CN115375474A - 信息提示方法、装置及电子设备 - Google Patents

信息提示方法、装置及电子设备 Download PDF

Info

Publication number
CN115375474A
CN115375474A CN202211019487.9A CN202211019487A CN115375474A CN 115375474 A CN115375474 A CN 115375474A CN 202211019487 A CN202211019487 A CN 202211019487A CN 115375474 A CN115375474 A CN 115375474A
Authority
CN
China
Prior art keywords
item
expenditure
income
balance
keywords
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
Application number
CN202211019487.9A
Other languages
English (en)
Inventor
申亚坤
刘烨敏
陶威
谭莹坤
周慧婷
程璐
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 CN202211019487.9A priority Critical patent/CN115375474A/zh
Publication of CN115375474A publication Critical patent/CN115375474A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了一种信息提示方法、装置及电子设备,可应用于金融领域,本申请中在获取资金池的当前交易数据之后,就可以使用余额预测模型对当前交易数据进行余额预测,进而在得到目标时长对应的预测余额后,判断预测余额是否满足缺口告警条件,若预测余额满足缺口告警条件,则获取收入项目和支出项目中影响资金池缺口的目标项目,进而输出这些目标项目对应的提示信息,以及时提醒工作人员对资金池进行处理,避免资金池余额缺口过大的情况。

Description

信息提示方法、装置及电子设备
技术领域
本申请涉及数据处理技术领域,尤其涉及一种信息提示方法、装置及电子设备。
背景技术
在金融企业中,资金池的余额至关重要。因此,需要保持资金池的余额处于特定的数值上,以保障日常工作的顺利进行。
但是资金池中资金的收入和支出通常是随时变动的,导致工作人员也无法预测未来一段时间后资金池的余额状态,也就无法准确调度资金池,导致资金池余额可能与特定数值相差较大。
发明内容
有鉴于此,本申请提供了一种信息提示方法、装置及电子设备,用以解决无法预测资金池余额状态导致的资金池余额可能与特定数值相差较大的情况。具体方案如下:
一种信息提示方法,该方法包括:
获取资金池的当前交易数据;所述当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;所述收入项目对应有收入金额,所述支出项目对应有支出金额;
利用目标时长对应的余额预测模型,对所述当前交易数据进行处理,以得到所述目标时长对应的预测余额;所述余额预测模型基于训练样本训练得到,所述训练样本包含输入样本和输出样本,所述输入样本为第一时间对应的历史交易数据,所述历史交易数据包括所述第一时间对应的历史余额、所述收入项目和所述支出项目;所述输出样本为第二时间对应的历史余额,所述第二时间为以所述第一时间为基准所述目标时长后的时间;
在所述预测余额满足缺口告警条件的情况下,在所述收入项目和所述支出项目中获取至少一个目标项目;
输出所述目标项目对应的提示信息,所述提示信息用于指示预测所述目标项目导致所述资金池存在缺口。
可选的,所述第一时间对应的历史交易数据通过以下方式获得:
获得所述资金池在所述第一时间对应的交易存量数据;所述交易存量数据包含至少一条交易记录数据,所述交易记录数据包含交易对象和交易说明字段;
将所述交易存量数据划分成支出存量数据和收入存量数据;所述支出存量数据包含至少一条支出记录数据,所述支出记录数据包含支出对象和所述支出说明字段,所述收入存量数据包含至少一条收入记录数据,所述收入记录数据包含收入对象和收入说明字段;
根据所述支出说明字段与每个支出项目关键词之间的相似度,为所述支出记录数据标记对应的支出项目的标识;
根据所述收入说明字段与每个收入项目关键词之间的相似度,为所述收入记录数据标记对应的收入项目的标识;
根据所述支出记录数据、所述收入记录数据和所述资金池对应的历史余额,获得所述第一时间对应的历史交易数据。
可选的,所述支出项目关键词通过以下方式获得:
提取历史存量数据中的支出说明字段中的支出关键词;
获得任意两个所述支出关键词之间的相似度值;
根据所述支出关键词之间的相似度值,对所述支出关键词进行分组,以得到至少一个支出词组,同一所述支出词组中的支出关键词之间的相似度值大于或等于预设的相似度阈值;
在每个所述支出词组中,选择重复次数满足筛选条件的支出关键词,以作为支出项目关键词。
可选的,所述收入项目关键词通过以下方式获得:
提取历史存量数据中的收入说明字段中的收入关键词;
获得任意两个所述收入关键词之间的相似度值;
根据所述收入关键词之间的相似度值,对所述收入关键词进行分组,以得到至少一个收入词组,同一所述收入词组中的收入关键词之间的相似度值大于或等于预设的相似度阈值;
在每个所述收入词组中,选择重复次数满足筛选条件的收入关键词,以作为收入项目关键词。
可选的,所述根据所述支出说明字段与每个支出项目关键词之间的相似度,为所述支出记录数据标记对应的支出项目的标识,包括:
提取所述支出说明字段中的字段关键词;
根据所述字段关键词与每个所述支出项目关键词之间的字段相似度,获得所述支出说明字段对应的数量组,所述数量组中包含至少一个关键词数量,每个所述关键词数量对应于一个所述支出项目关键词,所述关键词数量为所述支出说明字段中与一个所述支出项目关键词之间的字段相似度满足相似条件的字段关键词的数量;
将所述数量组中最大的所述关键词数量对应的支出项目关键词对应的支出项目的标识,标记给所述支出记录数据。
可选的,所述根据所述收入说明字段与每个收入项目关键词之间的相似度,为所述收入记录数据标记对应的收入项目的标识,包括:
提取所述收入说明字段中的字段关键词;
根据所述字段关键词与每个所述收入项目关键词之间的字段相似度,获得所述收入说明字段对应的数量组,所述数量组中包含至少一个关键词数量,每个所述关键词数量对应于一个所述收入项目关键词,所述关键词数量为所述收入说明字段中与一个所述收入项目关键词之间的字段相似度满足相似条件的字段关键词的数量;
