银行联行号的匹配方法及其匹配装置、存储介质和设备与流程

1.本发明属于机器学习技术领域，具体地讲，涉及银行联行号的匹配方法及其装置、计算机可读存储介质、计算机设备。


背景技术：

2.在跨银行转账业务中，客户通常填写三要素(收款人账号，收款人户名，收款人行名)，而在人民银行的转账通道里，需要填写收款行号，在人民银行每个银行的每一个营业网点都有自己唯一的银行联行号，根据这个号码能快速定位一间银行具体的分支行从而进行转账汇款。
3.目前采用柜台人工的方式对银行联行号进行补录，在传统的柜台人工查询输入联行号的工作方式中有着以下几个明显的缺点：1)工作量大，工作内容重复且耗时。2)一些特定的汇款场景无法实现自动化，增加人力成本。3)无校验机制，人工补录容易出现错误，增加退汇退款的概率，降低工作效率，增加汇款周期从而导致客户满意度下降。4)在现有的操作流程中，联行号人工查询补录的方式不仅使得整个操作流程更为繁琐，大量的非智能化操作给客户以及银行工作者带来了不便以及大量时间的浪费，且客户提供的不精确的行名数据加大了人工查找的难度。


技术实现要素：

4.(一)本发明所要解决的技术问题
5.如何提高银行联行号的匹配效率和自动化录入程度。
6.(二)本发明所采用的技术方案
7.一种银行联行号的匹配方法，所述匹配方法包括：
8.获取已构建的数据统计模型和客户填写的汇款信息，所述数据统计模型包括银行联行号与银行卡号的第一映射关系以及银行联行号与银行名称的第二映射关系，所述汇款数据包括收款人账号和收款银行模糊名称；
9.根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号；
10.根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称；
11.根据所述收款银行模糊名称和所述若干候选银行名称计算每一个候选银行名称的模糊匹配得分值；
12.将模糊匹配得分值最高的候选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号。
13.优选地，所述第一映射关系为银行联行号的前缀九位与银行卡号的前缀六位之间的映射关系；根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号的方法为：根据所述收款人账号的前缀六位与所述第一映射关系得到若干候选银行联行号的前缀九位。
14.优选地，所述第二映射关系为银行联行号的前缀九位与银行名称的映射关系；根
据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称的方法为：根据所述若干候选银行联行号的前缀九位和第二映射关系得到若干候选银行名称。
15.优选地，所述数据统计模型还包括银行联行号前缀三位与银行名称的第三映射关系，在根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称之后，所述匹配方法还包括：
16.根据所述第三映射关系和所述收款银行模糊名称确定银行特征信息；
17.根据所述银行特征信息从所述若干候选银行名称中筛选出部分候选银行名称作为待选银行名称。
18.优选地，根据所述收款银行模糊名称和所述若干候选银行名称计算每一个候选银行名称的模糊匹配得分值的方法包括：
19.去除所述收款银行模糊名称和所述待选银行名称中的区域信息与银行特征值，分别获得所述收款银行模糊名称对应的收款银行简称和所述待选银行名称对应的待选银行简称；
20.根据模糊匹配算法，将所述收款银行简称与每个待选银行简称一一进行模糊匹配，获得每个待选银行简称的模糊匹配得分值。
21.优选地，所述匹配方法还包括：
22.判断最高模糊匹配得分值是否为预设分值；
23.若否，则生成人工操作指令，所述人工操作指令用于提示操作人员输入收款银行名称。
24.优选地，所述匹配方法还包括：
25.根据操作人员输入的收款银行名称对应的银行联行号前缀九位和所述收款人账号的前缀六位生成新的第一映射关系，将新的第一映射关系添加到数据统计模型。
26.本发明还公开了一种银行联行号的匹配装置，所述匹配装置包括：
27.获取单元，用于获取已构建的数据统计模型和客户填写的汇款信息，所述数据统计模型包括银行联行号与银行卡号的第一映射关系以及银行联行号与银行名称的第二映射关系，所述汇款数据包括收款人账号和收款银行模糊名称；
28.第一匹配单元，用于根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号；
