CN112200660B - 一种银行柜面业务的监督方法、装置及设备 - Google Patents
一种银行柜面业务的监督方法、装置及设备 Download PDFInfo
- Publication number
- CN112200660B CN112200660B CN202011059851.5A CN202011059851A CN112200660B CN 112200660 B CN112200660 B CN 112200660B CN 202011059851 A CN202011059851 A CN 202011059851A CN 112200660 B CN112200660 B CN 112200660B
- Authority
- CN
- China
- Prior art keywords
- text information
- counter
- business
- verification
- training
- 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 43
- 238000012795 verification Methods 0.000 claims description 114
- 238000012549 training Methods 0.000 claims description 103
- 238000003062 neural network model Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000000151 deposition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physiology (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种银行柜面业务的监督方法、装置及设备，能够利用预先构建的业务监督模型判断出柜员办理的业务是否为按照客户要求办理的真实业务，进一步保证了客户和银行的权益。该方法包括：首先获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将第一语音信息转换为第一文字信息，以及将第二语音信息转换为第二文字信息，然后，将第一文字信息和第二文字信息输入预先构建的业务监督模型，确定出柜员办理的柜面业务，进而可以判断出柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，以实现对柜面业务的监督。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种银行柜面业务的监督方法、装置及设备。
背景技术
随着社会经济的高速发展，各大银行作为金融服务的中心，越来越多的银行客户到网点通过柜员办理各种银行业务，如购买银行的理财、向银行存款等。
但同时也伴随着各种日益增多的潜在风险，特别是随着银行柜面业务量的增多，银行柜面面临基于柜员自身或其他方面的各种风险，如银行柜面面临基于柜员自身或者和客户合谋挪用客户资金等风险。更好地对银行柜面的风险进行预控，是当前柜面业务的重中之重。即，如何实现对银行柜面业务的实时监督，以保护客户和银行的权益是亟待解决的问题。
发明内容
本申请实施例的主要目的在于提供一种银行柜面业务的监督方法、装置及设备，能够利用预先构建的业务监督模型判断出柜员办理的业务是否为按照客户要求办理的真实业务，以保证客户和银行的权益。
第一方面，本申请实施例提供了一种银行柜面业务的监督方法，包括：
获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将所述第一语音信息转换为第一文字信息，以及将所述第二语音信息转换为第二文字信息；
将所述第一文字信息和所述第二文字信息输入预先构建的业务监督模型，确定出所述柜员办理的柜面业务；
判断所述柜员办理的柜面业务是否为按照所述客户要求办理的真实业务，得到判断结果，实现对所述柜面业务的监督。
可选的，构建所述业务监督模型，包括：
获取柜员在办理柜面业务时的第一训练语音信息和客户在办理柜面业务时的第二训练语音信息，并将所述第一训练语音信息转换为第一训练文字信息，以及将所述第二训练语音信息转换为第二训练文字信息；
利用所述第一训练文字信息和第二训练文字信息以及所述第一训练文字信息和第二训练文字信息对应的业务识别标签对初始业务监督模型进行训练，生成所述业务监督模型。
可选的，所述方法还包括：
获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将所述第一验证语音信息转换为第一验证文字信息，以及将所述第二验证语音信息转换为第二验证文字信息；
将所述第一验证文字信息和所述第二验证文字信息输入所述业务监督模型，获得所述第一验证文字信息和所述第二验证文字信息的业务识别结果；
当所述第一验证文字信息和所述第二验证文字信息的业务识别结果与所述第一验证文字信息和所述第二验证文字信息对应的业务标记结果不一致时，将所述第一验证文字信息和所述第二验证文字信息分别重新作为所述第一训练文字信息和所述第二训练文字信息，对所述业务监督模型进行更新。
可选的，所述业务监督模型为利用遗传算法优化的BP神经网络模型。
第二方面，本申请实施例还提供了一种银行柜面业务的监督装置，包括：
第一获取单元，用于获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将所述第一语音信息转换为第一文字信息，以及将所述第二语音信息转换为第二文字信息；
确定单元，用于将所述第一文字信息和所述第二文字信息输入预先构建的业务监督模型，确定出所述柜员办理的柜面业务；
