CN113593147A - 自动取款机atm余额显示方法、装置、服务器、介质及产品 - Google Patents

自动取款机atm余额显示方法、装置、服务器、介质及产品 Download PDF

Info

Publication number
CN113593147A
CN113593147A CN202110885377.XA CN202110885377A CN113593147A CN 113593147 A CN113593147 A CN 113593147A CN 202110885377 A CN202110885377 A CN 202110885377A CN 113593147 A CN113593147 A CN 113593147A
Authority
CN
China
Prior art keywords
atm
transaction
amount
time period
user
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.)
Granted
Application number
CN202110885377.XA
Other languages
English (en)
Other versions
CN113593147B (zh
Inventor
申亚坤
周慧婷
谭莹坤
陶威
丁锐
刘烨敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202110885377.XA priority Critical patent/CN113593147B/zh
Publication of CN113593147A publication Critical patent/CN113593147A/zh
Application granted granted Critical
Publication of CN113593147B publication Critical patent/CN113593147B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
    • G07F19/20—Automatic teller machines [ATMs]
    • G07F19/209—Monitoring, auditing or diagnose of functioning of ATMs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • 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
    • 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
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
    • G07F19/20—Automatic teller machines [ATMs]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了自动取款机ATM余额显示方法、装置、服务器、介质及产品，在检测到用户在ATM进行交易操作后，将交易操作对应的交易信息作为资金交易量预测模型的输入，将交易总金额作为资金交易预测模型的输出，更新资金交易量预测模型；将待测时间段输入至资金交易量预测模型，获得在待测时间段内的预测交易总金额；从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找预测交易总金额对应的目标检测时间间隔；在待测时间段内，每隔目标检测时间间隔检测ATM钞箱剩余金额；控制ATM显示屏显示ATM钞箱剩余金额。用户在取款之前可以通过ATM机显示的余额知道哪个ATM机的ATM钞箱剩余金额大于自己的取款金额，从而使用相应的ATM机进行取款。

Description

自动取款机ATM余额显示方法、装置、服务器、介质及产品
技术领域
本申请涉及ATM机技术领域，更具体的说，是涉及自动取款机ATM余额显示方法、装置、服务器、介质及产品。
背景技术
用户可以通过ATM(Automated Teller Machine，自动取款机)进行存款或取款操作，在进行取款时，若ATM中钞箱剩金额不满足用户所需的金额时，用户需要先在ATM进行插卡、输入密码、输入取款金额后，ATM才会提示用户ATM余额不足，使得用户需要进行多次插卡、输入密码、输入取款金额的操作，才能取出自己所需的金额。
发明内容
有鉴于此，本申请提供了一种自动取款机ATM余额显示方法、装置、服务器、介质及产品。
为实现上述目的，本申请提供如下技术方案：
根据本公开实施例的第一方面，提供一种自动取款机ATM余额显示方法，包括：
在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；所述交易信息包括：所述交易操作的交易时间所属样本时间段、在所述样本时间段内进行交易操作的用户账号所属用户等级、在所述样本时间段内进行交易操作的用户账号所属账号类型、在所述样本时间段内进行交易操作的用户的用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的进行交易操作的交易金额的总和；
将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同；
从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；
在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；
控制所述ATM显示屏显示所述ATM钞箱剩余金额。
根据本公开实施例的第二方面，提供一种自动取款机ATM余额显示装置，包括：
更新模块，用于在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；所述交易信息包括：所述交易操作的交易时间所属样本时间段、在所述样本时间段内进行交易操作的用户账号所属用户等级、在所述样本时间段内进行交易操作的用户账号所属账号类型、在所述样本时间段内进行交易操作的用户的用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的进行交易操作的交易金额的总和；
获取模块，用于将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同；
查找模块，用于从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；
检测模块，用于在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；
控制模块，用于控制所述ATM显示屏显示所述ATM钞箱剩余金额。
根据本公开实施例的第三方面，提供一种服务器，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如第一方面所述的自动取款机ATM余额显示方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行如第一方面所述的自动取款机ATM余额显示方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，可直接加载到计算机的内部存储器，例如第三方面所述服务器包含的存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现如权第一方面所述的自动取款机ATM余额显示方法。
经由上述的技术方案可知，本申请实施例提供的自动取款机ATM余额显示方法中，在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；资金交易预测模型在不断本更新，使得资金交易预测模型越来越准确；将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额；从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；控制所述ATM显示屏显示所述ATM钞箱剩余金额。由于ATM机的显示屏可以显示所述ATM钞箱剩余金额，用户在取款之前即可知道哪个ATM机的ATM钞箱剩余金额大于自己的取款金额，从而使用哪个ATM机进行取款，无需进行多次插卡、输入密码、输入取款金额的操作。
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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例涉及的硬件架构的结构图；
图2为本申请实施例提供的自动取款机ATM余额显示方法的流程图；
图3为本申请实施例提供的一种自动取款机ATM余额显示装置的结构图；
图4是根据一示例性实施例示出的一种用于服务器的装置的框图。
具体实施方式
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。
本申请实施例提供了ATM余额显示方法、装置、服务器、介质及产品，在介绍本申请实施例提供的技术方案之前，先对本申请实施例涉及的硬件架构进行说明。
如图1所示，为本申请实施例涉及的硬件架构的结构图，硬件架构包括：ATM11、服务器12。
可以理解的是，服务器12可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务器中心。服务器12可以包括处理器、存储器以及网络接口等。
示例性的，服务器12可以为验证服务器，用户在ATM11上进行交易操作的过程中，会与验证服务器进行交互，例如，用户在ATM11上插入银行卡后，验证服务器会验证用户输入的密码是否正确。因此，服务器12可以获得交易操作对应的交易信息。
示例性的，服务器12不是验证服务器，验证服务器可以将交易操作对应的交易信息发送至服务器12。
服务器12可以预测未来的待测时间段内的预测交易总金额。并基于预测交易总金额确定检测ATM钞箱剩余金额的检测时间间隔；控制ATM每隔检测时间间隔检测一次ATM钞箱剩余金额，并显示在显示屏上。
用户若有取款需求，在到达某个网点后，假设该网点具有多台ATM，则可以通过查看ATM的显示屏显示的ATM钞箱的余额，确定使用ATM钞箱的余额大于或等于自己的取款金额的ATM进行取款操作。无需进行多次插卡、输入密码、输入取款金额的操作，节约用户的取款时间，提高用户感受。
本领域技术人员应能理解上述服务器仅为举例，其他现有的或今后可能出现的服务器如可适用于本公开，也应包含在本公开保护范围以内，并在此以引用方式包含于此。
下面结合上述硬件架构对本申请实施例提供的自动取款机ATM余额显示方法进行说明。
请参阅附图2，为本申请实施例提供的自动取款机ATM余额显示方法的流程图，该方法包括步骤S21至步骤S25。
步骤S21：在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型。
所述交易信息包括：所述交易操作的交易时间所属样本时间段、在所述样本时间段内进行交易操作的用户账号所属用户等级、在所述样本时间段内进行交易操作的用户账号所属账号类型、在所述样本时间段内进行交易操作的用户的用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的进行交易操作的交易金额的总和。
在训练资金交易量预测模型的过程中涉及机器学习中的人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术中至少一种。
示例性的，资金交易量预测模型可以为神经网络模型、逻辑回归模型、线性回归模型、支持向量机(SVM)、Adaboost、XGboost、Transformer-Encoder模型中任一种模型。
示例性的，神经网络模型可以为基于循环神经网络的模型、基于卷积神经网络的模型、基于Transformer-encoder的分类模型中的任一种。
示例性的，资金交易量预测模型可以为基于循环神经网络的模型、基于卷积神经网络的模型以及基于Transformer-encoder的分类模型的深度混合模型。
示例性的，资金交易量预测模型可以为基于注意力的深度模型、基于记忆网络的深度模型、基于深度学习的短文本分类模型中任一种。
基于深度学习的短文本分类模型为循环神经网络(RNN)或卷积神经网络(CNN)或者基于循环神经网络或卷积神经网络的变种。
示例性的，可以在已经预训练好的模型上做一些简单的领域适应性改造，以得到资金交易量预测模型。
示例性的，“简单的领域适应性改造”包括但不限于在已经预训练好的模型上，再次利用大规模无监督领域语料进行二次预训练，和/或，通过模型蒸馏的方式对已经预训练好的模型进行模型压缩。
示例性的，还可以对资金交易量预测模型进行半监督学习。半监督学习是有监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。
本申请实施例中，称训练得到资金交易预测模型之前的模型为机器学习模型。在一可选实现方式中，训练机器学习模型的样本数据为{样本时间段，在所述样本时间段内的交易信息}、样本数据对应的标注结果为在所述样本时间段内所有用户的交易金额的总和，即交易总金额。
若交易操作为取款操作，则交易金额为取款金额。若交易操作为存款操作，则交易金额为存款金额。
即将样本数据作为机器学习模型的输入，标注结果作为机器学习模型的输出，训练机器学习模型以得到资金交易预测模型。
可以理解的是，不同用户等级的用户账号进行交易时，交易金额有很大差距。示例性的，用户等级是基于用户的存款金额确定的。一般情况下，用户的存款金额越高，用户等级越高；用户的存款金额越高，在进行交易时，可能涉及的交易金额越大。
可以理解的是，不同账号类型的用户账号进行交易时，交易金额有很大差距。示例性的，账号类型可以为：个人账号、企业账号。企业账号在进行交易时，交易金额较大，个人账号在进行交易时，交易金额较小。
可以理解的是，若是企业账号，或，交易金额较大的个人账号，在进行交易之前，一般会提前预约。很少直接在ATM机上进行交易。但是不排除有直接在ATM机上进行交易的情况。
可以理解的是，用户在ATM机上进行交易时，用户职业也会影响交易金额，例如，若用户职业为董事长，则交易金额较多，若用户职业为普通职员，交易金额较少。一般情况下，用户职位较高的用户很少会在ATM机上进行交易。
因此，用户职业、用户账号所属用户等级、用户账号所属账号类型会影响交易总金额，但是，在ATM机上进行交易操作的用户的用户职业一般为普通职员、用户账号所属用户等级较低、用户账号所属账号类型为个人账号。为了降低包含的用户账号所属用户等级高于预设账号等级的交易信息、包含的用户账号所属账号类型为企业账号的交易信息、包含的用户职业的等级高于预设职业等级的交易信息在训练机器学习模型的过程中，对机器学习模型的输出的影响，使得训练得到的资金交易量预测模型输出的预测交易总金额更加准确，可以通过以下方式。
若交易信息中的用户账号所属用户等级高于预设账号等级，和/或，用户账号所属账号类型为企业账号，和/或，用户职业的等级高于预设职业等级，则可以将该用户账号对应的交易金额为实际交易金额与预设权重(小于1)的乘积。
示例性的，可以提前对用户职业的等级进行划分，可以提前对用户账号的用户等级进行划分。
示例性的，预设权重的大小与用户账号所属用户等级、用户职业的等级以及用户账号所属账号类型有关。
示例性的，用户账号所属用户等级越高、用户职业的等级越高、用户账号所属账号类型为企业账号，则预设权重越小。
例如，若用户账号1所属用户等级为用户等级5，若预设账号等级为用户等级1，则用户账号1所属用户账号等级高于预设账号等级，且等级差为4；若用户账号1所属账号类型为企业账号，用户账号1对应的用户职业的等级为职业等级3，假设预设职业等级为4，用户账号1所属的职业等级低于预设职业等级，且等级差为-1。则预设权重＝4*第一权重+(-1)(若账号类型为企业账号则为-1，若账号类型为个人账号，则为1)*第二权重+(-1)*第三权重。
其中，可以预先设置第一权重、第二权重和第三权重。
下面举例对步骤S21中的样本时间段进行说明，假设样本时间段的时长为5分钟，若用户A在10点9分使用ATM机进行了取款交易，则样本时间段为[10点6分1秒，10点9分59秒]。若用户B在10点19分使用ATM机进行了取款交易，则样本时间段为[10点16分1秒，10点19分59秒]。
本申请实施例中的资金交易预测模型在不断被更新，使得资金交易预测模型越来越准确。
步骤S22：将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同。
待测时间段为将来的某个时间段。
假设待测时间段的长度为5分钟。假设当前时间为10点10分，则待测时间段为[10点10分1秒至10点14分59秒]。
步骤S23：从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔。
步骤S24：在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额。
示例性的，预测交易总金额越高，检测时间间隔越小，检测频率越高。这是因为，在待测时间段内，ATM机可能被清钞，ATM机被清钞后，ATM机的钞箱内的余额会减少，若预测交易总金额较高，可能使得ATM机钞箱的余额无法满足待测时间段内的交易。所以需要频繁检测ATM机钞箱的余额。
示例性的，若所述ATM钞箱剩余金额小于所述预测交易总金额，发送通知加钞消息。从而使得ATM机能够满足待测时间段内的交易。
在一可选实现方式中，检测ATM机钞箱剩余金额的方式有多种，本申请实施例提供但不限于以下三种。
第一种检测ATM机钞箱剩余金额的方式如下。
在ATM机中设置射频设备，该射频设备可以为RFID(Radio FrequencyIdentification，射频识别)读写器，由射频设备发射无线射频信号，由于每一张货币上都设置有射频芯片，通过射频设备向货币发送射频信号，以获得每张货币上的射频芯片反馈回来的射频信息。基于该射频信息，可以得到ATM机钞箱剩余金额。
第二种检测ATM机钞箱剩余金额的方式如下。
在ATM机清钞后(假设ATM机的钞箱余额为零)，基于ATM机的加钞金额、取款金额、存款金额，计算得到ATM机的钞箱余额。
第三种检测ATM机钞箱剩余金额的方式如下。
在钞箱的两侧安装射频设备，例如RFID红外传感器，对钞箱进行扫描，确定钞箱存储的货币的高度，由于每个货币的厚度是一定的，所以可以根据钞箱内现金的高度，确定钞箱内的现金余额。
步骤S25：控制所述ATM显示屏显示所述ATM钞箱剩余金额。
本申请实施例提供的自动取款机ATM余额显示方法中，在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；资金交易预测模型在不断本更新，使得资金交易预测模型越来越准确；将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额；从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；控制所述ATM显示屏显示所述ATM钞箱剩余金额。由于ATM机的显示屏可以显示所述ATM钞箱剩余金额，用户在取款之前即可知道哪个ATM机的ATM钞箱剩余金额大于自己的取款金额，从而使用哪个ATM机进行取款。
在一可选实现方式中，若所述ATM钞箱剩余金额小于所述预测交易总金额，发送通知加钞消息。
在一可选实现方式中，所述ATM显示屏显示的表征所述ATM钞箱剩余金额的不同金额范围的对象的颜色不同。
例如，表征0-10万的对象为红色、表征10-20万的对象为黄色、表征20-50万的对象为绿色。
示例性的，上述对象可以为矩形、圆形、折线等任意图案。
示例性的，若上述对象为矩形，可以在显示屏上以表征不同金额范围的对象水平叠加的方式展示，即表征0-10万的对象在最底层、表征10-20万的对象为黄色在中间层、表征20-50万的对象在最高层，从而能够更加直观的展示ATM机钞箱剩余金额的大致数量。
上述本申请公开的实施例中详细描述了方法，对于本申请的方法可采用多种形式的装置实现，因此本申请还公开了一种装置，下面给出具体的实施例进行详细说明。
如图3所示，为本申请实施例提供的一种自动取款机ATM余额显示装置的结构图，该装置包括：更新模块31、获取模块32、查找模块33、检测模块34以及控制模块35，其中：
更新模块31，用于在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；所述交易信息包括：所述交易操作的交易时间所属样本时间段、用户账号所属用户等级、用户账号所属账号类型、用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的取款操作的总金额；
获取模块32，用于将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同；
查找模块33，用于从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；
检测模块34，用于在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；
控制模块35，用于控制所述ATM显示屏显示所述ATM钞箱剩余金额。
在一可选实现方式中，还包括：
第一发送模块，用于若所述ATM钞箱剩余金额小于所述预测交易总金额，发送通知加钞消息。
在一可选实现方式中，还包括：
第二发送模块，用于若所述ATM钞箱剩余金额大于预设金额，发送通知清钞消息。
在一可选实现方式中，还包括：
所述ATM显示屏显示的表征所述ATM钞箱剩余金额的不同金额范围的对象的颜色不同。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种用于服务器的装置的框图。
服务器包括但不限于：处理器41、存储器42、网络接口43、I/O控制器44以及通信总线45。
需要说明的是，本领域技术人员可以理解，图4中示出的服务器的结构并不构成对服务器的限定，服务器可以包括比图4所示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图4对服务器的各个构成部件进行具体的介绍：
处理器41是服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器42内的软件程序和/或模块，以及调用存储在存储器42内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。处理器41可包括一个或多个处理单元；示例性的，处理器41可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器41中。
处理器41可能是一个中央处理器(Central Processing Unit，CPU)，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器42可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)421和只读存储器(Read-Only Memory，ROM)422，也可能还包括大容量存储设备423，例如至少1个磁盘存储器等。当然，该服务器还可能包括其他业务所需要的硬件。
其中，上述的存储器42，用于存储上述处理器41可执行指令。上述处理器41具有以下功能：在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；所述交易信息包括：所述交易操作的交易时间所属样本时间段、在所述样本时间段内进行交易操作的用户账号所属用户等级、在所述样本时间段内进行交易操作的用户账号所属账号类型、在所述样本时间段内进行交易操作的用户的用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的进行交易操作的交易金额的总和；
将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同；
从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；
在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；
控制所述ATM显示屏显示所述ATM钞箱剩余金额。
处理器41、存储器42、网络接口43和I/O控制器44可以通过通信总线45相互连接，该通信总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
在示例性实施例中，服务器可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述自动取款机ATM余额显示方法。
在示例性实施例中，本公开实施例提供了一种包括指令的存储介质，例如包括指令的存储器42，上述指令可由服务器的处理器41执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机可读存储介质，可直接加载到计算机的内部存储器，例如上述存储器42中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述自动取款机ATM余额显示方法任一实施例所示步骤。
在示例性实施例中，还提供一种计算机程序产品，可直接加载到计算机的内部存储器，例如所述服务器包含的存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述所述的自动取款机ATM余额显示方法任一实施例所示步骤。
需要说明的是，本说明书中的各个实施例中记载的特征可以相互替换或者组合。对于装置或系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
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 (10)

1.一种自动取款机ATM余额显示方法，其特征在于，包括：
在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；所述交易信息包括：所述交易操作的交易时间所属样本时间段、在所述样本时间段内进行交易操作的用户账号所属用户等级、在所述样本时间段内进行交易操作的用户账号所属账号类型、在所述样本时间段内进行交易操作的用户的用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的进行交易操作的交易金额的总和；
将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同；
从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；
在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；
控制所述ATM显示屏显示所述ATM钞箱剩余金额。
2.根据权利要求1所述自动取款机ATM余额显示方法，其特征在于，还包括：
若所述ATM钞箱剩余金额小于所述预测交易总金额，发送通知加钞消息。
3.根据权利要求1所述自动取款机ATM余额显示方法，其特征在于，还包括：
若所述ATM钞箱剩余金额大于预设金额，发送通知清钞消息。
4.根据权利要求1至3任一所述自动取款机ATM余额显示方法，其特征在于，所述ATM显示屏显示的表征所述ATM钞箱剩余金额的不同金额范围的对象的颜色不同。
5.一种自动取款机ATM余额显示装置，其特征在于，包括：
更新模块，用于在检测到用户在ATM进行交易操作后，将所述交易操作对应的交易信息作为预先构建的资金交易量预测模型的输入，将交易总金额作为所述资金交易预测模型的输出，更新所述资金交易量预测模型；所述交易信息包括：所述交易操作的交易时间所属样本时间段、在所述样本时间段内进行交易操作的用户账号所属用户等级、在所述样本时间段内进行交易操作的用户账号所属账号类型、在所述样本时间段内进行交易操作的用户的用户职业，所述交易操作至少包括取款操作，所述交易总金额为在所述样本时间段内的进行交易操作的交易金额的总和；
获取模块，用于将待测时间段输入至所述资金交易量预测模型，获得在所述待测时间段内的预测交易总金额，所述待测时间段的长度与所述样本时间段的长度相同；
查找模块，用于从预设的预测交易总金额与检测ATM钞箱剩余金额的检测时间间隔的对应关系中，查找所述预测交易总金额对应的目标检测时间间隔；
检测模块，用于在所述待测时间段内，每隔所述目标检测时间间隔检测所述ATM钞箱剩余金额；
控制模块，用于控制所述ATM显示屏显示所述ATM钞箱剩余金额。
6.根据权利要求5所述自动取款机ATM余额显示装置，其特征在于，还包括：
第一发送模块，用于若所述ATM钞箱剩余金额小于所述预测交易总金额，发送通知加钞消息。
7.根据权利要求5所述自动取款机ATM余额显示装置，其特征在于，还包括：
第二发送模块，用于若所述ATM钞箱剩余金额大于预设金额，发送通知清钞消息。
8.一种服务器，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至4中任一项所述的自动取款机ATM余额显示方法。
9.一种计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行如权利要求1至4中任一项所述的自动取款机ATM余额显示方法。
10.一种计算机程序产品，可直接加载到计算机的内部存储器，例如权利要求8所述服务器包含的存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现如权利要求1至4中任一项所述的自动取款机ATM余额显示方法。
CN202110885377.XA 2021-08-03 2021-08-03 自动取款机atm余额显示方法、装置、服务器、介质及产品 Active CN113593147B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110885377.XA CN113593147B (zh) 2021-08-03 2021-08-03 自动取款机atm余额显示方法、装置、服务器、介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110885377.XA CN113593147B (zh) 2021-08-03 2021-08-03 自动取款机atm余额显示方法、装置、服务器、介质及产品