29.第二匹配单元，用于根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称；
30.模糊得分计算单元，用于根据所述收款银行模糊名称和所述若干候选银行名称计算每一个候选银行名称的模糊匹配得分值；
31.确定单元，用于将将模糊匹配得分值最高的候选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号。
32.本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质存储银行联行号的匹配程序，所述银行联行号的匹配程序被处理器执行时实现上述的银行联行号的匹配方法。
33.本发明还公开了一种计算机设备，所述计算机设备包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的银行联行号的匹配程序，所述银行联行号的匹
配程序被处理器执行时实现上述的银行联行号的匹配方法。
34.(三)有益效果
35.本发明公开了一种银行联行号的匹配方法，相对于传统的方法，具有如下技术效果：
36.本方案采用首先采用准确的收款人账号以及预先构建的数据统计模型，筛选出若干候选银行名称，进一步采取模糊匹配算法，将收款银行模糊名称与各个候选银行名称一一进行匹配，获得准确的银行名称，从而确定收款行联行号，采用本方案可以提高银行名称和银行联行号的录入效率，减少了工作量，提高自动化程度。
附图说明
37.图1为本发明的实施例一的银行联行号的匹配方法的流程图；
38.图2为本发明的实施例一的银行联行号的匹配方法的详细步骤示意图；
39.图3为本发明的实施例二的银行联行号的匹配方法的流程图；
40.图4为本发明的实施例三的银行联行号的匹配装置的原理框图；
41.图5为本发明的实施例五的计算机设备原理框图。
具体实施方式
42.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
43.在详细描述本技术的各个实施例之前，首先简单描述本技术的发明构思：通过人民银行通道进行跨银行转账时，需要填写收款行号，现有技术中采用人工方式对银行联行号进行补录，同时客户提供的行名数据一般都不精确，因此加大了人工查找的难度和人工补录的工作量。本方案采用首先采用准确的收款人账号以及预先构建的数据统计模型，筛选出若干候选银行名称，进一步采取模糊匹配算法，将收款银行模糊名称与各个候选银行名称一一进行匹配，获得准确的银行名称，从而确定收款行联行号，采用本方案可以提高银行名称和银行联行号的录入效率，减少了工作量，提高自动化程度。
44.具体来说，如图1和图2所示，本实施例一的银行联行号的匹配方法包括如下步骤：
45.步骤s10：获取已构建的数据统计模型和客户填写的汇款信息，所述数据统计模型包括银行联行号与银行卡号的第一映射关系以及银行联行号与银行名称的第二映射关系，所述汇款数据包括收款人账号和收款银行模糊名称；
46.步骤s20：根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号；
47.步骤s30：根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称；
48.步骤s40：根据所述收款银行模糊名称和所述若干候选银行名称计算每一个候选银行名称的模糊匹配得分值；
49.步骤s50：将模糊匹配得分值最高的候选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号。。
50.具体来说，在步骤s10中，客户填写的汇款信息主要包括收款人账号、收款人户名，收款银行模糊名称，收款人账号以及收款人户名为精准信息，不存在误差，收款人行名可能存在书写格式不规范，简写，漏写，错写等不精确问题，因此这里定义为收款银行模糊名称。在银行业务办理中，当柜员采用人工输入方式进行补录后，动态更新数据统计模型，以不断增加数据统计模型的统计数据。示例性地，第一映射关系为银行联行号的前缀九位与银行卡号的前缀六位之间的映射关系，第一映射关系的数据例子：427020&：102581099；427020&：102584000；427020&：102581000；427020&：102581001......。第二映射关系为银行联行号的前缀九位与银行名称的映射关系，第二映射关系的数据例子：102581000&：102581000546&：中国工商银行股份有限公司广州五山支行&：102100099996&：5810&：广州&：广州&：广东。402829507&：402829507042&：甘肃临洮农村合作银行八里铺支行&：402821000015&：8295&：临洮&：定西&：甘肃。402372700&：402372700171&：安徽蒙城农村商业银行股份有限公司唐集支行&：402361018886&：3727&：蒙城&：亳州&：安徽。
51.在另一实施方式中，数据统计模型还包括银行联行号前缀三位与银行名称的第三映射关系，第三映射关系的数据例子：102&：中国工商业银行股份有限公司；102&：中国工商银行股份有限公司；102&：中国工商股份有限公司；102&：中国工商银行；102&：中国工商；102&：工商银行；102&：工行......。
52.在步骤s20中，根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号的方法为：根据所述收款人账号的前缀六位与所述第一映射关系得到若干候选银行联行号的前缀九位。即根据客户填写的收款人账号预先匹配出大致的银行联行号候选范围。
53.在步骤s30中，根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称的方法为：根据所述若干候选银行联行号的前缀九位和第二映射关系得到若干候选银行名称。即进一步根据步骤s20确定的银行联行号候选范围确定大致的银行名称候选范围。
54.在步骤s40中，根据所述收款银行模糊名称和所述若干候选银行名称计算每一个候选银行名称的模糊匹配得分值的具体步骤包括：去除所述收款银行模糊名称和所述候选银行名称中的区域信息与银行特征值，分别获得所述收款银行模糊名称对应的收款银行简称和所述候选银行名称对应的候选银行简称；根据模糊匹配算法，将所述收款银行简称与每个候选银行简称一一进行模糊匹配，获得每个候选银行简称的模糊匹配得分值。
55.示例性地，客户填写的收款银行模糊名称为工行广州市五山支行，则将区域信息广州市去除，将银行特征值工行去除，得到收款银行简称五山支行。候选银行名称为中国工商银行股份有限公司广州五山支行，则将区域信息广州市去除，将银行特征值中国工商银行股份有限公司去除，得到收款银行简称五山支行。这样可以减少匹配字段的复杂度，减少计算量，提高匹配速度。
56.进一步地，将所述收款银行简称与每个候选银行简称一一进行模糊匹配，获得每个候选银行简称的模糊匹配得分值。例如，“五山支行”与“五山支行”得分为100.00分，“北京中航油支行”与“五山支行”得分为28.57分。
57.进一步地，在步骤s50中，将模糊匹配得分值最高的候选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号，从而完成银行名称和银行联行号的智能匹配。
58.具体地，所述匹配方法还包括：判断最高模糊匹配得分值是否为预设分值；若否，则生成人工操作指令，所述人工操作指令用于提示操作人员输入收款银行名称。若是，则匹配结束。示例性地，预设分值为100，当最高模糊匹配得分值为100时，则说明收款银行模糊名称与自动匹配得到的收款银行准确名称完全相同。当最高模糊匹配得分值不是100时，例如98分，这时需要柜员进行人工输入或者人工从已有列表中选择正确的银行名称和银行联行号。
59.进一步地，匹配方法还包括：根据操作人员输入的收款银行名称对应的银行联行号前缀九位和所述收款人账号的前缀六位生成新的第一映射关系，将新的第一映射关系添加到数据统计模型，从而动态更新数据统计模型。
60.在另一实施例二中，如图3所示，银行联行号的匹配方法包括如下步骤：
61.步骤s10：获取已构建的数据统计模型和客户填写的汇款信息，所述数据统计模型包括银行联行号与银行卡号的第一映射关系以及银行联行号与银行名称的第二映射关系，所述汇款数据包括收款人账号和收款银行模糊名称；
62.步骤s20：根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号；
63.步骤s30：根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称；
64.步骤s41：根据所述第三映射关系和所述收款银行模糊名称确定银行特征信息；
65.步骤s42：根据所述银行特征信息从所述若干候选银行名称中筛选出部分候选银行名称作为待选银行名称。
66.步骤s51：根据所述收款银行模糊名称和所述若干待选银行名称计算每一个待选银行名称的模糊匹配得分值。
67.步骤s52：将模糊匹配得分值最高的待选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号。
68.具体来说，实施例二中的步骤s10、步骤s20和步骤s30具体过程与实施例一的步骤s10、步骤s20和步骤s30相同，在此不进行赘述。