判断单元，用于判断所述柜员办理的柜面业务是否为按照所述客户要求办理的真实业务，得到判断结果，实现对所述柜面业务的监督。
可选的，所述装置还包括：
所述装置还包括：
第二获取单元，用于获取柜员在办理柜面业务时的第一训练语音信息和客户在办理柜面业务时的第二训练语音信息，并将所述第一训练语音信息转换为第一训练文字信息，以及将所述第二训练语音信息转换为第二训练文字信息；
训练单元，用于利用所述第一训练文字信息和第二训练文字信息以及所述第一训练文字信息和第二训练文字信息对应的业务识别标签对初始业务监督模型进行训练，生成所述业务监督模型。
可选的，所述装置还包括：
第三获取单元，用于获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将所述第一验证语音信息转换为第一验证文字信息，以及将所述第二验证语音信息转换为第二验证文字信息；
获得单元，用于将所述第一验证文字信息和所述第二验证文字信息输入所述业务监督模型，获得所述第一验证文字信息和所述第二验证文字信息的业务识别结果；
更新单元，用于当所述第一验证文字信息和所述第二验证文字信息的业务识别结果与所述第一验证文字信息和所述第二验证文字信息对应的业务标记结果不一致时，将所述第一验证文字信息和所述第二验证文字信息分别重新作为所述第一训练文字信息和所述第二训练文字信息，对所述业务监督模型进行更新。
可选的，所述业务监督模型为利用遗传算法优化的BP神经网络模型。
本申请实施例还提供了一种银行柜面业务的监督设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述银行柜面业务的监督方法中的任意一种实现方式。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述银行柜面业务的监督方法中的任意一种实现方式。
本申请实施例提供的一种银行柜面业务的监督方法、装置及设备，首先获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将第一语音信息转换为第一文字信息，以及将第二语音信息转换为第二文字信息，然后，将第一文字信息和第二文字信息输入预先构建的业务监督模型，确定出柜员办理的柜面业务，进而可以判断出柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，以实现对柜面业务的监督。从而实现了利用预先构建的业务监督模型判断出柜员办理的业务是否为按照客户要求办理的真实业务，进一步保证了客户和银行的权益。
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柜面业务的监督方法的流程示意图；
图2为本申请实施例提供的一种银行柜面业务的监督装置的组成示意图。
具体实施方式
随着社会经济的高速发展，各大银行作为金融服务的中心，越来越多的银行客户到网点通过柜员办理各种银行业务，如购买银行的理财、向银行存款等。但同时也伴随着各种日益增多的潜在风险，特别是随着银行柜面业务量的增多，银行柜面面临基于柜员自身或其他方面的各种风险，如银行柜面面临基于柜员自身或者和客户合谋挪用客户资金等风险。例如，当客户办理存款业务时，柜员可能会办理理财或者办理部分存款业务，其余的钱自己挪用，这给银行和客户带来较大的损失。因此，更好地对银行柜面的风险进行预控，是当前柜面业务的重中之重。即，如何实现对银行柜面业务的实时监督，以保护客户和银行的权益是目前亟待解决的问题。
为解决上述缺陷，本申请实施例提供了一种银行柜面业务的监督方法，首先获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将第一语音信息转换为第一文字信息，以及将第二语音信息转换为第二文字信息，然后，将第一文字信息和第二文字信息输入预先构建的业务监督模型，确定出柜员办理的柜面业务，进而可以判断出柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，以实现对柜面业务的监督。从而实现了利用预先构建的业务监督模型判断出柜员办理的业务是否为按照客户要求办理的真实业务，进一步保证了客户和银行的权益。
为使本申请实施例的目的、技术方案和优点更加清楚，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。
第一实施例
参见图1，为本实施例提供的一种银行柜面业务的监督方法的流程示意图，该方法包括以下步骤：
S101：获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将第一语音信息转换为第一文字信息，以及将第二语音信息转换为第二文字信息。
在本实施例中，为了准确判断出柜员在办理业务时是否是按照客户要求办理的真实业务，以保证客户和银行的权益，对于银行来说，首先将柜员耳机通过蓝牙与后台系统相连，然后后台服务器可以通过该蓝牙连接面对客户的喇叭，播放柜员的语音信息，并同时获取柜员办理柜面业务时的语音信息(此处将其定义为第一语音信息)和客户在办理柜面业务时的语音信息(此处将其定义为第二语音信息)进行存储，进而可以在将二者分别转换为第一文字信息和第二文字信息后，通过后续步骤S102-S103确定出柜员办理的柜面业务是否是按照客户要求办理的真实业务(即是否出现违规现象)，如果出现违规现象，可以及时提醒相关工作人员，注意银行和客户的资金安全，保护客户和银行的权益。
S102：将第一文字信息和第二文字信息输入预先构建的业务监督模型，确定出柜员办理的柜面业务。