将所述数量组中最大的所述关键词数量对应的收入项目关键词对应的收入项目的标识,标记给所述收入记录数据。
可选的,还包含:
对所述当前交易数据中所述目标项目对应的交易金额进行修改,以得到修改后的当前交易数据;
利用所述目标时长对应的余额预测模型,对所述修改后的当前交易数据进行处理,以得到所述目标时长对应的新的预测余额;
在所述新的预测余额不满足所述缺口告警条件的情况下,输出确认信息,所述确认信息用于指示确定所述目标项目影响所述资金池的余额。
可选的,所述目标项目,包含:
所述支出项目中支出金额从大到小排序在前M个的项目,M为大于或等于1的正整数,和/或,所述收入项目中收入金额从小到大排序在前N个的项目,N为大于或等于1的正整数。
一种信息提示装置,包括:
数据获取单元,用于获取资金池的当前交易数据;所述当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;所述收入项目对应有收入金额,所述支出项目对应有支出金额;
余额预测单元,用于利用目标时长对应的余额预测模型,对所述当前交易数据进行处理,以得到所述目标时长对应的预测余额;所述余额预测模型基于训练样本训练得到,所述训练样本包含输入样本和输出样本,所述输入样本为第一时间对应的历史交易数据,所述历史交易数据包括所述第一时间对应的历史余额、所述收入项目和所述支出项目;所述输出样本为第二时间对应的历史余额,所述第二时间为以所述第一时间为基准所述目标时长后的时间;
目标项目获取单元,用于在所述预测余额满足缺口告警条件的情况下,在所述收入项目和所述支出项目中获取至少一个目标项目;
信息提示单元,用于输出所述目标项目对应的提示信息,所述提示信息用于指示预测所述目标项目导致所述资金池存在缺口。
一种电子设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现:获取资金池的当前交易数据;所述当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;所述收入项目对应有收入金额,所述支出项目对应有支出金额;利用目标时长对应的余额预测模型,对所述当前交易数据进行处理,以得到所述目标时长对应的预测余额;所述余额预测模型基于训练样本训练得到,所述训练样本包含输入样本和输出样本,所述输入样本为第一时间对应的历史交易数据,所述历史交易数据包括所述第一时间对应的历史余额、所述收入项目和所述支出项目;所述输出样本为第二时间对应的历史余额,所述第二时间为以所述第一时间为基准所述目标时长后的时间;在所述预测余额满足缺口告警条件的情况下,在所述收入项目和所述支出项目中获取至少一个目标项目;输出所述目标项目对应的提示信息,所述提示信息用于指示预测所述目标项目导致所述资金池存在缺口。
从上述技术方案可以看出,本申请公开的一种信息提示方法、装置及电子设备中,预先训练余额预测模型,该余额预测模型能够基于交易数据中的收入项目和支出项目预测目标时长对应的资金池余额,基于此,本申请中在获取资金池的当前交易数据之后,就可以使用余额预测模型对当前交易数据进行余额预测,进而在得到目标时长对应的预测余额后,判断预测余额是否满足缺口告警条件,若预测余额满足缺口告警条件,则获取收入项目和支出项目中影响资金池缺口的目标项目,进而输出这些目标项目对应的提示信息,以及时提醒工作人员对资金池进行处理,避免资金池余额缺口过大的情况。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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信息提示方法的流程示意图;
图2为本申请实施例提供的输入样本获取方式的流程示意图;
图3为本申请实施例提供的支出关键词获取方式的流程示意图;
图4为本申请实施例提供的收入关键词获取方式的流程示意图;
图5为本申请实施例提供的支出记录数据标记方法的流程示意图;
图6为本申请实施例提供的收入记录数据标记方法的流程示意图;
图7为本申请实施例提供的另一种信息提示方法的流程示意图;
图8为本申请实施例提供的一种信息提示装置结构示意图;
图9为本申请实施例提供的另一种信息提示装置结构示意图;
图10为本申请实施例提供的又一种信息提示装置结构示意图;
图11为本申请实施例提供的还一种信息提示装置结构示意图;
图12为本申请实施例提供的信息提示设备的结构示意图。
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。
参考图1所示,为本申请实施例一提供的一种信息提示方法的流程示意图,该方法可以适用于能够进行数据处理的电子设备中,如计算机或服务器。本实施例中的技术方案主要用于提示影响资金池余额的收入或支出项目,以及时提醒工作人员对资金池进行干预,以避免资金池余额缺口过大的情况。
具体的,本实施例中的方法可以包括如下步骤:
步骤S101、获取资金池的当前交易数据。
具体地,当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目,收入项目对应有收入金额,支出项目对应有支出金额。
其中,资金池的当前交易数据可以通过对资金池的各个项目进行检测得到。收入项目可以理解为资金池的生产者单元,是指能够增加资金池余额的交易项目,如个人储蓄、企业储蓄、行间储蓄;支出项目可以理解为资金池的消费者单元,是指能够减少资金池余额的交易项目,如内部费用(银行内部耗材福利费)、外部费用(外部培训、银监会罚款)、其他扩展费用(新员工培训、支付培训机构)。
在一种实现方式中,支出项目可以包含至少两个支出子项目,支出子项目对应有相应部分的支出金额。收入项目可以包含至少两个收入子项目,收入子项目对应有相应部分的收入金额。
步骤S102、利用目标时长对应的余额预测模型,对当前交易数据进行处理,以得到目标时长对应的预测余额。
具体地,余额预测模型基于训练样本训练得到,训练样本包含输入样本和输出样本,输入样本为第一时间对应的历史交易数据,历史交易数据包括第一时间对应的历史余额、收入项目和支出项目;输出样本为第二时间对应的历史余额,第二时间为以第一时间为基准目标时长后的时间。
需要说明的是,本实施例中当前交易数据中的收入项目的种类与余额预测模型的输入样本中的收入项目的种类相一致,当前交易数据中的支出项目的种类与余额预测模型的输入样本中的支出项目的种类相一致。
也就是说,本申请首先获得包含输入样本和输出样本的训练样本,输入样本为第一时间对应的历史交易数据,历史交易数据包括第一时间对应的历史余额、收入项目和支出项目,输出样本为第二时间对应的历史余额。其中,第二时间为以第一时间为基准目标时长后的时间。根据训练样本进行模型训练,得到余额预测模型。余额预测模型用于预测目标时长对应的资金余额。基于此,本实施例中在将当前交易数据输入到余额预测模型之后,余额预测模型可以输出目标时长对应的预测余额。
