CN113240411A - 话费充值提醒方法及装置 - Google Patents
话费充值提醒方法及装置 Download PDFInfo
- Publication number
- CN113240411A CN113240411A CN202110601206.XA CN202110601206A CN113240411A CN 113240411 A CN113240411 A CN 113240411A CN 202110601206 A CN202110601206 A CN 202110601206A CN 113240411 A CN113240411 A CN 113240411A
- Authority
- CN
- China
- Prior art keywords
- recharging
- telephone
- client user
- fee
- predicted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims description 56
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002068 genetic effect Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing 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
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
- G06Q20/24—Credit schemes, i.e. "pay after"
-
- 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
- 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
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
- G06Q20/28—Pre-payment schemes, e.g. "pay before"
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Abstract
本发明公开了一种话费充值提醒方法及装置,涉及人工智能领域,该方法包括:采集客户端用户的话费充值行为数据,其中,话费充值行为数据包括:充值时刻和充值金额;将客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出客户端用户下一次充值话费的预测充值时刻和预测充值金额;根据话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,话费充值提醒消息用于提醒客户端用户执行下一次话费充值操作。本发明能够根据客户端用户的话费充值行为数据,生成不同的话费充值提醒消息,以便向客户端用户通过个性化的话费充值服务。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种话费充值提醒方法及装置。
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。
随着计算机互联网的快速发展,各种话费充值平台的出现,大大方便了人们的生活。现有的话费充值平台,当用户在充值话费时,往往只能被动的选择话费充值金额,而实际生活中,有时候会出现用户只想暂时充值,等到未来某个时期有优惠的时候继续充值话费的情况发生,或者用户在话费欠费的时候,只想缴费到可以正常使用手机以后,在未来的某个时候再继续充值,或者用户因为当下银行卡余额不足,暂时不想充值,但仍不想要被停机。
可见,现有话费充值平台无法向不同的客户提供个性化话费充值服务。
发明内容
本发明实施例中提供了一种话费充值提醒方法,用以解决现有话费充值平台无法向不同的客户提供个性化话费充值的技术问题,该方法包括:采集客户端用户的话费充值行为数据,其中,话费充值行为数据包括:充值时刻和充值金额;将客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出客户端用户下一次充值话费的预测充值时刻和预测充值金额;根据话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,话费充值提醒消息用于提醒客户端用户执行下一次话费充值操作。
本发明实施例中还提供了一种话费充值提醒装置,用以解决现有话费充值平台无法向不同的客户提供个性化话费充值的技术问题,该装置包括:数据采集模块,用于采集客户端用户的话费充值行为数据,其中,话费充值行为数据包括:充值时刻和充值金额;话费充值预测模块,用于将客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出客户端用户下一次充值话费的预测充值时刻和预测充值金额;话费充值模块,用于根据话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,话费充值提醒消息用于提醒客户端用户执行下一次话费充值操作。
本发明实施例中还提供了一种计算机设备,用以解决现有话费充值平台无法向不同的客户提供个性化话费充值的技术问题,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话费充值提醒方法。
本发明实施例中还提供了一种计算机可读存储介质,用以解决现有话费充值平台无法向不同的客户提供个性化话费充值的技术问题,该计算机可读存储介质存储有执行上述话费充值提醒方法的计算机程序。
本发明实施例中提供的话费充值提醒方法、装置、计算机设备及计算机可读存储介质,通过预先训练一个根据上一次话费充值行为数据预测下一次话费充值行为数据的话费充值预测模型,在采集到客户端用户每次充值话费的话费充值行为数据后,将本次充值话费的话费充值行为数据,输入至话费充值预测模型中,输出该客户端用户下一次充值话费的预测充值时刻和预测充值金额,进而根据话费充值预测模型输出的预测充值时刻和预测充值金额,生成话费充值提醒消息,提醒客户端用户执行下一次话费充值操作。
通过本发明实施例,能够根据客户端用户的话费充值行为数据,生成不同的话费充值提醒消息,以便向客户端用户通过个性化的话费充值服务。
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话费充值提醒方法流程图;
图2为本发明实施例中提供的一种机器学习流程图;
图3为本发明实施例中提供的一种话费充值提醒装置示意图;
图4为本发明实施例中提供的一种可选的话费充值提醒装置示意图;
图5为本发明实施例中提供的一种计算机设备示意图。
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话费充值提醒方法,图1为本发明实施例中提供的一种话费充值提醒方法流程图,如图1所示,该方法包括如下步骤:
S101,采集客户端用户的话费充值行为数据,其中,话费充值行为数据包括:充值时刻和充值金额。
需要说明的是,本发明实施例中客户端指使用各种智能设备(例如,手机、计算机等)上安装的用于充值话费的客户端应用(例如,手机银行APP)。采集的话费充值行为数据包括但不限于客户端用户每次充值话费的充值时刻和充值金额。
S102,将客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出客户端用户下一次充值话费的预测充值时刻和预测充值金额。
需要说明的是,上述话费充值预测模型是一个预先通过机器学习训练得到的一个根据上一次话费充值行为数据预测下一次话费充值行为数据的人工智能算法模型;可选地,可以对基于遗传算法的BP神经网络进行机器学习,得到该话费充值预测模型。
可选地,本发明实施例中提供的话费充值提醒方法,还可以根据客户端用户每次充值话费的话费充值行为数据,实时更新话费充值预测模型,以使得话费充值预测模型的预测准确率不断提高。
S103,根据话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,话费充值提醒消息用于提醒客户端用户执行下一次话费充值操作。
在具体实施时,如果将客户端用户每次充值话费的话费充值行为数据存储在客户端应用本地,会占用终端设备大量的存储空间,因而,在一个实施例中,上述S101~S103提供的方案,可在客户端应用的后台服务器上执行,将客户端用户每次充值话费的话费充值行为数据存储在后台服务器,后台服务器仅需要向客户端应用发送话费充值提醒消息即可。可选地,后台服务器还可以将客户端用户每次充值话费的话费充值行为数据存储在区块链网络上,提高数据存储的安全性。
在一个实施例中,本发明实施例中根据话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息为5G消息,通过5G消息发送话费充值提醒,实现消息提醒的实时性。
为了防止在用户已经提前充值话费后又重复提醒的情况发生,在一个实施例中,本发明实施例中提供的话费充值提醒方法,可通过如下步骤来生成话费充值提醒消息:监测客户端用户是否在充值周期内执行话费充值操作;当客户端用户在充值周期内执行话费充值操作的情况下,生成第一提醒消息,其中,充值周期为客户端用户当前充值话费的充值时刻与预测充值时刻之间的时间段,第一提醒消息中包含:预测充值金额;当客户端用户未在充值周期内执行话费充值操作的情况下,输出第二提醒消息,其中,第二提醒消息中包含:预测充值时刻和预测充值金额。
当监测到客户端用户在充值周期内执行话费充值操作的情况下,可实时生成第一提醒消息,以提醒用户需要充值的金额;只有在客户端用户未在充值周期内执行话费充值操作的情况下,才向客户端用户提醒预测出的话费充值时刻和话费充值金额,若客户端用户为该预测充值时刻充值话费,则可能导致手机欠费停机。
进一步地,一个实施例中,本发明实施例中提供的话费充值提醒方法还可以通过如下步骤来实现话费自动充值:监测客户端用户关联的银行账户余额是否高于预测充值金额;当客户端用户关联的银行账户余额高于或等于预测充值金额的情况下,自动执行预测充值金额的话费充值操作;当客户端用户关联的银行账户余额低于预测充值金额的情况下,获取客户端用户的话费借用额度,自动执行话费借用额度的话费充值操作。
需要说明的是,话费充值平台通常会关联客户端用户的银行账户,因而,在预测出客户端用户下次充值话费的预测充值金额后,可在客户端用户关联的银行账户余额高于或等于预测充值金额的情况下,自动帮客户端用户进行话费充值;而在客户端用户关联的银行账户余额低于预测充值金额的情况下,为了不使得客户端用户的手机因话费欠费而停机,可根据预先为客户端用户分配的话费借用额度,自动为客户端用户充值话费,充值话费的金额不能超过话费借用额度。
更进一步地,一个实施例中,本发明实施例中提供的话费充值提醒方法还可通过如下步骤来确定每个客户的话费借用额度:获取客户端用户的信用信息和历史话费话费充值行为数据;根据客户端用户的信用信息和历史话费话费充值行为数据,确定客户端用户的话费借用额度。
在具体实施时,可根据客户端用户的信用信息(例如,征信记录等)和近期充值金额,为用户推算出一定话费借用额度,帮助用户不被欠费,当用户卡内余额有一定金额时,系统自动帮用户将额度归还给银行。
在一个实施例中,如图2所示,本发明实施例中提供的话费充值提醒方法还可以通过如下步骤来实现话费充值预测模型的训练:
S201,构建基于遗传算法的BP神经网络;
S202,利用客户端用户的历史话费充值行为数据,对构建的基于遗传算法的BP神经网络进行机器学习,训练得到一个根据上一次话费充值行为数据预测下一次话费充值行为数据的话费充值预测模型。
需要说明的是,针对不同的应用场景,训练模型采用的样本数据可不同,在一个实施例中,采用的样本数据可以包括:客户端用户历史每次充值话费的充值时刻、客户端用户历史每次充值话费的充值金额、相邻两次充值话费的时间间隔(充值周期)、优惠券使用情况等;通过BP神经网络和遗传算法建立模型,在BP神经网络的权值和阈值的优化方面引入遗传算法,构建基于遗传算法的BP神经网络模型。根据输入输出的个数可确定BP神经网络结构,进而确定遗传算法中需要优化的参数个数。
在具体实施时,可根据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,从而确定GA-BP神经网络结构。通过遗传算法输出的最优个体作为BP神经网络初始权值和阈值进行BP神经网络训练和学习。将收集的额度信息作为历史数据,把历史数据分为训练集和测试集,基于历史数据分析,对GA-BP神经网络模型进行训练,并使用测试样本对模型的预测准确率进行验证。模型在使用过程中通过机器学习方法不断对模型自优化吗,提高模型的有效性。
基于同一发明构思,本发明实施例中还提供了一种话费充值提醒装置,如下面的实施例所述。由于该装置解决问题的原理与话费充值提醒方法相似,因此该装置的实施可以参见话费充值提醒方法的实施,重复之处不再赘述。
图3为本发明实施例中提供的一种话费充值提醒装置示意图,如图3所示,该装置包括:数据采集模块31、话费充值预测模块32和话费充值模块33。
其中,数据采集模块31,用于采集客户端用户的话费充值行为数据,其中,话费充值行为数据包括:充值时刻和充值金额;话费充值预测模块32,用于将客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出客户端用户下一次充值话费的预测充值时刻和预测充值金额;话费充值模块33,用于根据话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,话费充值提醒消息用于提醒客户端用户执行下一次话费充值操作。
在一个实施例中,本发明实施例中提供的话费充值提醒装置中,话费充值模块33还用于:监测客户端用户是否在充值周期内执行话费充值操作;当客户端用户在充值周期内执行话费充值操作的情况下,生成第一提醒消息,其中,充值周期为客户端用户当前充值话费的充值时刻与预测充值时刻之间的时间段,第一提醒消息中包含:预测充值金额;当客户端用户未在充值周期内执行话费充值操作的情况下,输出第二提醒消息,其中,第二提醒消息中包含:预测充值时刻和预测充值金额。
在一个实施例中,如图4所示,本发明实施例中提供的话费充值提醒装置还包括:账户余额监测模块34,用于监测客户端用户关联的银行账户余额是否高于预测充值金额;其中,话费充值模块还用于:当客户端用户关联的银行账户余额高于或等于预测充值金额的情况下,自动执行预测充值金额的话费充值操作;当客户端用户关联的银行账户余额低于预测充值金额的情况下,获取客户端用户的话费借用额度,自动执行话费借用额度的话费充值操作。
在一个实施例中,如图4所示,本发明实施例中提供的话费充值提醒装置还包括:信用评估模块35,用于获取客户端用户的信用信息和历史话费话费充值行为数据;以及根据客户端用户的信用信息和历史话费话费充值行为数据,确定客户端用户的话费借用额度。
在一个实施例中,如图4所示,本发明实施例中提供的话费充值提醒装置还包括:机器学习模块36,用于构建基于遗传算法的BP神经网络;以及利用客户端用户的历史话费充值行为数据,对构建的基于遗传算法的BP神经网络进行机器学习,训练得到一个根据上一次话费充值行为数据预测下一次话费充值行为数据的话费充值预测模型。
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,用以解决现有话费充值平台无法向不同的客户提供个性化话费充值的技术问题,图5为本发明实施例中提供的一种计算机设备示意图,如图5所示,该计算机设备50包括存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序,处理器502执行计算机程序时实现上述话费充值提醒方法。
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,用以解决现有话费充值平台无法向不同的客户提供个性化话费充值的技术问题,该计算机可读存储介质存储有执行上述话费充值提醒方法的计算机程序。
综上所述,本发明实施例中提供的话费充值提醒方法、装置、计算机设备及计算机可读存储介质,通过预先训练一个根据上一次话费充值行为数据预测下一次话费充值行为数据的话费充值预测模型,在采集到客户端用户每次充值话费的话费充值行为数据后,将本次充值话费的话费充值行为数据,输入至话费充值预测模型中,输出该客户端用户下一次充值话费的预测充值时刻和预测充值金额,进而根据话费充值预测模型输出的预测充值时刻和预测充值金额,生成话费充值提醒消息,提醒客户端用户执行下一次话费充值操作。
通过本发明实施例,能够根据客户端用户的话费充值行为数据,生成不同的话费充值提醒消息,以便向客户端用户通过个性化的话费充值服务。
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)
1.一种话费充值提醒方法,其特征在于,包括:
采集客户端用户的话费充值行为数据,其中,所述话费充值行为数据包括:充值时刻和充值金额;
将所述客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出所述客户端用户下一次充值话费的预测充值时刻和预测充值金额;
根据所述话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,所述话费充值提醒消息用于提醒所述客户端用户执行下一次话费充值操作。
2.如权利要求1所述的方法,其特征在于,根据所述话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,包括:
监测客户端用户是否在充值周期内执行话费充值操作;
当所述客户端用户在充值周期内执行话费充值操作的情况下,生成第一提醒消息,其中,所述充值周期为客户端用户当前充值话费的充值时刻与预测充值时刻之间的时间段,所述第一提醒消息中包含:预测充值金额;
当所述客户端用户未在充值周期内执行话费充值操作的情况下,输出第二提醒消息,其中,所述第二提醒消息中包含:预测充值时刻和预测充值金额。
3.如权利要求1所述的方法,其特征在于,所述方法包括:
监测所述客户端用户关联的银行账户余额是否高于所述预测充值金额;
当所述客户端用户关联的银行账户余额高于或等于所述预测充值金额的情况下,自动执行所述预测充值金额的话费充值操作;
当所述客户端用户关联的银行账户余额低于所述预测充值金额的情况下,获取所述客户端用户的话费借用额度,自动执行所述话费借用额度的话费充值操作。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
获取所述客户端用户的信用信息和历史话费话费充值行为数据;
根据所述客户端用户的信用信息和历史话费话费充值行为数据,确定所述客户端用户的话费借用额度。
5.如权利要求1所述的方法,其特征在于,在将所述客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出所述客户端用户下一次充值话费的预测充值时刻和预测充值金额之前,所述方法还包括:
构建基于遗传算法的BP神经网络;
利用客户端用户的历史话费充值行为数据,对构建的基于遗传算法的BP神经网络进行机器学习,训练得到一个根据上一次话费充值行为数据预测下一次话费充值行为数据的话费充值预测模型。
6.如权利要求1至5任一项所述的方法,其特征在于,所述话费充值提醒消息为5G消息。
7.一种话费充值提醒装置,其特征在于,包括:
数据采集模块,用于采集客户端用户的话费充值行为数据,其中,所述话费充值行为数据包括:充值时刻和充值金额;
话费充值预测模块,用于将所述客户端用户上一次充值话费的话费充值行为数据,输入至预先训练好的话费充值预测模型中,输出所述客户端用户下一次充值话费的预测充值时刻和预测充值金额;
话费充值模块,用于根据所述话费充值预测模型的预测充值时刻和预测充值金额,生成话费充值提醒消息,其中,所述话费充值提醒消息用于提醒所述客户端用户执行下一次话费充值操作。
8.如权利要求7所述的装置,其特征在于,所述话费充值模块还用于:监测客户端用户是否在充值周期内执行话费充值操作;当所述客户端用户在充值周期内执行话费充值操作的情况下,生成第一提醒消息,其中,所述充值周期为客户端用户当前充值话费的充值时刻与预测充值时刻之间的时间段,所述第一提醒消息中包含:预测充值金额;当所述客户端用户未在充值周期内执行话费充值操作的情况下,输出第二提醒消息,其中,所述第二提醒消息中包含:预测充值时刻和预测充值金额。
9.如权利要求7所述的装置,其特征在于,所述装置包括:
账户余额监测模块,用于当所述客户端用户未在充值周期内执行话费充值操作的情况下,监测所述客户端用户关联的银行账户余额是否高于所述预测充值金额;
其中,话费充值模块还用于:当所述客户端用户关联的银行账户余额高于或等于所述预测充值金额的情况下,自动执行所述预测充值金额的话费充值操作;当所述客户端用户关联的银行账户余额低于所述预测充值金额的情况下,获取所述客户端用户的话费借用额度,自动执行所述话费借用额度的话费充值操作。
10.如权利要求9所述的装置,其特征在于,所述装置还包括:
信用评估模块,用于获取所述客户端用户的信用信息和历史话费话费充值行为数据;以及根据所述客户端用户的信用信息和历史话费话费充值行为数据,确定所述客户端用户的话费借用额度。
11.如权利要求7所述的装置,其特征在于,所述装置还包括:
机器学习模块,用于构建基于遗传算法的BP神经网络;以及利用客户端用户的历史话费充值行为数据,对构建的基于遗传算法的BP神经网络进行机器学习,训练得到一个根据上一次话费充值行为数据预测下一次话费充值行为数据的话费充值预测模型。
12.如权利要求7至11任一项所述的装置,其特征在于,所述话费充值提醒消息为5G消息。
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6任一项所述话费充值提醒方法。
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6任一项所述话费充值提醒方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601206.XA CN113240411A (zh) | 2021-05-31 | 2021-05-31 | 话费充值提醒方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601206.XA CN113240411A (zh) | 2021-05-31 | 2021-05-31 | 话费充值提醒方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113240411A true CN113240411A (zh) | 2021-08-10 |
Family
ID=77136167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110601206.XA Pending CN113240411A (zh) | 2021-05-31 | 2021-05-31 | 话费充值提醒方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240411A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080025238A (ko) * | 2006-09-15 | 2008-03-20 | (주) 사이버패스 | 선불 카드 충전 방법 및 이를 이용한 선불 카드 충전시스템 |
CN111050008A (zh) * | 2019-12-12 | 2020-04-21 | 北京金山云网络技术有限公司 | 一种账户余额提醒方法、装置、电子设备及存储介质 |
CN111263319A (zh) * | 2018-11-30 | 2020-06-09 | 中国移动通信集团山东有限公司 | 一种手机话费余额提醒方法和装置 |
CN111582850A (zh) * | 2020-04-27 | 2020-08-25 | 中国银行股份有限公司 | 基于手机银行的电费充值方法及装置 |
-
2021
- 2021-05-31 CN CN202110601206.XA patent/CN113240411A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080025238A (ko) * | 2006-09-15 | 2008-03-20 | (주) 사이버패스 | 선불 카드 충전 방법 및 이를 이용한 선불 카드 충전시스템 |
CN111263319A (zh) * | 2018-11-30 | 2020-06-09 | 中国移动通信集团山东有限公司 | 一种手机话费余额提醒方法和装置 |
CN111050008A (zh) * | 2019-12-12 | 2020-04-21 | 北京金山云网络技术有限公司 | 一种账户余额提醒方法、装置、电子设备及存储介质 |
CN111582850A (zh) * | 2020-04-27 | 2020-08-25 | 中国银行股份有限公司 | 基于手机银行的电费充值方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160300318A1 (en) | Fare determination system for on-demand transport arrangement service | |
EP3764303A1 (en) | Information processing device, etc. for calculating prediction data | |
US11094008B2 (en) | Debt resolution planning platform for accelerating charge off | |
CN110795246A (zh) | 资源利用率的预测方法及装置 | |
CN109146146A (zh) | 事件预测方法及装置、电子设备 | |
CN109102113A (zh) | 事件预测方法及装置、电子设备 | |
CN107193718A (zh) | 一种充电提醒方法、系统及终端设备 | |
CN111383093A (zh) | 账单逾期智能催收方法及系统 | |
Fernández et al. | Bike3S: A tool for bike sharing systems simulation | |
CN109117994A (zh) | 事件预测方法及装置、电子设备 | |
US20200074539A1 (en) | Debt resolution planning platform | |
CN110774930A (zh) | 一种新能源车辆充电管理方法和系统 | |
US20140052431A1 (en) | Supporting proactive decision-making in event-driven applications | |
CN113962313A (zh) | 一种需求预测方法、系统、存储介质及电子设备 | |
CN113240411A (zh) | 话费充值提醒方法及装置 | |
CN109219002B (zh) | 一种提醒短信发送方法、装置、设备及可读存储介质 | |
CN113159926A (zh) | 贷款业务的还款日期确定方法及装置 | |
CN110928748A (zh) | 业务系统运行监测方法及装置 | |
US11424625B2 (en) | Method and server for managing mobile rechargeable battery pools for multiple stations | |
CN109146147A (zh) | 事件预测方法及装置、电子设备 | |
CN111783487B (zh) | 一种读卡器设备的故障预警方法及装置 | |
CN113128597B (zh) | 一种用户行为特征的提取和分类预测的方法及装置 | |
CN114841664A (zh) | 一种多任务处理顺序确定方法及装置 | |
CN111783486B (zh) | 一种读卡器设备的维护预警方法及装置 | |
CN112184193A (zh) | 缴费处理方法及装置 |
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 |