在本实施例中，银行的后台系统通过步骤S101获取到柜员和客户办理柜面业务时产生的第一文字信息和第二文字信息后，进一步可以将第一文字信息和第二文字信息输入到输入预先构建的业务监督模型，以确定出柜员办理的柜面业务。
其中，一种可选的实现方式是，该业务监督模型指的是利用遗传算法优化的BP神经网络模型，具体构建过程包括下述步骤A1-A2：
步骤A1：获取柜员在办理柜面业务时的第一训练语音信息和客户在办理柜面业务时的第二训练语音信息，并将第一训练语音信息转换为第一训练文字信息，以及将第二训练语音信息转换为第二训练文字信息。
步骤A2：利用第一训练文字信息和第二训练文字信息以及第一训练文字信息和第二训练文字信息对应的业务识别标签对初始业务监督模型进行训练，生成业务监督模型。
在本实施例中，为了构建业务监督模型，需要预先进行大量的准备工作，首先，需要收集获取柜员办理柜面业务时的语音信息(此处将其定义为第一训练语音信息)和客户在办理柜面业务时的语音信息(此处将其定义为第二训练语音信息)，并将第一训练语音信息和第二训练语音信息分别转换为第一训练文字信息和第二训练文字信息，比如，可以预先收集1000条柜员和客户办理柜面业务时发出的第一语音信息和第二语音信息，并将收集到的二者的每一条语音信息分别作为样本信息数据，并预先通过人工标注出这些样本信息数据表征的柜员办理的业务，用以训练业务监督模型。即，可以利用柜员的第一训练文字信息以及客户的第二训练文字信息对应的人工标注出的柜员按照客户要求办理的真实业务标签对初始业务监督模型进行训练，生成业务监督模型。
通过上述实施例，可以利用柜员和客户办理柜面业务时的训练语音信息训练生成业务监督模型，则进一步的，可以利用柜员和客户办理柜面业务时的验证语音信息对生成的业务监督模型进行验证，具体实现过程包括下述步骤B1-B3：
步骤B1：获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将第一验证语音信息转换为第一验证文字信息，以及将第二验证语音信息转换为第二验证文字信息。
步骤B2：将第一验证文字信息和第二验证文字信息输入业务监督模型，获得第一验证文字信息和第二验证文字信息的业务识别结果。
步骤B3：当第一验证文字信息和第二验证文字信息的业务识别结果与第一验证文字信息和第二验证文字信息对应的业务标记结果不一致时，将第一验证文字信息和第二验证文字信息分别重新作为第一训练文字信息和第二训练文字信息，对业务监督模型进行更新。
在实际应用中，为了实现对业务监督模型进行验证，首先需要获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将第一验证语音信息转换为第一验证文字信息，以及将第二验证语音信息转换为第二验证文字信息，其中，柜员办理柜面业务时的第一验证语音信息客户在办理柜面业务时的第二验证语音信息指的是可以用来进行业务监督模型验证的柜员和客户办理柜面业务时发出的验证语音信息，进一步的，可以将二者转换为第一验证文字信息和第二验证文字信息后输入业务监督模型，获得第一验证文字信息和第二验证文字信息的业务识别结果。当该业务识别结果与人工标记的状态标记结果不一致时，将第一验证文字信息和第二验证文字信息分别重新作为第一训练文字信息和第二训练文字信息，对业务监督模型进行更新。
其中，一种可选的实现方式，初始的业务监督模型可以采用神经网络模型建立，将柜员的第一训练文字信息和客户的第二训练文字信息作为模型输入，将柜员办理的柜面业务作为模型输出，根据网络输入输出的个数确定BP神经网络结构，进而确定了需要优化的参数个数。在根据kolmogorov原理，一个三层BP神经网络足以完成任意的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，从而能够确定神经网络结构，并将收集到的柜员和客户办理柜面业务时的第一训练语音信息和第二训练语音信息对应的第一训练文字信息和第二训练文字信息，以及通过人工经验判断出的柜员应该办理的柜面业务作为训练数据，将其分为训练集与验证集，通过上述步骤训练与验证神经网络模型得到有效的业务监督模型。
S103：判断柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，实现对柜面业务的监督。
在本实施例中，若通过步骤S102确定出柜员办理的柜面业务后，进一步可以判断柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，实现对柜面业务的监督。具体的，如果判断出柜员办理的柜面业务不是按照客户要求办理的真实业务，则存在违规风险，需要及时将问题通知相关工作人员，以采取相应的解决措施，以保护客户与银行的权益。
举例说明：假设客户与柜员在商讨存款相关业务，银行后台系统在将柜员和客户办理柜面业务时产生的语音信息转换为文字信息后，首先将二者输入到业务监督模型，通过业务监督模型首先抓取关键字得到办理的业务信息如存款，然后根据关键字抓取的方法得到存款的所有关键信息，例如存款的账户信息、存款的金额信息、存款利率信息等，从而得到完成的业务信息，然后，将这些完成业务信息的关键字与后台系统办理的业务关键信息做匹配判断业务信息是否正确，如果没有抓取到完整信息则会将相应信息的栏位标红，提醒相关业务人员，以提高对所办理业务的监督的安全有效性。
综上，本实施例提供的一种银行柜面业务的监督方法，首先获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将第一语音信息转换为第一文字信息，以及将第二语音信息转换为第二文字信息，然后，将第一文字信息和第二文字信息输入预先构建的业务监督模型，确定出柜员办理的柜面业务，进而可以判断出柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，以实现对柜面业务的监督。从而实现了利用预先构建的业务监督模型判断出柜员办理的业务是否为按照客户要求办理的真实业务，进一步保证了客户和银行的权益。