69.进一步地，在步骤s41中，数据统计模型预先构建了银行联行号前缀三位与银行名称的第三映射关系，客户填写的收款银行模糊名称存在多种可能形式，以工商银行为例，可能为中国工商业银行股份有限公司、中国工商银行股份有限公司、中国工商股份有限公司、中国工商银行、中国工商、工商银行、工行，这时确定对应的银行特征信息为102。实际上，每家银行的银行联行号前缀三位是特有的，例如中国工商银行、中国建设银行、中国农业银行等银行联行号前缀三位均是不同的。
70.确定了银行特征信息之后，利用银行特征信息与候选银行联行号一一比对，将候选银行联行号前缀三位与银行特征信息相同的联行号保留，从而进一步从所述若干候选银行名称中筛选出部分候选银行名称作为待选银行名称，待选银行名称与保留的候选银行联行号相对应。
71.示例性地，在步骤s30中，获得的若干候选银行联行号为102100009、102121000、102581000、105584001215、105584000021和105584000005，在步骤s41中获得银行特征信息为102，则在步骤s42中，保留102100009、102121000、102581000候选银行联行号，从而筛选
出对应的待选银行名称。待选银行名称的数量少于候选银行名称的数量。这样在后续的步骤s51和步骤s52中，可以进一步减少计算量，提高匹配效率。
72.如图4所示，在实施例三中，银行联行号的匹配装置包括获取单元100、第一匹配单元200、第二匹配单元300、模糊得分计算单元400和确定单元500。其中，获取单元100用于获取已构建的数据统计模型和客户填写的汇款信息，所述数据统计模型包括银行联行号与银行卡号的第一映射关系以及银行联行号与银行名称的第二映射关系，所述汇款数据包括收款人账号和收款银行模糊名称。第一匹配单元200用于根据所述收款人账号、所述第一映射关系匹配得到若干候选银行联行号。第二匹配单元300用于根据所述若干候选银行联行号、所述第二映射关系匹配得到若干候选银行名称。模糊得分计算单元400用于根据所述收款银行模糊名称和所述若干候选银行名称计算每一个候选银行名称的模糊匹配得分值。确定单元500用于将将模糊匹配得分值最高的候选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号。其中，获取单元100、第一匹配单元200、第二匹配单元300、模糊得分计算单元400和确定单元500的具体处理过程参照实施例一和实施例二的描述，在此不进行赘述。
73.进一步地，在另一实施方式中，匹配装置还包括第三匹配单元301，第三匹配单元301用于根据所述第三映射关系和所述收款银行模糊名称确定银行特征信息；以及根据所述银行特征信息从所述若干候选银行名称中筛选出部分候选银行名称作为待选银行名称。第三匹配单元301的具体处理过程可参见实施例二的相关描述，在此不进行赘述。
74.进一步地，模糊得分计算单元400还用于根据所述收款银行模糊名称和所述若干待选银行名称计算每一个待选银行名称的模糊匹配得分值。确定单元500还用于将模糊匹配得分值最高的待选银行名称作为收款银行准确名称，并根据收款银行准确名称确定准确的银行联行号。
75.实施例四还公开了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银行联行号的匹配程序，所述银行联行号的匹配程序被处理器执行时实现上述的银行联行号的匹配方法。
76.进一步地，本实施例五还公开了一种计算机设备，在硬件层面，如图5所示，该计算机设备包括处理器12、内部总线13、网络接口14、计算机可读存储介质11。处理器12从计算机可读存储介质中读取对应的计算机程序然后运行，在逻辑层面上形成请求处理装置。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。所述计算机可读存储介质11上存储有银行联行号的匹配程序，所述银行联行号的匹配程序被处理器执行时实现上述的银行联行号的匹配方法。
77.计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd
‑
rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以
被计算设备访问的信息。
78.上面对本发明的具体实施方式进行了详细描述，虽然已表示和描述了一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下，可以对这些实施例进行修改和完善，这些修改和完善也应在本发明的保护范围内。