所述目标客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息,建立所述目标客户的知识图谱;
推荐模块,用于根据所述目标客户的知识图谱和预先建立的机器学习模型,向所述目标客户推荐银行取款方式,所述机器学习模型根据多个历史客户的知识图谱预先建立,其中每个历史客户的知识图谱根据该历史客户的静态属性信息和动态属性信息,以及银行的静态属性信息和动态属性信息建立;其中,向所述目标客户推荐银行取款方式包括:将客户安全状态划分为安全、可疑和高风险;若客户安全状态为安全,对客户可用余额向下取整作为提升额度,提示用户可提升额度值;若客户安全状态为可疑,需客户出示身份证证件,在自助存取款机上完成身份证信息校验,验证通过后,提升额度向下取整,提升额度为客户可用余额与安全状态值的乘积;对于高风险客户,不触发提升限额的流程,或提示去柜台办理。
7.如权利要求6所述的基于客户意愿的银行取款方式推荐装置,其特征在于,所述目标客户的静态属性信息包括:客户个人信息和/或客户历史交易信息;所述目标客户的动态属性信息包括:客户本次交易信息和/或客户情绪信息。
8.如权利要求7所述的基于客户意愿的银行取款方式推荐装置,其特征在于,所述客户情绪信息根据采集的该目标客户的影像信息获得。
9.如权利要求6所述的基于客户意愿的银行取款方式推荐装置,其特征在于,所述银行的静态属性信息包括:银行历史交易信息和/或银行资产信息;所述银行的动态属性信息包括:本次柜面需等待时长信息。
10.如权利要求6所述的基于客户意愿的银行取款方式推荐装置,其特征在于,所述机器学习模型为LightGBM模型。
11.一种计算机设备,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5任一所述方法。
12.一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计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010914371.6A CN112037045B (zh) | 2020-09-03 | 2020-09-03 | 基于客户意愿的银行取款方式推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010914371.6A CN112037045B (zh) | 2020-09-03 | 2020-09-03 | 基于客户意愿的银行取款方式推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037045A CN112037045A (zh) | 2020-12-04 |
CN112037045B true CN112037045B (zh) | 2023-11-21 |
Family
ID=73591744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010914371.6A Active CN112037045B (zh) | 2020-09-03 | 2020-09-03 | 基于客户意愿的银行取款方式推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037045B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780011A (zh) * | 2016-12-28 | 2017-05-31 | 中国建设银行股份有限公司 | 一种交易处理方法及装置 |
CN109615507A (zh) * | 2018-11-19 | 2019-04-12 | 中国银行股份有限公司 | 一种设置审核金额阈值的方法及系统 |
CN111127778A (zh) * | 2019-12-31 | 2020-05-08 | 中国银行股份有限公司 | 银行自助终端推荐方法和装置 |
CN111461704A (zh) * | 2020-03-17 | 2020-07-28 | 福建省农村信用社联合社 | 一种用于农村金融机构的磁条卡交易安全锁的方法及系统 |
-
2020
- 2020-09-03 CN CN202010914371.6A patent/CN112037045B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780011A (zh) * | 2016-12-28 | 2017-05-31 | 中国建设银行股份有限公司 | 一种交易处理方法及装置 |
CN109615507A (zh) * | 2018-11-19 | 2019-04-12 | 中国银行股份有限公司 | 一种设置审核金额阈值的方法及系统 |
CN111127778A (zh) * | 2019-12-31 | 2020-05-08 | 中国银行股份有限公司 | 银行自助终端推荐方法和装置 |
CN111461704A (zh) * | 2020-03-17 | 2020-07-28 | 福建省农村信用社联合社 | 一种用于农村金融机构的磁条卡交易安全锁的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112037045A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992167B (zh) | 银行客户业务意图识别方法及装置 | |
CN106803168B (zh) | 一种异常转账侦测方法和装置 | |
CN109345375B (zh) | 一种可疑洗钱行为识别方法及装置 | |
US20150142446A1 (en) | Credit Risk Decision Management System And Method Using Voice Analytics | |
US20140351109A1 (en) | Method and apparatus for automatically identifying a fraudulent order | |
CN111861748B (zh) | 一种基于人工智能的金融大数据分析平台 | |
CN113191787A (zh) | 电信数据的处理方法、装置电子设备及存储介质 | |
CN116579841A (zh) | 信贷风控评估方法、系统及电子设备 | |
CN111736940A (zh) | 智能柜台的业务界面展示方法及装置 | |
CN111274390A (zh) | 一种基于对话数据的情感原因确定方法及装置 | |
CN112037045B (zh) | 基于客户意愿的银行取款方式推荐方法及装置 | |
CN111063359B (zh) | 电话回访有效性判别方法、装置、计算机设备和介质 | |
CN112966728A (zh) | 一种交易监测的方法及装置 | |
CN112330328A (zh) | 一种基于特征提取的信用卡欺诈检测方法 | |
CN108446907B (zh) | 安全校验方法及装置 | |
CN113487320A (zh) | 欺诈交易检测方法、装置、计算机设备和存储介质 | |
CN113095722A (zh) | Atm取缔确定方法及装置 | |
CN112116358A (zh) | 一种交易欺诈行为的预测方法、装置及电子设备 | |
Prabhakar et al. | Credit card fraud detection using boosted stacking | |
CN113538771B (zh) | 一种身份认证方法及装置 | |
CN113837161B (zh) | 基于图像识别的身份识别方法、装置及设备 | |
CN111507731B (zh) | 一种异常数据侦测的特征生成方法及装置 | |
CN117523683B (zh) | 一种基于生物特征识别的欺诈视频检测方法 | |
CN113706258B (zh) | 基于组合模型的产品推荐方法、装置、设备及存储介质 | |
CN115796884A (zh) | 信用卡套现行为的识别方法和识别装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |