一种成本预测方法、装置、设备及介质与流程

1.本技术涉及人工智能技术领域，尤其涉及一种成本预测方法、装置、设备及介质。


背景技术：

2.目前的成本分析平台，均是单一化的成本分析，即针对某一项事务的成本进行分析预测，从而做到辅助管理者对某一项事务的成本进行控制。但由于现有的成本分析平台仅能针对某一项事务进行成本分析预测，而一项事务与另一项事务之间的成本变化，往往会存在一定的相互影响，导致单一事务的成本分析预测结果对于辅助管理者进行成本控制决策时的参考意义并不大。比如，管理者在对现金进行管理的过程中，想要降低现金库存成本，成本分析平台经过分析后认为可以降低20％的现金库存成本，但是实践过程中发现在现金库存成本降低20％时，现金押运成本会大幅上升。因此，目前的成本分析平台无法做到综合考虑整体成本并进行分析预测，从而无法进一步做到对成本的有效控制。


技术实现要素：

3.本技术实施例提供了一种成本预测方法、装置、设备及介质，能够综合考虑整体成本并进行分析预测，有利于实现对成本的有效控制。
4.一方面，本技术实施例提供一种成本预测方法，该方法包括：
5.获取在执行现金管理流程的过程中所产生的多个成本数据；
6.在训练后的成本预测模型中确定所述多个成本数据中每个成本数据所属的成本事项对应的成本控制模块；
7.通过确定的成本控制模块对对应的成本数据进行处理，以得到所述多个成本数据的成本值；
8.通过所述训练后的成本预测模型对所述多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行所述现金管理流程的第一综合成本值。
9.在一个实施例中，所述获取在执行现金管理流程的过程中所产生的多个成本数据，包括：
10.获取附加信息，所述附加信息表征预测得到的执行所述现金管理流程的综合成本值的影响因素；
11.从执行所述现金管理流程的过程中所产生的所有历史成本数据中，查找与所述附加信息匹配的多个成本数据。
12.在一个实施例中，所述附加信息包括一个维度的附加信息；所述从执行所述现金管理流程的过程中所产生的所有历史成本数据中，查找与所述附加信息匹配的多个成本数据，包括：
13.获取在各个统计周期统计历史成本数据时的历史附加信息，其中，每到达统计周期统计在所述统计周期内执行所述现金管理流程的过程中所产生的历史成本数据；
14.在获取到的历史附加信息中确定与所述附加信息相同的目标历史附加信息；
15.将所述目标历史附加信息对应的统计周期统计到的历史成本数据作为与所述附加信息匹配的多个成本数据。
16.在一个实施例中，所述附加信息包括多个维度的附加信息；所述从执行所述现金管理流程的过程中所产生的所有历史成本数据中，查找与所述附加信息匹配的多个成本数据，包括：
17.获取在各个统计周期统计历史成本数据时的历史附加信息，其中每到达统计周期统计在所述统计周期内执行所述现金管理流程的过程中所产生的历史成本数据；
18.计算所述多个维度的附加信息与各个历史附加信息之间的匹配度；
19.在获取到的历史附加信息中确定匹配度最大的目标历史附加信息；
20.将所述目标历史附加信息对应的统计周期统计到的历史成本数据作为与所述附加信息匹配的多个成本数据。
21.在一个实施例中，所述方法还包括：
22.基于所述第一综合成本值以及所述多个成本数据的成本值，确定第一成本数据所属的目标成本事项；
23.基于所述第一综合成本值以及所述多个成本数据的成本值，生成所述目标成本事项的成本管理方案；
24.从执行所述现金管理流程的过程中所产生的关于所述目标成本事项的所有历史成本数据中，查找与所述成本管理方案匹配的第二成本数据；
25.通过所述目标成本事项对应的成本控制模块对所述第二成本数据进行处理，以得到所述第二成本数据的成本值；
26.通过所述训练后的成本预测模型对所述第二成本数据的成本值以及所述多个成本数据的成本值中除所述第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行所述现金管理流程的第二综合成本值；
27.若所述第二综合成本值小于所述第一综合成本值，则输出所述成本管理方案。
28.在一个实施例中，所述方法还包括：
29.获取关于目标成本事项的成本控制请求；
30.基于所述第一综合成本值以及所述多个成本数据的成本值，生成所述目标成本事项的成本管理方案；
31.从执行所述现金管理流程的过程中所产生的关于所述目标成本事项的所有历史成本数据中，查找与所述成本管理方案匹配的第二成本数据；
32.通过所述目标成本事项对应的成本控制模块对所述第二成本数据进行处理，以得到所述第二成本数据的成本值；