例如,在进行模型训练时,可以先获取资金池在1-8月份的历史交易数据进和历史余额,其中:从1-6月份的历史数据提取某个时刻的历史交易数据以及相应目标时长后的历史余额进行模型训练,得到初始的余额预测模型,之后,从7-8月份的历史数据提取某个时刻的历史交易数据以及相应目标时长后的历史余额进行模型验证,以保证所得到的余额预测模型能够准确预测目标时长后的资金池余额。
具体实现中,余额预测模型可以基于机器学习算法创建,如神经网络算法。
步骤S103、判断预测余额是否满足缺口告警条件,若预测余额满足缺口告警条件,执行步骤S104,如果预测余额不满足缺口告警条件,那么可以结束当前流程,或者可以重新返回步骤S101,以重新获取新的当前交易数据,以继续对资金池的余额是否满足缺口告警条件进行预测判断。
具体地,缺口告警条件可以为预测金额小于或等于预设的余额指标。
例如,本实施例中可以将余额预测模型所输出的预测余额和预设的金额指标进行对比,从而判断出预测余额是否满足缺口告警条件。如果预测余额小于获得等于金额指标,说明在目标时长后资金池在当前的支出项目和收入项目下无法达到指定的余额,会产生资金缺口,此时执行步骤S104;如果预测余额大于预设的金额指标,说明在目标时长后资金池在当前的支出项目和收入项目下可以达到指定的金额,没有资金缺口。
步骤S104、在收入项目和支出项目中获取至少一个目标项目。
步骤S105、输出目标项目对应的提示信息。
具体地,提示信息用于指示预测目标项目导致资金池存在缺口。
在一种实现方式中,本实施例可以对收入项目和支出项目进行筛选,以得到可能影响资金池即导致资金池产生缺口的目标项目。
例如,目标项目包含:支出项目中支出金额从大到小排序在前M个的项目,M为大于或等于1的正整数,和/或,收入项目中收入金额从小到大排序在前N个的项目,N为大于或等于1的正整数。
再如,目标项目包含:支出项目中支出金额的增加量从大到小排序在前M个的项目,和/或,收入项目中收入金额的减少量从大到小排序在前N个的项目。
也就是说,本实施例中将收入金额较小的收入项目和支出金额较大的支出项目作为提示工作人员的目标项目,或者,将收入金额减少较大的收入项目和支出金额增加较大的支出项目作为提示工作人员的目标项目,以提示工作人员对这些影响资金池余额较大的目标项目及时进行调整,以避免资金池余额缺口过大的情况。
例如,甲客户没有存款,那么就可以把这个收入项目作为目标项目,输出例如“甲客户没有存款,可能造成资金池存在缺口”的提示信息,来提示银行工作人员及时处理。
由上述的方案可知,本申请实施例一提供的信息提示方法中,预先训练余额预测模型,该余额预测模型能够基于交易数据中的收入项目和支出项目预测目标时长对应的资金池余额,基于此,本申请中在获取资金池的当前交易数据之后,就可以使用余额预测模型对当前交易数据进行余额预测,进而在得到目标时长对应的预测余额后,判断预测余额是否满足缺口告警条件,若预测余额满足缺口告警条件,则获取收入项目和支出项目中影响资金池缺口的目标项目,进而输出这些目标项目对应的提示信息,以及时提醒工作人员对资金池进行处理,避免资金池余额缺口过大的情况。
在一种实现方式中,本申请提供的实施例提供了一种可选的第一时间对应的历史交易数据的获取方式,接下来将结合图2进行说明,具体步骤如下:
步骤S201、获得资金池在第一时间对应的交易存量数据。
具体地,交易存量数据包含至少一条交易记录数据,交易记录数据包含交易对象和交易说明字段,交易说明字段中至少包含“客户存款”、“外部培训”等,用于说明资金流向的字样。
步骤S202、将交易存量数据划分成支出存量数据和收入存量数据。
其中,支出存量数据包含至少一条支出记录数据,支出记录数据包含支出对象和支出说明字段,收入存量数据包含至少一条收入记录数据,收入记录数据包含交易对象和交易说明字段。
具体的,本实施例中在将交易存量数据划分成支出存量数据和收入存量数据时,可以针对每条交易存量数据,将其中的当前金额与上次交易后的金额(即本次交易之前的金额)相减,如果结果大于0,则将该交易存量数据标记为收入存量数据,否则,将该交易存量数据标记为支出存量数据。
步骤S203、根据支出说明字段与每个支出项目关键词之间的相似度,为支出记录数据标记对应的支出项目的标识。
其中,资金池对应的所有支出项目分别对应有各自的支出项目关键词,每个支出项目可以对应有一个或多个支出项目关键词。例如,培训费用的支出项目对应有关键词“外部培训”、罚款费用的支出项目对应有关键词“银监会罚款”等。
在一种实现方式中,本实施例中可以将支出说明字段分别与每个支出项目关键词进行相似度计算,进而按照所得到的各个支出项目关键词对应的相似度之间的大小,为支出记录数据标记选择对应的支出项目,进而为支出记录数据标识对应的支出项目的标识。
步骤S204、根据收入说明字段与每个收入项目关键词之间的相似度,为收入记录数据标记对应的收入项目的标识。
其中,资金池对应的所有收入项目分别对应有各自的收入项目关键词,每个收入项目可以对应有一个或多个收入项目关键词。例如,个人储蓄的收入项目对应有关键词“存款”等。
在一种实现方式中,本实施例中可以将收入说明字段分别与每个收入项目关键词进行相似度计算,进而按照所得到的各个收入项目关键词对应的相似度之间的大小,为收入记录数据标记选择对应的收入项目,进而为收入记录数据标识对应的收入项目的标识。
其中,步骤S203可以在步骤S204之前执行,或者,步骤S203也可以在步骤S204之后执行,或者,步骤S203和步骤S204同时执行,所形成的技术方案均在本申请的保护范围内。
步骤S205、根据支出记录数据、收入记录数据和资金池对应的历史余额,获得第一时间对应的历史交易数据。
需要说明的是,支出记录数据为带有支出项目的标识的数据,收入记录数据为带有收入项目的标识的数据。基于此,将支出记录数据、收入记录数据和历史余额进行拼接,以得到包含有支出项目、收入项目和历史余额的历史交易数据。
在一种实施方式中,本实施例中可以通过以下方式预先获取支出项目关键词,如图3所示:
步骤S301、提取历史存量数据中的支出说明字段中的支出关键词。
需要说明的是,这里的历史存量数据为区别于第一时间对应的交易存量数据。基于此,历史存量数据中的支出说明字段可以为预先从历史存量数据中提取到的支出存量数据中的支出说明字段。这里的支出存量数据区别于第一时间对应的支出存量数据。
具体地,提取历史存量数据中的支出说明字段中表示支出用途的支出说明字段中的关键词,由此得到若干支出关键词。例如,“外部培训”、“银行内部耗材福利费”、“银监会罚款”等,都可以作为支出关键词。
步骤S302、获得任意两个支出关键词之间的相似度值。
具体地,本实施例中可以对得到的所有支出关键词中任意两个支出关键词之间的相似度进行计算,从而得到任意两个支出关键词之间的相似度值。
步骤S303、根据支出关键词之间的相似度值,对支出关键词进行分组,以得到至少一个支出词组。
具体地,同一支出词组中的支出关键词之间的相似度值大于或等于预设的相似度阈值。
也就是说,当两个支出关键词之间的相似度值要大于或等于预设的相似度阈值时,可以认为两个支出关键词表述的是一个支出项目,基于此,本实施例中将这两个支出关键词划分为一个支出词组,支出词组至少为一个,每个支出词组分别对应于一个支出项目。
步骤S304、在每个支出词组中,选择重复次数满足筛选条件的支出关键词,以作为支出项目关键词。
其中,筛选条件是支出关键词的重复次数达到预设的重复次数,或者,筛选条件为:支出关键词的重复次数从大到小排序在前X个,X为大于或等于1的正整数。
例如,在得到支出词组之后,对支出词组中的支出关键词进行筛选,只有支出关键词的重复次数(频度)大于或等于预设的重复次数时,才能作为支出项目关键词。
再如,在得到支出词组之后,对支出词组中的支出关键词进行筛选,只有重复次数排序在第一个或前X个的支出关键词,才能作为支出项目关键词。
需要说明的是,支出项目关键词可以有一个或多个。例如,当多个支出关键词的重复次数满足预设的重复次数时,所得到的支出项目关键词为多个。
在一种实现方式中,在支出词组中重复次数满足筛选条件的支出关键词较多的情况下,可以对支出词组中的支出关键词进行进一步分组。分组方式可以参考前文中对支出词组的分组方式,将一个支出词组划分成两个或多个新的支出词组,新的支出词组中的支出关键词之间的相似度值大于或等于预设的相似度阈值。
基于此,本实施例中可以用支出说明字段与通过以上方式获得到的支出项目关键词进行相似度匹配,为支出记录数据标记对应的支出项目的标识。
在一种实现方式中,本实施例中可以通过以下方式预先获取收入项目关键词,如图4所示:
步骤S401、提取历史存量数据中的收入说明字段中的收入关键词。
需要说明的是,这里的历史存量数据为区别于第一时间对应的交易存量数据。基于此,历史存量数据中的收入说明字段可以为预先从历史存量数据中提取到的收入存量数据中的收入说明字段。这里的收入存量数据区别于第一时间对应的收入存量数据。
具体地,提取历史存量数据中的收入说明字段中表示收入来源的收入说明字段中的关键词,由此得到若干收入关键词。
步骤S402、获得任意两个收入关键词之间的相似度值。
具体地,本实施例中可以对得到的所有收入关键词中任意两个收入关键词之间的相似度进行计算,从而得到任意两个收入关键词之间的相似度值。步骤S403、根据收入关键词之间的相似度值,对收入关键词进行分组,以得到至少一个收入词组。
具体地,同一收入词组中的收入关键词之间的相似度值大于或等于预设的相似度阈值。
也就是说,当两个收入关键词之间的相似度值要大于或等于预设的相似度阈值时,可以认为两个收入关键词表述的是一个收入项目,基于此,本实施例中将这两个收入关键词划分为一个收入词组,收入词组至少为一个,每个收入词组分别对应于一个支出项目。
步骤S404、在每个收入词组中,选择重复次数满足筛选条件的收入关键词,以作为收入项目关键词。
其中,筛选条件是收入关键词的重复次数达到预设的重复次数,或者,筛选条件为:收入关键词的重复次数从大到小排序在前Y个,Y为大于或等于1的正整数。
例如,在得到收入词组之后,对收入词组中的收入关键词进行筛选,只有收入关键词的重复次数(频度)大于或等于预设的重复次数时,才能作为收入项目关键词。
再如,在得到收入词组之后,对收入词组中的支出关键词进行筛选,只有重复次数排序在第一个或前Y个的支出关键词,才能作为收入项目关键词。
需要说明的是,收入项目关键词可以有一个或多个。例如,当多个收入关键词的重复次数满足预设的重复次数时,所得到的支出项目关键词为多个。
在一种实现方式中,在收入词组中重复次数满足筛选条件的收入关键词较多的情况下,可以对收入词组中的收入关键词进行进一步分组。分组方式可以参考前文中对收入词组的分组方式,将一个收入词组划分成两个或多个新的收入词组,新的收入词组中的收入关键词之间的相似度值大于或等于预设的相似度阈值。
基于此,本实施例中可以用收入说明字段与通过以上方式获得到的收入项目关键词进行相似度匹配,为收入记录数据标记对应的收入项目的标识。
在一种实现方式中,步骤S203中,在根据支出说明字段与每个支出项目关键词之间的相似度,为支出记录数据标记对应的支出项目的标识时,具体可以通过以下方式实现,如图5中所示:
步骤S501、提取支出说明字段中的字段关键词。
具体地,本实施例中对支出说明字段中的字或词进行识别以及提取,进而得到每一条支出说明字段中的字段关键词。
步骤S502、根据字段关键词与每个支出项目关键词之间的字段相似度,获得支出说明字段对应的数量组。
具体地,数量组中包含至少一个关键词数量,每个关键词数量对应于一个支出项目关键词,关键词数量为支出说明字段中与一个支出项目关键词之间的字段相似度满足相似条件的字段关键词的数量。
也就是说,对每一条支出说明字段的字段关键词与每个支出项目进行相似度匹配,统计该支出说明字段的字段关键词与每个支出项目关键词之间满足相似条件的字段关键词的数量,得到一个数量组,也就是支出说明字段对应的数量组。
步骤S503、将数量组中最大的关键词数量对应的支出项目关键词对应的支出项目的标识,标记给支出记录数据。
具体地,可以理解为数量组中关键词数量最大的支出项目与该条支出记录数据相似度最高,也就是该条支出记录数据属于该支出项目,那么将该条支出交易数据标记上该支出项目的标识。
需要说明的是,当某一个支出项目包含的支出交易记录数据过于高,就需要将支出项目进一步划分。例如,支出项目中内部费用包含的数据量高达90%,就需要将内部费用进一步划分成若干个子项目。由此,可以按照步骤S301-步骤S304中的方案获得更多数量的支出项目关键词,分别对应于支出项目,这些支出项目中有部分项目是从一个支出项目中划分出来的。基于此,本实施例中可以重新执行步骤S501-步骤S503,由此将支出记录数据设置相应的支出项目的标识。
本申请实施例中通过获取与支出说明字段相似度最高的支出关键词对应的支出项目,并标记给支出记录数据,从而实现根据支出说明字段与每个支出项目关键词之间的相似度,为支出记录数据标记对应的支出项目的标识。
在一种实现方式中,步骤S204中,在根据收入说明字段与每个收入项目关键词之间的相似度,为收入记录数据标记对应的收入项目的标识时,具体可以通过以下方式实现,如图6中所示:
步骤S601、提取收入说明字段中的字段关键词。
具体地,本实施例中对收入说明字段中的字或词进行识别以及提取,进而得到每一条收入说明字段中的字段关键词。
步骤S602、根据字段关键词与每个收入项目关键词之间的字段相似度,获得收入说明字段对应的数量组。