第二实施例
本实施例将对一种银行柜面业务的监督装置进行介绍，相关内容请参见上述方法实施例。
参见图2，为本实施例提供的一种银行柜面业务的监督装置的组成示意图，该装置包括：
第一获取单元201，用于获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将所述第一语音信息转换为第一文字信息，以及将所述第二语音信息转换为第二文字信息；
确定单元202，用于将所述第一文字信息和所述第二文字信息输入预先构建的业务监督模型，确定出所述柜员办理的柜面业务；
判断单元203，用于判断所述柜员办理的柜面业务是否为按照所述客户要求办理的真实业务，得到判断结果，实现对所述柜面业务的监督。
在本实施例的一种实现方式中，所述装置还包括：
第二获取单元，用于获取柜员在办理柜面业务时的第一训练语音信息和客户在办理柜面业务时的第二训练语音信息，并将所述第一训练语音信息转换为第一训练文字信息，以及将所述第二训练语音信息转换为第二训练文字信息；
训练单元，用于利用所述第一训练文字信息和第二训练文字信息以及所述第一训练文字信息和第二训练文字信息对应的业务识别标签对初始业务监督模型进行训练，生成所述业务监督模型。
在本实施例的一种实现方式中，所述装置还包括：
第三获取单元，用于获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将所述第一验证语音信息转换为第一验证文字信息，以及将所述第二验证语音信息转换为第二验证文字信息；
获得单元，用于将所述第一验证文字信息和所述第二验证文字信息输入所述业务监督模型，获得所述第一验证文字信息和所述第二验证文字信息的业务识别结果；
更新单元，用于当所述第一验证文字信息和所述第二验证文字信息的业务识别结果与所述第一验证文字信息和所述第二验证文字信息对应的业务标记结果不一致时，将所述第一验证文字信息和所述第二验证文字信息分别重新作为所述第一训练文字信息和所述第二训练文字信息，对所述业务监督模型进行更新。
在本实施例的一种实现方式中，所述业务监督模型为利用遗传算法优化的BP神经网络模型。
综上，本实施例提供的一种银行柜面业务的监督装置，首先获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将第一语音信息转换为第一文字信息，以及将第二语音信息转换为第二文字信息，然后，将第一文字信息和第二文字信息输入预先构建的业务监督模型，确定出柜员办理的柜面业务，进而可以判断出柜员办理的柜面业务是否为按照客户要求办理的真实业务，得到判断结果，以实现对柜面业务的监督。从而实现了利用预先构建的业务监督模型判断出柜员办理的业务是否为按照客户要求办理的真实业务，进一步保证了客户和银行的权益。
进一步地，本申请实施例还提供了一种银行柜面业务的监督设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述银行柜面业务的监督方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述银行柜面业务的监督方法的任一种实现方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。
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申请。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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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 (8)
1.一种银行柜面业务的监督方法，其特征在于，包括：
获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将所述第一语音信息转换为第一文字信息，以及将所述第二语音信息转换为第二文字信息；
将所述第一文字信息和所述第二文字信息输入预先构建的业务监督模型，确定出所述柜员办理的柜面业务；
判断所述柜员办理的柜面业务是否为按照所述客户要求办理的真实业务，得到判断结果，实现对所述柜面业务的监督；
构建所述业务监督模型，包括：
获取柜员在办理柜面业务时的第一训练语音信息和客户在办理柜面业务时的第二训练语音信息，并将所述第一训练语音信息转换为第一训练文字信息，以及将所述第二训练语音信息转换为第二训练文字信息；
利用所述第一训练文字信息和第二训练文字信息以及所述第一训练文字信息和第二训练文字信息对应的业务识别标签对初始业务监督模型进行训练，生成所述业务监督模型。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将所述第一验证语音信息转换为第一验证文字信息，以及将所述第二验证语音信息转换为第二验证文字信息；
将所述第一验证文字信息和所述第二验证文字信息输入所述业务监督模型，获得所述第一验证文字信息和所述第二验证文字信息的业务识别结果；
当所述第一验证文字信息和所述第二验证文字信息的业务识别结果与所述第一验证文字信息和所述第二验证文字信息对应的业务标记结果不一致时，将所述第一验证文字信息和所述第二验证文字信息分别重新作为所述第一训练文字信息和所述第二训练文字信息，对所述业务监督模型进行更新。
3.根据权利要求1至2任一所述的方法，其特征在于，所述业务监督模型为利用遗传算法优化的BP神经网络模型。
4.一种银行柜面业务的监督装置，其特征在于，包括：