Publications (2)

Publication Number Publication Date
CN113593147A true CN113593147A (zh) 2021-11-02
CN113593147B CN113593147B (zh) 2023-01-24

Family

ID=78254236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110885377.XA Active CN113593147B (zh) 2021-08-03 2021-08-03 自动取款机atm余额显示方法、装置、服务器、介质及产品

Country Status (1)

Country Link
CN (1) CN113593147B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016031374A1 (ja) * 2014-08-27 2016-03-03 日立金融設備系統（深▲セ▼▲ン▼）有限公司 現金装填自動計画装置および方法
CN109615760A (zh) * 2018-12-17 2019-04-12 山东省城市商业银行合作联盟有限公司 基于机器学习对银行atm机智能加清钞的方法及系统
CN110415462A (zh) * 2019-07-31 2019-11-05 中国工商银行股份有限公司 Atm设备加钞优化方法及装置
CN110517418A (zh) * 2019-09-19 2019-11-29 中国银行股份有限公司 Atm机余额显示方法及装置
CN110647724A (zh) * 2019-09-09 2020-01-03 深圳市紫金支点技术股份有限公司 一种加清钞模型构建方法、模型构建设备及存储介质
CN111612991A (zh) * 2020-06-05 2020-09-01 中国银行股份有限公司 一种atm维护方法及装置
CN111695725A (zh) * 2020-06-02 2020-09-22 中国工商银行股份有限公司 基于启发式搜索的atm加钞方法及装置
CN111754327A (zh) * 2020-06-24 2020-10-09 中国银行股份有限公司 排队提示方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016031374A1 (ja) * 2014-08-27 2016-03-03 日立金融設備系統（深▲セ▼▲ン▼）有限公司 現金装填自動計画装置および方法
CN109615760A (zh) * 2018-12-17 2019-04-12 山东省城市商业银行合作联盟有限公司 基于机器学习对银行atm机智能加清钞的方法及系统
CN110415462A (zh) * 2019-07-31 2019-11-05 中国工商银行股份有限公司 Atm设备加钞优化方法及装置
CN110647724A (zh) * 2019-09-09 2020-01-03 深圳市紫金支点技术股份有限公司 一种加清钞模型构建方法、模型构建设备及存储介质
CN110517418A (zh) * 2019-09-19 2019-11-29 中国银行股份有限公司 Atm机余额显示方法及装置
CN111695725A (zh) * 2020-06-02 2020-09-22 中国工商银行股份有限公司 基于启发式搜索的atm加钞方法及装置
CN111612991A (zh) * 2020-06-05 2020-09-01 中国银行股份有限公司 一种atm维护方法及装置
CN111754327A (zh) * 2020-06-24 2020-10-09 中国银行股份有限公司 排队提示方法及装置

Also Published As

Publication number Publication date
CN113593147B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
US20200167746A1 (en) Offline transaction implementation method and apparatus
US20200234305A1 (en) Improved detection of fraudulent transactions
US20230351394A1 (en) System, Method, and Computer Program Product for Evaluating a Fraud Detection System
US11501303B2 (en) Utilizing card movement data to identify fraudulent transactions
US20210264299A1 (en) Fraud estimation system, fraud estimation method and program
US20230109673A1 (en) Computing techniques to predict locations to obtain products utilizing machine-learning
CN112950344A (zh) 数据评估方法、装置、电子设备及存储介质
US11854001B2 (en) Account entity location based navigation and display for a projectable transaction card
US11900387B2 (en) Monitoring account usage to provide transaction retry notifications
CN110210960A (zh) 一种基于数据分析的数据调整方法及相关设备
CN113593147B (zh) 自动取款机atm余额显示方法、装置、服务器、介质及产品
CN115293222A (zh) 用于从深度学习分类模型确定不确定性的系统、方法和计算机程序产品
CN111681010A (zh) 一种交易验证方法及装置
US20220237618A1 (en) System for detecting associated records in a record log
CN112669154B (zh) 外币兑换业务开办预测实现方法、装置及计算机设备
CN117217886A (zh) 一种货币处理装置及方法
CN112037021B (zh) 银行自助设备信息的推送方法、装置及系统
CN112116357B (zh) 套现检测实现方法、装置及计算机设备
CN113254787B (zh) 事件分析方法、装置、计算机设备及存储介质
US20230367780A1 (en) Data enrichment using name, location, and image lookup
WO2024118130A1 (en) Authentication for biometric checkout using rba modeling
CN112001381A (zh) 一种智能预填单审核方法及装置
CN116188179A (zh) 基于人工智能的异常检测方法、装置、计算机设备及介质
CN117709952A (zh) 一种交易风险识别方法、交易系统、电子设备及存储介质
JP2024008936A (ja) 情報処理装置、情報処理方法、およびプログラム

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