具体地,数量组中包含至少一个关键词数量,每个关键词数量对应于一个收入项目关键词,关键词数量为收入说明字段中与一个收入项目关键词之间的字段相似度满足相似条件的字段关键词的数量。
也就是说,对每一条收入说明字段的字段关键词与每个收入项目进行相似度匹配,统计该收入说明字段的字段关键词与每个收入项目关键词之间满足相似条件的字段关键词的数量,得到一个数量组,也就是收入说明字段对应的数量组。
步骤S603、将数量组中最大的关键词数量对应的收入项目关键词对应的收入项目的标识,标记给收入记录数据。
具体地,可以理解为数量组中关键词数量最大的收入项目与该条收入记录数据相似度最高,也就是该条收入记录数据属于该收入项目,那么将该条收入交易数据标记上该收入项目的标识。
需要说明的是,当某一个收入项目包含的收入交易记录数据过于高,就需要将收入项目进一步划分。例如,收入项目中客户存储包含的数据量高达90%,就需要将客户存储进一步划分成若干个子项目。由此,可以按照步骤S301-步骤S304中的方案获得更多数量的支出项目关键词,分别对应于支出项目,这些支出项目中有部分项目是从一个支出项目中划分出来的。基于此,本实施例中可以重新执行步骤S501-步骤S503,由此将支出记录数据设置相应的支出项目的标识。
本申请实施例中通过获取与收入说明字段相似度最高的收入关键词对应的收入项目,并标记给收入记录数据,从而实现根据收入说明字段与每个收入项目关键词之间的相似度,为收入记录数据标记对应的收入项目的标识。
在一种实现方式中,在步骤S104中获取到目标项目之后,本实施例中还可以包含如下步骤,如图7中所示:
步骤S106、对当前交易数据中目标项目对应的交易金额进行修改,以得到修改后的当前交易数据。
具体地,对当前交易数据中目标项目对应的交易金额进行修改可以包括对目标项目中的支出项目的支出金额减小,和/或,对目标项目中的收入项目的收入金额增加。
步骤S107、利用目标时长对应的余额预测模型,对修改后的当前交易数据进行处理,以得到目标时长对应的新的预测余额。
具体地,本实施例中在将修改后的当前交易数据输入到余额预测模型之后,余额预测模型可以输出目标时长对应的新的预测余额。
步骤S108、判断新的预测余额是否满足缺口告警条件,若新的预测余额不满足缺口告警条件,则执行步骤S109;若新的预测余额满足缺口告警条件,则返回执行步骤S106,以重新修改当前交易数据,直到新的预测余额不再满足缺口告警条件,执行步骤S109。
具体地,本实施例中可以判断新的余额是否小于或预设的金额指标,若新的预测余额不满足缺口告警条件,也就是新的余额大于预设的金额指标,说明通过本次对当前交易数据中目标项目对应的交易金额进行修改后资金池在目标时长后的余额可以达到预设的余额指标,则执行步骤S109;若新的预测余额满足缺口告警条件,也就是新的余额小于或等于预设的金额指标,说明通过这次修改后资金池在目标时长后的余额仍不能达到预设的金额指标,则返回执行步骤S106,继续对当前交易数据中目标项目对应的交易金额进行修改,直到若新的余额大于预设的金额指标。
步骤S109、输出确认信息。
具体地,确认信息用于指示确定目标项目影响资金池的余额,还可以用于指示被修改后的当前交易数据中目标项目的交易金额,以提示工作人员按照目标项目的交易金额对资金池进行处理。例如,提示:“若甲客户进行存储***本月可以完成业务指标”,或提示:“若A培训项目减少**次可以完成业务指标”。
可见,考虑到在输出目标项目对应的提示信息后,仍需要解决资金池可能产生缺口的问题,基于此,本实施例在输出提示信息后,对当前交易数据中目标项目对应的交易金额进行修改,直到预测余额不满足缺口告警条件为止,可以在预测目标时长对应的余额的同时提示弥补资金池缺口的方法。
参见图8,图8为本申请实施例二公开的一种信息提示装置的结构示意图。该装置可以包括:
数据获取单元801,用于获取资金池的当前交易数据;当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;收入项目对应有收入金额,支出项目对应有支出金额;
余额预测单元802,用于利用目标时长对应的余额预测模型,对当前交易数据进行处理,以得到目标时长对应的预测余额;余额预测模型基于训练样本训练得到,训练样本包含输入样本和输出样本,输入样本为第一时间对应的历史交易数据,历史交易数据包括第一时间对应的历史余额、收入项目和支出项目;输出样本为第二时间对应的历史余额,第二时间为以第一时间为基准目标时长后的时间;
目标项目获取单元803,用于在预测余额满足缺口告警条件的情况下,在收入项目和支出项目中获取至少一个目标项目;
信息提示单元804,用于输出目标项目对应的提示信息,提示信息用于指示预测目标项目导致资金池存在缺口。
由上述的方案可知,本申请实施例二提供的一种信息提示装置中,预先训练余额预测模型,该余额预测模型能够基于交易数据中的收入项目和支出项目预测目标时长对应的资金池余额,基于此,本申请中在获取资金池的当前交易数据之后,就可以使用余额预测模型对当前交易数据进行余额预测,进而在得到目标时长对应的预测余额后,判断预测余额是否满足缺口告警条件,若预测余额满足缺口告警条件,则获取收入项目和支出项目中影响资金池缺口的目标项目,进而输出这些目标项目对应的提示信息,以及时提醒工作人员对资金池进行处理,避免资金池余额缺口过大的情况。
在一种实现方式中,本实施例中的装置还可以包括如下单元,如图9所中所示:
输入样本获取单元805,用于获得资金池在第一时间对应的交易存量数据;交易存量数据包含至少一条交易记录数据,交易记录数据包含交易对象和交易说明字段;
将交易存量数据划分成支出存量数据和收入存量数据;支出存量数据包含至少一条支出记录数据,支出记录数据包含支出对象和支出说明字段,收入存量数据包含至少一条收入记录数据,收入记录数据包含收入对象和收入说明字段;根据支出说明字段与每个支出项目关键词之间的相似度,为支出记录数据标记对应的支出项目的标识;根据收入说明字段与每个收入项目关键词之间的相似度,为收入记录数据标记对应的收入项目的标识;根据支出记录数据、收入记录数据和资金池对应的历史余额,获得第一时间对应的历史交易数据。
在一种实现方式中,本实施例中的装置还可以包括如下单元,如图10中所示:
第一关键词获取单元806,用于提取历史存量数据中的支出说明字段中的支出关键词;获得任意两个所述支出关键词之间的相似度值;根据所述支出关键词之间的相似度值,对所述支出关键词进行分组,以得到至少一个支出词组,同一所述支出词组中的支出关键词之间的相似度值大于或等于预设的相似度阈值;在每个所述支出词组中,选择重复次数满足筛选条件的支出关键词,以作为支出项目关键词;