第一获取单元，用于获取柜员在办理柜面业务时的第一语音信息和客户在办理柜面业务时的第二语音信息，并将所述第一语音信息转换为第一文字信息，以及将所述第二语音信息转换为第二文字信息；
确定单元，用于将所述第一文字信息和所述第二文字信息输入预先构建的业务监督模型，确定出所述柜员办理的柜面业务；
判断单元，用于判断所述柜员办理的柜面业务是否为按照所述客户要求办理的真实业务，得到判断结果，实现对所述柜面业务的监督；
所述装置还包括：
第二获取单元，用于获取柜员在办理柜面业务时的第一训练语音信息和客户在办理柜面业务时的第二训练语音信息，并将所述第一训练语音信息转换为第一训练文字信息，以及将所述第二训练语音信息转换为第二训练文字信息；
训练单元，用于利用所述第一训练文字信息和第二训练文字信息以及所述第一训练文字信息和第二训练文字信息对应的业务识别标签对初始业务监督模型进行训练，生成所述业务监督模型。
5.根据权利要求4所述的装置，其特征在于，所述装置还包括：
第三获取单元，用于获取柜员在办理柜面业务时的第一验证语音信息和客户在办理柜面业务时的第二验证语音信息，并将所述第一验证语音信息转换为第一验证文字信息，以及将所述第二验证语音信息转换为第二验证文字信息；
获得单元，用于将所述第一验证文字信息和所述第二验证文字信息输入所述业务监督模型，获得所述第一验证文字信息和所述第二验证文字信息的业务识别结果；
更新单元，用于当所述第一验证文字信息和所述第二验证文字信息的业务识别结果与所述第一验证文字信息和所述第二验证文字信息对应的业务标记结果不一致时，将所述第一验证文字信息和所述第二验证文字信息分别重新作为所述第一训练文字信息和所述第二训练文字信息，对所述业务监督模型进行更新。
6.根据权利要求4至5任一所述的装置，其特征在于，所述业务监督模型为利用遗传算法优化的BP神经网络模型。
7.一种银行柜面业务的监督设备，其特征在于，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-3任一项所述的方法。
8.一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中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011059851.5A CN112200660B (zh) | 2020-09-30 | 2020-09-30 | 一种银行柜面业务的监督方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011059851.5A CN112200660B (zh) | 2020-09-30 | 2020-09-30 | 一种银行柜面业务的监督方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112200660A CN112200660A (zh) | 2021-01-08 |
| CN112200660B true CN112200660B (zh) | 2023-10-20 |
Family
ID=74007245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011059851.5A Active CN112200660B (zh) | 2020-09-30 | 2020-09-30 | 一种银行柜面业务的监督方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112200660B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113192511B (zh) * | 2021-04-27 | 2023-01-06 | 中国工商银行股份有限公司 | 信息录入方法、信息录入装置、电子设备以及存储介质 |
| CN113052685A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 一种交易处理方法及装置 |
| CN113407919B (zh) * | 2021-05-25 | 2024-05-24 | 中国农业银行股份有限公司 | 业务操作验证方法、装置、设备及存储介质 |
| CN113435767B (zh) * | 2021-07-06 | 2024-05-31 | 中国银行股份有限公司 | 一种业务代办方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201302741Y (zh) * | 2008-11-20 | 2009-09-02 | 江苏银科金典电子应用技术有限公司 | 柜面业务安全及柜员风险控制与监管设备 |
| US9153231B1 (en) * | 2013-03-15 | 2015-10-06 | Amazon Technologies, Inc. | Adaptive neural network speech recognition models |
| CN110084021A (zh) * | 2019-05-14 | 2019-08-02 | 中国工商银行股份有限公司 | 柜面终端、客户端、柜面数据交互方法及系统 |
| CN111128182A (zh) * | 2019-12-16 | 2020-05-08 | 中国银行股份有限公司 | 一种智能语音录入方法及装置 |
| CN111310612A (zh) * | 2020-01-22 | 2020-06-19 | 中国建设银行股份有限公司 | 行为督导方法和装置 |