33.通过所述训练后的成本预测模型对所述第二成本数据的成本值以及所述多个成本数据的成本值中除所述第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行所述现金管理流程的第三综合成本值；
34.若所述第三综合成本值与所述第一综合成本值之间的差值小于预设数值，则输出所述成本管理方案。
35.在一个实施例中，所述方法还包括：
36.获取训练样本，所述训练样本包括在执行所述现金管理流程的过程中所产生的多
个训练成本数据，以及在产生所述多个训练成本数据之后的预设时间段内执行所述现金管理流程的第四综合成本值；
37.在成本预测模型中确定所述多个训练成本数据中每个训练成本数据所属的成本事项对应的成本控制模块；
38.通过确定的成本控制模块对对应的训练成本数据进行处理，以得到所述多个训练成本数据的成本值；
39.通过所述成本预测模型对所述多个训练成本数据的成本值进行处理，预测得到在产生所述多个训练成本数据之后的预设时间段内执行所述现金管理流程的第五综合成本值；
40.根据所述第四综合成本值和所述第五综合成本值，对所述成本预测模型进行训练，得到所述训练后的成本预测模型。
41.另一方面，本技术实施例提供了一种成本预测装置，该成本预测装置包括：
42.获取单元，用于获取在执行现金管理流程的过程中所产生的多个成本数据；
43.处理单元，用于在训练后的成本预测模型中确定所述多个成本数据中每个成本数据所属的成本事项对应的成本控制模块；
44.处理单元，还用于通过确定的成本控制模块对对应的成本数据进行处理，以得到所述多个成本数据的成本值；
45.处理单元，还用于通过所述训练后的成本预测模型对所述多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行所述现金管理流程的第一综合成本值。
46.再一方面，本技术实施例提供一种电子设备，包括处理器、存储装置和通信接口，处理器、存储装置和通信接口相互连接，其中，存储装置用于存储支持终端执行上述方法的计算机程序，计算机程序包括程序指令，处理器被配置用于调用程序指令，执行如下步骤：获取在执行现金管理流程的过程中所产生的多个成本数据；在训练后的成本预测模型中确定所述多个成本数据中每个成本数据所属的成本事项对应的成本控制模块；通过确定的成本控制模块对对应的成本数据进行处理，以得到所述多个成本数据的成本值；通过所述训练后的成本预测模型对所述多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行所述现金管理流程的第一综合成本值。
47.又一方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时使处理器执行上述成本预测方法。
48.本技术实施例中，获取在执行现金管理流程的过程中所产生的多个成本数据；然后在训练后的成本预测模型中确定所述多个成本数据中每个成本数据所属的成本事项对应的成本控制模块；并通过确定的成本控制模块对对应的成本数据进行处理，以得到所述多个成本数据的成本值；最后通过所述训练后的成本预测模型对所述多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行所述现金管理流程的第一综合成本值。本技术实施例通过先利用每个成本控制模块及该成本控制模块的成本数据，预测得到该成本控制模块对应的成本事项的成本值，再基于多个成本事项对应的多个成本数据的成本值，以及训练后的成本预测模型，预测得到第一综合成本值，可以做到基于多个
成本事项进行成本预测，从而做到综合考虑整体成本进行分析预测，有利于实现对成本的有效控制。
附图说明
49.为了更清楚地说明本技术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技术的一些实施例，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。
50.图1是本技术实施例提供的第一种成本预测方法的流程示意图；
51.图2是本技术实施例提供的一种成本预测过程的示意图；
52.图3是本技术实施例提供第二种成本预测方法的流程示意图；
53.图4是本技术实施例提供的一种成本数据的附加信息的示意图；
54.图5是本技术实施例提供的第三种成本预测方法的流程示意图；
55.图6是本技术实施例提供的一种训练成本数据的示意图；
56.图7是本技术实施例提供的一种选择成本事项的示意图；
57.图8是本技术实施例提供的一种成本预测装置的结构示意图；
58.图9是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
59.本技术实施例涉及成本管理。所谓成本管理是指企业生产经营过程中各项成本核算、成本分析、成本决策和成本控制等一系列科学管理行为的总称。成本管理一般包括成本预测、成本决策、成本计划、成本核算、成本控制、成本分析、成本考核等职能。想要提高成本管理的水平，成本预测是其中较为重要的部分之一。其中，现有的成本分析平台或者成本管理系统对于成本的分析预测均是单一化的，也就是说，现有的成本分析平台或者成本管理系统仅能针对某一项成本事务的成本进行分析预测，无法综合考虑所有成本相关事务的整体成本以进行成本管理，这种单一化的成本分析预测往往无法有效辅助管理者进行成本控制，以及做出进一步的成本决策。此外，现有的成本分析平台分析成本的方式基本上还是依赖于传统统计方法，比如，常用的均值/中位数、同比/环比等。采用传统统计方法进行成本分析，参考数据维度较为单一，仅能参考历史成本数据，没有考虑到其他能影响成本的因素；同时由于传统统计方法的成本分析结果往往是均值、同比等较为简单的关系，不能反映成本内部的动态关系，无法反映成本的供需平衡，从而无法做到对未来的成本进行有效的预测。
60.基于此，本技术实施例提供一种成本预测方法，该成本预测方法，第一方面基于所有成本管理相关的事务的成本数据进行分析预测，可以做到综合考虑整体成本并进行分析预测，有利于实现对成本的有效控制；第二方面，考虑到了成本数据的多种影响因素，能够做到多维度地对成本数据进行分析处理。
61.需要说明的是，本技术实施例以现金成本管理的场景为例介绍本技术实施例提及的成本预测方案，并不会对本技术实施例起到限定作用，本技术实施例提及的成本预测方案还可以运用于其他成本管理的场景，本技术实施例对此不作限定。
62.请参见图1，图1是本技术实施例提供的一种成本预测方法的流程示意图；如图1所示的成本预测方案可由电子设备来执行，该方案包括但不限于步骤s101～步骤s104，其中：
63.s101，获取在执行现金管理流程的过程中所产生的多个成本数据。
64.本技术实施例中，所述现金管理流程指的是与现金管理相关的所有事项的流程。示例性地，现金管理流程可以包括以下至少一个：机构收支流程、机构现金库存流程、机构现金管理人力流程、机构现金押运流程、机构现金清分流程、机构设备运营流程。其中，机构收支流程可以是与机构现金相关的收入和支出事项的流程；机构现金库存流程可以是在存储现金过程中的仓库管理的流程；机构现金管理人力流程可以是在执行现金管理的过程中所进行的人力管理的过程；机构现金押运流程可以是在押运现金的过程中所需经历的车辆配备、人员配备、路线规划等流程；机构现金清分流程可以是银行等机构对现金按照一定的质量标准进行清点、整理，挑出假币和残缺污损人民币，然后将适宜继续流通的现金支付给社会公众的流程；机构设备运营流程可以是机构网点、仓库、公司等管理相关场所的设备运营的流程。
65.本技术实施例中，所述成本数据指的是现金管理流程中与成本相关的数据，其中，成本可以是经济成本、人力成本等有形成本，也可以是时间成本、经验成本等无形成本。示例性地，所述成本数据可以包括以下至少一个：机构收支数据、机构现金库存数据、机构现金管理人力数据、机构现金押运数据、机构现金清分数据、机构设备运营数据。
66.s102，在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块。
67.本技术实施例中，所述成本事项用于指示产生成本收入或支出的事项。示例性地，与现金管理流程相关的机构收支，机构库存，机构人力管理，机构现金押运，机构现金清分，机构设备运营等，都是成本事项。其中，确定多个成本数据中每个成本数据所属的成本事项指的是，确定每个成本数据是由具体哪个成本事项所产生的。此外，所述每个成本事项均在训练后的成本预测模型中有对应的成本控制模块，所述成本预测模型用于对成本进行预测。
68.s103，通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值。
69.本技术实施例中，成本控制模块用于根据成本事项的成本数据预测成本事项的成本值。所述成本控制模块的训练过程具体可以为：获取第一训练样本，该第一训练样本中包括成本控制模块对应的成本事项的成本数据，然后基于所述第一训练样本对初始化机器学习模型进行训练，训练完成后得到所述成本事项对应的成本控制模块；最后重复上述训练，直至每个成本事项都训练出对应的成本控制模块。因此将成本数据输入对应的成本控制模块，就可以输出该成本数据的成本值。其中，成本控制模块的训练过程、以及预测成本值的过程为本领域技术人员的惯用技术手段，在此不赘述。在一种可能的实现方式中，成本控制模块会随着在执行现金管理流程的过程中产生的新的成本数据而进行更新训练。
70.s104，通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。
71.本技术实施例中，成本预测模型用于根据多个成本数据的成本值对现金管理流程的成本进行预测，也就是说，成本预测模型能够基于通过成本控制模块预测到的每个成本
事项的成本值，预测得到整个现金管理流程的成本值。举例来说，请参见附图2，训练后的成本预测模型201包括成本控制模块a～f，其中，成本控制模块a和成本数据1均对应成本事项“机构收支”，所以成本数据1输入至成本控制模块a；成本控制模块b和成本数据2均对应成本事项“机构库存”，所以成本数据2输入至成本控制模块b；成本控制模块c和成本数据3均对应成本事项“机构人力管理”，所以成本数据3输入至成本控制模块c；成本控制模块d和成本数据4均对应成本事项“机构现金押运”，所以成本数据4输入至成本控制模块d；成本控制模块e和成本数据5均对应成本事项“机构现金清分”，所以成本数据5输入至成本控制模块e；成本控制模块f和成本数据6均对应成本事项“机构设备运营”，所以成本数据6输入至成本控制模块f。然后训练后的成本预测模型201对各个成本控制模块对各个成本数据进行处理后的成本值1～6进行分析处理，最后输出第一综合成本值。
72.在本技术实施例中，预设时间段为当前系统时间之后的时间段，可以与当前系统时间是连续的时间，也可以与当前系统时间是不连续的时间。示例性地，当前系统时间为2021年6月5日，预设时间段可以为端午节期间，即6月12日至6月14日，预设时间段也可以为当前系统的连续时间的一个时间段，如6月6日至6月10日。优选地，预设时间段可以是成本预测模型的使用对象按照需求所设置的时间段，也可以是终端设备预先设置的时间段。
73.本技术实施例中，先获取在执行现金管理流程的过程中所产生的多个成本数据；再在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块，并通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值；最后通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。本技术实施例先基于每个成本事项对应的成本控制模块和成本数据得到每个成本事项的成本数据的成本值，然后再基于训练后的成本预测模型对所有成本事项的成本数据的成本值进行处理，预测得到第一综合成本值，可以实现在综合考虑所有成本事项的整体成本的情况下，对成本进行分析预测，有利于对成本进行有效控制。
74.请参见图3，图3是本技术实施例提供的另一种成本预测方法的流程示意图；该成本预测方案可由电子设备来执行，该方案可包括但不限于步骤s301～步骤s311，其中：
75.s301，获取附加信息。
76.本技术实施例中，附加信息可以表征预测得到的执行现金管理流程的综合成本值的影响因素，也可以是表征执行现金管理流程的每个成本事项的成本值的影响因素，在此不限定。示例性地，在执行现金管理流程的过程中节假日、季节、客流量信息、人员信息、网点信息等都可以是影响成本值的影响因素，都可以作为附加信息。所述获取附加信息的方式可以是用户通过文字、语音等方式直接输入，也可以是根据时间信息、内容信息等确定。例如，2021.02.09为春节前两天，接近春节，此时可以获取到附加信息“春节”。
77.s302，从执行现金管理流程的过程中所产生的所有历史成本数据中，查找与附加信息匹配的多个成本数据。
78.本技术实施例中，历史成本数据表示在查找与附加信息匹配的多个成本数据的系统时间之前在执行现金管理流程的过程中所产生的所有成本数据。
79.在一种可能的实现方式中，附加信息可以只包括一个维度的附加信息，那么从执行所述现金管理流程的过程中所产生的所有历史成本数据中，查找与所述附加信息匹配的
多个成本数据的过程具体可以是：1)获取在各个统计周期统计历史成本数据时的历史附加信息，其中每到达统计周期统计在统计周期内执行现金管理流程的过程中所产生的历史成本数据；2)在获取到的历史附加信息中确定与附加信息相同的目标历史附加信息；将目标历史附加信息对应的统计周期统计到的历史成本数据作为与附加信息匹配的多个成本数据。
80.示例性地，将春节这一节假日的七天假期作为一个统计周期，先统计在春节七天假期内执行现金管理流程的过程中所产生的历史成本数据，然后为春节七天假期内执行现金管理流程的过程中所产生的历史成本数据标注历史附加信息“春节”；当获取到的附加信息为“春节”时，查找到为“春节”的历史附加信息，将其作为目标历史附加信息，然后将目标历史附加信息对应的春节七天假期内统计到的历史成本数据作为与附加信息匹配的多个成本数据。其中，目标历史附加信息可以为一个或多个，因此对应的历史成本数据也会有一个或多个，比如执行现金管理流程的过程从2018年1月1日开始，当前时间为2020年12月20日，此时获取到附加信息为“春节”，那么与“春节”这一附加信息匹配的目标历史附加信息就会有3个，分别是2018年～2020年这三年期间被标注为“春节”的历史附加信息。
81.在本技术实施例中，在执行现金管理流程的过程中，相同的成本数据由于统计周期的不同、或者统计维度的不同等，可能有多个维度附加信息。示例性地，请参见附图4，成本数据m的统计周期在2021.02.11～2021.02.17之间，为2021春节七天假期期间，所以成本数据m的附加信息中有节假日维度的“春节”，同时，由于成本数据m也在统计周期2021.01.01～2021.03.31之间，因此成本数据m的附加信息中有季度维度的“第一季度”；此外，由于成本数据m属于成本事项“机构人力管理”的成本数据，里面包含了人员信息中的业务经理信息，所以成本数据m的附加信息中还有人员信息维度的“业务经理”。
82.在一种可能的实现方式中，所述获取的附加信息中可以包括多个维度的附加信息，那么从执行所述现金管理流程的过程中所产生的所有历史成本数据中，查找与所述附加信息匹配的多个成本数据的过程可以是：1)获取在各个统计周期统计历史成本数据时的历史附加信息，其中每到达统计周期统计在统计周期内执行现金管理流程的过程中所产生的历史成本数据；2)计算多个维度的附加信息与各个历史附加信息之间的匹配度；3)在获取到的历史附加信息中确定匹配度最大的目标历史附加信息；4)将目标历史附加信息对应的统计周期统计到的历史成本数据作为与附加信息匹配的多个成本数据。
83.在一种可能的实现方式中，所述计算多个维度的附加信息与各个历史附加信息之间的匹配度的方式包括以下至少一种：综合计算匹配度、按维度优先级计算匹配度、单个维度计算匹配度。具体来说，所述综合计算匹配度指的是，多个维度的附加信息分别同时与每个成本数据对应的所有历史附加信息进行匹配，然后计算出每个成本数据的附加信息的综合匹配度；所述按维度优先级计算匹配度指的是，预先设定多个维度的优先级，将维度优先级最高、且附加信息的匹配度最高的历史附加信息优先作为目标历史附加信息；所述单个维度计算匹配度指的是，各个维度的附加信息与各个维度的历史附加信息单独进行匹配所得到的匹配度。
84.举例来说，附加信息可以包括四个维度的附加信息，分别是节假日维度的“国庆”、网点信息维度的“网点a”、人员信息维度的“大堂经理”和客流量维度的“普通客户”。其中，不同的历史成本数据对应的历史附加信息可以包括多个附加信息维度的历史附加信息，如
表1所示：
85.表1
[0086][0087]
其中，综合计算匹配度的方法可以是：将附加信息“国庆”、“网点a”、“大堂经理”和“普通客户”作为一个整体与各个成本数据的所有历史附加信息进行匹配，分别得到附加信息与成本数据1、成本数据2、成本数据3和成本数据4的所有历史附加信息的总匹配度，比较每个成本数据的所有历史附加信息的总匹配度，最后将所有历史附加信息的总匹配度最高的历史成本数据作为与附加信息匹配的成本数据。
[0088]
按维度优先级计算匹配度的方法可以是：优先将节假日这一个维度的优先级排到最高，然后优先级依次是人员信息、网点信息和客流量。在计算过程中，先比较各个成本数据节假日维度的历史附加信息与“国庆”的匹配度，若出现匹配度相同的，如成本数据2和成本数据4，此时再计算成本数据2和成本数据4在人员信息维度的历史附加信息与“大堂经理”的匹配度，还相同，则再依次比较客流量维度和网点信息维度，最终得到成本数据2的历史附加信息为目标历史附加信息，则成本数据2为所述附加信息匹配的成本数据。此外，按维度优先级计算匹配度还可以是，得到每个成本数据对应的所有历史附加信息的匹配度，然后计算每个成本数据的综合匹配度，维度优先级最高的历史附加信息所占综合匹配度的比例最大，即按照维度优先级计算历史附加信息所占综合匹配度的比例，优先级高，则比例大，优先级低，则比例小。