第二关键词获取单元807,用于提取历史存量数据中的收入说明字段中的收入关键词;获得任意两个所述收入关键词之间的相似度值;根据所述收入关键词之间的相似度值,对所述收入关键词进行分组,以得到至少一个收入词组,同一所述收入词组中的收入关键词之间的相似度值大于或等于预设的相似度阈值;在每个所述收入词组中,选择重复次数满足筛选条件的收入关键词,以作为收入项目关键词。
在一种实施方式中,输入样本获取单元805在根据支出说明字段与每个支出项目关键词之间的相似度,为支出记录数据标记对应的支出项目的标识时,具体用于:提取所述支出说明字段中的字段关键词;根据所述字段关键词与每个所述支出项目关键词之间的字段相似度,获得所述支出说明字段对应的数量组,所述数量组中包含至少一个关键词数量,每个所述关键词数量对应于一个所述支出项目关键词,所述关键词数量为所述支出说明字段中与一个所述支出项目关键词之间的字段相似度满足相似条件的字段关键词的数量;将所述数量组中最大的所述关键词数量对应的支出项目关键词对应的支出项目的标识,标记给所述支出记录数据。
在一种实施方式中,输入样本获取单元805在根据收入说明字段与每个收入项目关键词之间的相似度,为收入记录数据标记对应的收入项目的标识时,具体用于:提取所述收入说明字段中的字段关键词;根据所述字段关键词与每个所述收入项目关键词之间的字段相似度,获得所述收入说明字段对应的数量组,所述数量组中包含至少一个关键词数量,每个所述关键词数量对应于一个所述收入项目关键词,所述关键词数量为所述收入说明字段中与一个所述收入项目关键词之间的字段相似度满足相似条件的字段关键词的数量;将所述数量组中最大的所述关键词数量对应的收入项目关键词对应的收入项目的标识,标记给所述收入记录数据。
在一种实现方式中,本实施例中的装置还可以包含如下单元,如图11中所示:
数据修改单元808,用于对当前交易数据中目标项目对应的交易金额进行修改,以得到修改后的当前交易数据;通过余额预测单元802利用目标时长对应的余额预测模型,对修改后的当前交易数据进行处理,以得到目标时长对应的新的预测余额;以使得信息提示单元804,在新的预测余额不满足缺口告警条件的情况下,输出确认信息,确认信息用于指示确定目标项目影响资金池的余额。
在一种实现方式中,目标项目,包含:支出项目中支出金额从大到小排序在前M个的项目,M为大于或等于1的正整数,和/或,收入项目中收入金额从小到大排序在前N个的项目,N为大于或等于1的正整数。
需要说明的是,本实施例中各单元的具体实现可以参考前文中的相应内容,此处不再详述。
本申请实施例提供的信息提示装置可应用于能够进行信息提示的电子设备,如手机、电脑等。可选的,图12示出了电子设备的硬件结构框图,参照图12,电子设备的硬件结构可以包括:至少一个处理器1201,至少一个通信接口1202,至少一个存储器1203和至少一个通信总线1204;
在本申请实施例中,处理器1201、通信接口1202、存储器1203、通信总线1204的数量为至少一个,且处理器1201、通信接口1202、存储器1203通过通信总线1204完成相互间的通信;
处理器1201可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific 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1203可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,程序用于:
获取资金池的当前交易数据;当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;收入项目对应有收入金额,支出项目对应有支出金额;利用目标时长对应的余额预测模型,对当前交易数据进行处理,以得到目标时长对应的预测余额;余额预测模型基于训练样本训练得到,训练样本包含输入样本和输出样本,输入样本为第一时间对应的历史交易数据,历史交易数据包括第一时间对应的历史余额、收入项目和支出项目;输出样本为第二时间对应的历史余额,第二时间为以第一时间为基准目标时长后的时间;在预测余额满足缺口告警条件的情况下,在收入项目和支出项目中获取至少一个目标项目;输出目标项目对应的提示信息,提示信息用于指示预测目标项目导致资金池存在缺口。
以银行的资金池为例,对某个分行或某个部门来说,每年都会有一定的绩效指标需要完成,通常为一定金额的吸储资金,同时各个单位也需要对资金池进行有效的监控,通过调度和优化使得分行各个网点的效益得到提升,最终为银行带来更多的盈利。
有鉴于此,基于以上本申请的技术方案,本实施例中建立一种基于生产者和消费者模式的资金池调度方案,在对资金池运营过程中,首先对资金池进行调度建模,根据模型对整个资金流金监控和优化更新,对获取的数据进行调度优化,帮助分行或部门完成资金池的闭环监控,提前对储户或支出进行干预,最终增加银行的营收。
为实现以上方案,本实施例中通过如下三个模块实现:
调度建模模块,用于:构建消费者单元和生产者单元,对多个交易主题进行注册和分类;
数据精分模块,用于对实时的交易数据,将数据进行细分和单元下的数据区域分解;
调度优化模块,用于对资金池的运行状态进行预测和修正,生成对应的优化措施。
可见,本实施例中建立一种基于生产者和消费者模式的资金池调度方案,该方法能够对资金池根据生产者和消费者进行建模,在收到交易消息后能够对数据进行更新,并基于细分的数据对资金池状态进行计算和预测,提前识别资金池风险,具体方案如下:
首先,调度建模模块对资金池进行建模,根据资金池的资金流向建立消费者单元和生产者单元,消费者单元为资金池的支出方,生产者单元为储户储蓄存入方。
以消费者单元为例,将消费者单元进行区域划分:内部费用、外部费用、扩展费用等,对系统中存量数据中的支出项进行筛选,针对交易对象和交易说明字段进行提取和计算各区域费用相似度并对当前数据项进行打标;相似地,对于生产者单元与对应储户进行关联,系统对接到交易系统后,对当前交易进行注册,调起数据精分单元完成数据的落地。
在数据精分模块,它能够对接交易系统,实时获取各交易的详细数据包括储户储存金额、支出金额、内部损耗金额等,将交易所在单元及所在区域进行更新,具体方法如下:
将消费者单元和生产者单元分别记为0和1,对任意交易过程数据,将资金池最新状态金额与上次交易金额相减,如果结果大于0标记为生产者单元,否则将标记为消费者单元。
对存量数据标记得到的各单元区域数据,将各记录进行拆分,计算各字段在对应单元中的相似类别重复次数,生成区域的字段区分特征。在收到联机数据时,对各区域的区分特征和特征的枚举值(字段关键词)进行匹配,将数据划分至匹配度最高的对应单元的相应区域(项目)下。
在各区域中统计个数据的字段差异值(相似度),当区域中数据量大于特定值并且两个数据集的差异较大时,对区域进行分解,选取区分最大的字段进行分割从而生成新的区域。