| CN111563481A (zh) * | 2020-06-09 | 2020-08-21 | 中国农业银行股份有限公司山东省分行 | 一种银行柜面业务智能授权方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210016829A (ko) * | 2019-08-05 | 2021-02-17 | 엘지전자 주식회사 | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 |
-
2020
- 2020-09-30 CN CN202011059851.5A patent/CN112200660B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201302741Y (zh) * | 2008-11-20 | 2009-09-02 | 江苏银科金典电子应用技术有限公司 | 柜面业务安全及柜员风险控制与监管设备 |
| US9153231B1 (en) * | 2013-03-15 | 2015-10-06 | Amazon Technologies, Inc. | Adaptive neural network speech recognition models |
| CN110084021A (zh) * | 2019-05-14 | 2019-08-02 | 中国工商银行股份有限公司 | 柜面终端、客户端、柜面数据交互方法及系统 |
| CN111128182A (zh) * | 2019-12-16 | 2020-05-08 | 中国银行股份有限公司 | 一种智能语音录入方法及装置 |
| CN111310612A (zh) * | 2020-01-22 | 2020-06-19 | 中国建设银行股份有限公司 | 行为督导方法和装置 |
| CN111563481A (zh) * | 2020-06-09 | 2020-08-21 | 中国农业银行股份有限公司山东省分行 | 一种银行柜面业务智能授权方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112200660A (zh) | 2021-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112200660B (zh) | 一种银行柜面业务的监督方法、装置及设备 | |
| Qi et al. | Fintech: AI powers financial services to improve people's lives | |
| TWI689874B (zh) | 神經網路模型訓練、交易行為風險識別方法及裝置 | |
| CN112116457B (zh) | 一种银行柜面业务的监督方法、装置及设备 | |
| CN110706090A (zh) | 信用欺诈识别方法及装置、电子设备、存储介质 | |
| CN109410036A (zh) | 一种欺诈检测模型训练方法和装置及欺诈检测方法和装置 | |
| KR20180060044A (ko) | 클라우드 환경에서 개인정보 보호를 지원하는 p2p 중개 보안 시스템 | |
| CN112435112A (zh) | 一种针对小微企业的银行互联网信贷风控方法 | |
| Dudin et al. | Mitigation of cyber risks in the field of electronic payments: organizational and legal measures | |
| CN110362689A (zh) | 一种风险评估方法、装置、存储介质和服务器 | |
| CN105718526A (zh) | 一种基于律师信息的数据检索方法、装置和系统 | |
| CN107220867A (zh) | 对象控制方法及装置 | |
| KR102259838B1 (ko) | 암호화폐 블랙리스트 구축 장치 및 방법 | |
| CN113902037A (zh) | 非正常银行账户识别方法、系统、电子设备及存储介质 | |
| CN111476653A (zh) | 一种风险信息识别、确定、模型训练方法及装置 | |
| CN112330355A (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
| CN109919608A (zh) | 一种高危交易主体的识别方法、装置及服务器 | |
| CN114398512A (zh) | 一种基于大数据的通信运营商行业客户语音画像分析方法 | |
| CN112837149A (zh) | 一种企业信贷风险的识别方法和装置 | |
| CN109388710A (zh) | 一种ip地址业务属性标定方法及装置 | |
| US11488178B2 (en) | Systems and methods for verifying digital payments | |
| KR20150061540A (ko) | 허위판매 방지 시스템 및 그 제공방법 | |
| CN110210868B (zh) | 数值转移数据的处理方法及电子设备 | |
| CN109711984B (zh) | 一种基于催收的贷前风险监控方法及装置 | |
| Yang et al. | Based big data analysis of fraud detection for online transaction orders |
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 |