[0089]
单个维度计算匹配度的方法可以是：将附加信息拆分为多个维度的附加信息，依次与各个历史成本数据的历史附加信息中各个维度的历史附加信息进行匹配，例如，节假日维度的“国庆”分别与成本数据1～4的节假日维度的历史附加信息进行匹配，得到节假日维度的匹配度，其他几个维度同上，最后可以将各个维度的历史附加信息的匹配度都最大的成本数据作为附加信息匹配的成本数据，也可以分别计算成本数据1～4中所有历史附加信息的总匹配度，将总匹配度最大的成本数据作为附加信息匹配的成本数据。
[0090]
s303，在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块。
[0091]
s304，通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数
据的成本值。
[0092]
s305，通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。
[0093]
需要说明的是，步骤s303～步骤s305的具体实施过程可参见图1所示实施例中步骤s102～步骤s104所示的具体实施过程的相关描述，在此不做赘述。
[0094]
s306，基于第一综合成本值以及多个成本数据的成本值，确定第一成本数据所属的目标成本事项。
[0095]
本技术实施例中，第一成本数据属于获取到的在执行现金管理流程的过程中所产生的多个成本数据之一，具体来说，可以是所查找到与附加信息匹配的多个成本数据之一。所述确定第一成本数据所属的目标成本事项的过程可以是：基于第一综合成本值和多个成本数据的成本值，以及预先设定的成本管理目标，来确定哪个成本数据的成本值需要进行调整或优化，将该成本数据确定为第一成本数据；然后根据成本数据与成本事项的对应关系，确定第一成本数据的目标成本事项。
[0096]
举例来说，第一综合成本值为30.4万，成本数据1的成本值为8.7万，对应的成本事项为“机构现金押运”；成本数据2的成本值为15.2万，对应的成本事项为“机构现金管理人力”；成本数据3的成本值为6.5万，对应的成本事项为“机构现金清分”，预先设定的成本管理目标为降低成本；由此可见，成本数据2的成本值相对于其他成本数据偏高，此时可以将成本数据2作为第一成本数据，成本数据2对应的成本事项“机构现金管理人力”作为目标成本事项。示例性地，成本管理目标还可以是降低具体某个成本事项的成本值，或者降低第一综合成本值，等等；在成本管理目标为降低第一综合成本值时，还可以是将每个成本数据依次作为第一成本数据，并执行后续步骤，最终确定综合成本值最低的成本管理方案，在此不限定。优选地，成本管理目标可以是人为设定的，也可以是由系统或设备通过算法所得到的最优目标，在此不限定。
[0097]
s307，基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理方案。
[0098]
本技术实施例中，所述成本管理方案用于对各个成本事项的成本进行分配和管理。举例来说，成本管理方案中可以包括每个成本事项或目标成本事项的预算成本值、预算综合成本值等；也可以进一步包括每个成本事项或目标成本事项中的各个小类的预算成本，如成本事项“机构现金押运”中的停车成本、押运保护成本等；还可以是给出每个成本事项或目标成本事项的预算成本值所占预算综合成本值的比例区间，比如，“机构现金押运”的预算成本值可以占预算综合成本值的5％～8％。
[0099]
本技术实施例中，所述生成目标成本事项的成本管理方案的方式可以是利用已标记的成本管理方案作为训练样本对机器学习模型的参数进行训练，得到成本管理规划模型，然后将第一综合成本值和多个成本数据的成本值输入该成本管理规划模型，最终得到目标成本事项的成本管理方案。优选地，还可以是通过其他人工智能技术和方法生成目标成本事项的成本管理方案，在此不限定。
[0100]
s308，从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据。
[0101]
本技术实施例中，第二成本数据属于关于目标成本事项的所有历史成本数据之
一。所述查找与成本管理方案匹配的第二成本数据的方式可以是：比较成本管理方案中的目标成本事项的成本数据的附加信息，与目标成本事项的所有历史成本数据的附加信息的匹配度，将匹配度最大的历史成本数据作为第二成本数据；还可以是：比较目标成本事项的历史成本数据的成本值与成本管理方案中的目标成本事项的成本值之间的差值，将差值最小的历史成本数据作为第二成本数据。优选地，还可以是其他方式查找第二成本数据，在此不限定。需要说明的是，计算附加信息匹配度的具体实施过程可参见图3所示实施例中步骤s302所描述的具体实施过程的相关描述，在此不做赘述。