数据细分完成后即可通过调度优化模块进行调度优化,在调度建模模块,对各单元内的多区域进行资金量统计,对交易后的资金缺口值进行计算,同时将各区域的资金池数据进行神经网络建模,将精分后的数据作为训练数据,计算不同时间参数下的资金池数据余量,经过多次训练后对根据不同时间窗口生成多时段的交易量数据,当缺口值大于系统阈值时对客户进行提醒。将上述不同时间参数的资金池数据余量与时间流逝后当前时刻下的数据进行对比,将神经网络模型参数进行调整从而不断逼近真实的客户交易量数据。对发出提醒的交易,将数据精分模块的数据与打标数据进行比对,分析当前单元内的数据差异,对生产者和对应的消费者进行关联,选择消费量最大或生产量最小的交易进行交易提醒,并对优化的金额进行提示,告知客户对此类交易进行优化,避免客户盲目拉取资金存款或减免支出。
本发明提供的信息提示方法、装置及电子设备可用于金融领域或其他领域,例如,可用于金融领域中的资金池的余额干预场景。其他领域为除金融领域之外的任意领域,例如,人工智能领域。上述仅为示例,并不对本发明提供的发明名称的应用领域进行限定。
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。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
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)

1.一种信息提示方法,其特征在于,该方法包括:
获取资金池的当前交易数据;所述当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;所述收入项目对应有收入金额,所述支出项目对应有支出金额;
利用目标时长对应的余额预测模型,对所述当前交易数据进行处理,以得到所述目标时长对应的预测余额;所述余额预测模型基于训练样本训练得到,所述训练样本包含输入样本和输出样本,所述输入样本为第一时间对应的历史交易数据,所述历史交易数据包括所述第一时间对应的历史余额、所述收入项目和所述支出项目;所述输出样本为第二时间对应的历史余额,所述第二时间为以所述第一时间为基准所述目标时长后的时间;
在所述预测余额满足缺口告警条件的情况下,在所述收入项目和所述支出项目中获取至少一个目标项目;
输出所述目标项目对应的提示信息,所述提示信息用于指示预测所述目标项目导致所述资金池存在缺口。
2.根据权利要求1所述的方法,其特征在于,所述第一时间对应的历史交易数据通过以下方式获得:
获得所述资金池在所述第一时间对应的交易存量数据;所述交易存量数据包含至少一条交易记录数据,所述交易记录数据包含交易对象和交易说明字段;
将所述交易存量数据划分成支出存量数据和收入存量数据;所述支出存量数据包含至少一条支出记录数据,所述支出记录数据包含支出对象和所述支出说明字段,所述收入存量数据包含至少一条收入记录数据,所述收入记录数据包含收入对象和收入说明字段;
根据所述支出说明字段与每个支出项目关键词之间的相似度,为所述支出记录数据标记对应的支出项目的标识;
根据所述收入说明字段与每个收入项目关键词之间的相似度,为所述收入记录数据标记对应的收入项目的标识;
根据所述支出记录数据、所述收入记录数据和所述资金池对应的历史余额,获得所述第一时间对应的历史交易数据。
3.根据权利要求2所述的方法,其特征在于,所述支出项目关键词通过以下方式获得:
提取历史存量数据中的支出说明字段中的支出关键词;
获得任意两个所述支出关键词之间的相似度值;
根据所述支出关键词之间的相似度值,对所述支出关键词进行分组,以得到至少一个支出词组,同一所述支出词组中的支出关键词之间的相似度值大于或等于预设的相似度阈值;
在每个所述支出词组中,选择重复次数满足筛选条件的支出关键词,以作为支出项目关键词。
4.根据权利要求2所述的方法,其特征在于,所述收入项目关键词通过以下方式获得:
提取历史存量数据中的收入说明字段中的收入关键词;
获得任意两个所述收入关键词之间的相似度值;
根据所述收入关键词之间的相似度值,对所述收入关键词进行分组,以得到至少一个收入词组,同一所述收入词组中的收入关键词之间的相似度值大于或等于预设的相似度阈值;
在每个所述收入词组中,选择重复次数满足筛选条件的收入关键词,以作为收入项目关键词。
5.根据权利要求2所述的方法,其特征在于,所述根据所述支出说明字段与每个支出项目关键词之间的相似度,为所述支出记录数据标记对应的支出项目的标识,包括:
提取所述支出说明字段中的字段关键词;
根据所述字段关键词与每个所述支出项目关键词之间的字段相似度,获得所述支出说明字段对应的数量组,所述数量组中包含至少一个关键词数量,每个所述关键词数量对应于一个所述支出项目关键词,所述关键词数量为所述支出说明字段中与一个所述支出项目关键词之间的字段相似度满足相似条件的字段关键词的数量;
将所述数量组中最大的所述关键词数量对应的支出项目关键词对应的支出项目的标识,标记给所述支出记录数据。
6.根据权利要求2所述的方法,其特征在于,所述根据所述收入说明字段与每个收入项目关键词之间的相似度,为所述收入记录数据标记对应的收入项目的标识,包括:
提取所述收入说明字段中的字段关键词;
根据所述字段关键词与每个所述收入项目关键词之间的字段相似度,获得所述收入说明字段对应的数量组,所述数量组中包含至少一个关键词数量,每个所述关键词数量对应于一个所述收入项目关键词,所述关键词数量为所述收入说明字段中与一个所述收入项目关键词之间的字段相似度满足相似条件的字段关键词的数量;
将所述数量组中最大的所述关键词数量对应的收入项目关键词对应的收入项目的标识,标记给所述收入记录数据。
7.根据权利要求1或2所述的方法,其特征在于,还包含:
对所述当前交易数据中所述目标项目对应的交易金额进行修改,以得到修改后的当前交易数据;
利用所述目标时长对应的余额预测模型,对所述修改后的当前交易数据进行处理,以得到所述目标时长对应的新的预测余额;
在所述新的预测余额不满足所述缺口告警条件的情况下,输出确认信息,所述确认信息用于指示确定所述目标项目影响所述资金池的余额。
8.根据权利要求1或2所述的方法,其特征在于,所述目标项目,包含:
所述支出项目中支出金额从大到小排序在前M个的项目,M为大于或等于1的正整数,和/或,所述收入项目中收入金额从小到大排序在前N个的项目,N为大于或等于1的正整数。
9.一种信息提示装置,其特征在于,包括:
数据获取单元,用于获取资金池的当前交易数据;所述当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;所述收入项目对应有收入金额,所述支出项目对应有支出金额;
余额预测单元,用于利用目标时长对应的余额预测模型,对所述当前交易数据进行处理,以得到所述目标时长对应的预测余额;所述余额预测模型基于训练样本训练得到,所述训练样本包含输入样本和输出样本,所述输入样本为第一时间对应的历史交易数据,所述历史交易数据包括所述第一时间对应的历史余额、所述收入项目和所述支出项目;所述输出样本为第二时间对应的历史余额,所述第二时间为以所述第一时间为基准所述目标时长后的时间;
目标项目获取单元,用于在所述预测余额满足缺口告警条件的情况下,在所述收入项目和所述支出项目中获取至少一个目标项目;
信息提示单元,用于输出所述目标项目对应的提示信息,所述提示信息用于指示预测所述目标项目导致所述资金池存在缺口。
10.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现:获取资金池的当前交易数据;所述当前交易数据包含:当前余额、至少一个收入项目和至少一个支出项目;所述收入项目对应有收入金额,所述支出项目对应有支出金额;利用目标时长对应的余额预测模型,对所述当前交易数据进行处理,以得到所述目标时长对应的预测余额;所述余额预测模型基于训练样本训练得到,所述训练样本包含输入样本和输出样本,所述输入样本为第一时间对应的历史交易数据,所述历史交易数据包括所述第一时间对应的历史余额、所述收入项目和所述支出项目;所述输出样本为第二时间对应的历史余额,所述第二时间为以所述第一时间为基准所述目标时长后的时间;在所述预测余额满足缺口告警条件的情况下,在所述收入项目和所述支出项目中获取至少一个目标项目;输出所述目标项目对应的提示信息,所述提示信息用于指示预测所述目标项目导致所述资金池存在缺口。
CN202211019487.9A 2022-08-24 2022-08-24 信息提示方法、装置及电子设备 Pending CN115375474A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211019487.9A CN115375474A (zh) 2022-08-24 2022-08-24 信息提示方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211019487.9A CN115375474A (zh) 2022-08-24 2022-08-24 信息提示方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN115375474A true CN115375474A (zh) 2022-11-22

Family

ID=84067812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211019487.9A Pending CN115375474A (zh) 2022-08-24 2022-08-24 信息提示方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN115375474A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011062A (zh) * 2023-08-30 2023-11-07 广州佳新智能科技有限公司 基于互联网的银行资金支付方法、系统和计算机设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011062A (zh) * 2023-08-30 2023-11-07 广州佳新智能科技有限公司 基于互联网的银行资金支付方法、系统和计算机设备
CN117011062B (zh) * 2023-08-30 2024-04-12 广州佳新智能科技有限公司 基于互联网的银行资金支付方法、系统和计算机设备

Similar Documents

Publication Publication Date Title
CN110400022B (zh) 自助柜员机现金用量预测方法及装置
CN109697667B (zh) 一种基于授信模式的限额管控的方法及装置
CN111353901A (zh) 风险识别监控方法、装置以及电子设备
US20220351207A1 (en) System and method for optimization of fraud detection model
Liu et al. LSTM based reserve prediction for bank outlets
CN112862182A (zh) 一种投资预测方法、装置、电子设备及存储介质
CN112927064A (zh) 延期还款数据处理方法、装置、电子设备及存储介质
CN112053231A (zh) 贷款申请的处理方法及装置
CN115545886A (zh) 逾期风险识别方法、装置、设备及存储介质
CN115375474A (zh) 信息提示方法、装置及电子设备
CN111667307B (zh) 一种理财产品销量的预测方法及装置
CN117114812A (zh) 一种针对企业的金融产品推荐方法及装置
Pakhchanyan et al. Machine learning for categorization of operational risk events using textual description
CN112529682B (zh) 一种基于数据建模现金配钞的方法、智能终端、存储介质
CN113421155A (zh) 钢贸企业画像多维度模型构建方法、风控管理方法及装置
CN113421014A (zh) 一种目标企业确定方法、装置、设备和存储介质
CN113159924A (zh) 授信客户对象的确定方法及装置
CN113743695A (zh) 基于大数据的国际工程项目投标报价风险管理方法
CN110796381B (zh) 风控模型的建模方法、装置、终端设备及介质
CN109409720B (zh) 基于大数据和深度学习的个性化审计方法和机器人系统
CN114862323A (zh) 库存储备的分析方法、装置、设备及存储介质
CN114971619A (zh) 资源转换方法、装置、系统、存储介质及电子设备
Suguna CHURN ANALYSIS FOR MAXIMIZING PROFIT USING STATISTICAL MODEL IN TELECOM INDUSTRY
CN116071167A (zh) 对象异常预测方法、装置和计算机可读存储介质
CN117726468A (zh) 一种ai财税机器人的财税管理方法、系统及应用

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