[0102]
s309，通过目标成本事项对应的成本控制模块对第二成本数据进行处理，以得到第二成本数据的成本值。
[0103]
需要说明的是，步骤s309的具体实施过程可参见图1所示实施例中步骤s103所示的具体实施过程的相关描述，在此不做赘述。
[0104]
s310，通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第二综合成本值。
[0105]
s311，若第二综合成本值小于第一综合成本值，则输出成本管理方案。
[0106]
本技术实施例中，第二成本数据将第一成本数据替换，然后与其他成本数据一起输入训练后的成本预测模型，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第二综合成本值，也就是通过训练后的成本预测模型预测所述基于第一综合成本值以及多个成本数据的成本值，以检验生成的成本管理方案是否能够实现在对目标成本事项的成本进行调整的同时，优化整体成本的成本管理目标。而当第二综合成本值小于第一综合成本值，即成本管理方案能够实现最优化整体成本的成本管理目标时，则说明成本管理方案是有效可行的，因此可以输出该成本管理方案。
[0107]
在一种可能的实现方式中，若第二综合成本值大于第一综合成本值，则重新执行步骤s307～步骤s310，生成新的成本管理方案，查找新的第二成本数据，预测出新的第二综合成本值，直至第二综合成本值小于第一综合成本值。
[0108]
本技术实施例中，先获取附加信息，从执行现金管理流程的过程中所产生的所有历史成本数据中，查找与附加信息匹配的多个成本数据；然后通过训练后的成本预测模型预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值；最后基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理方案，并从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据，通过目成本控制模块对第二成本数据进行处理，以得到第二成本数据的成本值，通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第二综合成本值，若第二综合成本值小于第一综合成本值，则输出成本管理方案。本技术实施例通过附加信息可以精准确定成本数据，方便了后续对综合成本值进行预测；此外，还通过第一综合成本值以及多个成本数据的成本值生成目标成本事项的成本管理方案，并利用训练后的预测模型进行预测，判断成本管理方案是否有效可行，直至输出有效可行的成本管理方案，实现了在综合考虑整体成本的情况下，对目标成本事项的成本的有效控制。
[0109]
请参见图5，图5是本技术实施例提供的另一种成本预测方法的流程示意图；该成本预测方案可由电子设备来执行，该方案可包括但不限于步骤s501～步骤s515，其中：
[0110]
s501，获取训练样本，训练样本包括在执行现金管理流程的过程中所产生的多个训练成本数据，以及在产生多个训练成本数据之后的预设时间段内执行现金管理流程的第四综合成本值。
[0111]
本技术实施例中，所述训练成本数据中可以包括多个维度的附加信息，所述多个维度的附加信息可以对应机器学习的数据集中的特征。示例性地，训练成本数据请参见图6，“节假日”、“人员信息”、“客流量”为附加信息维度，“中秋”、“国庆”等表示具体的附加信息，省略号表示还有其他附加信息、附加信息维度或成本数据。此外，网点信息维度的0表示没有，1表示网点a，2表示网点b。此外，通过含有多个维度的附加信息的训练成本数据所训练出的成本控制模块和成本预测模型，所得到的预测结果考虑到了影响成本的多种因素，从而可以做到多维度地对成本数据进行分析处理，成本控制模块和成本预测模型预测得到的成本值也是综合考虑了影响成本的多种因素所得到的。
[0112]
s502，在成本预测模型中确定多个训练成本数据中每个训练成本数据所属的成本事项对应的成本控制模块。
[0113]
s503，通过确定的成本控制模块对对应的训练成本数据进行处理，以得到多个训练成本数据的成本值。
[0114]
s504，通过成本预测模型对多个训练成本数据的成本值进行处理，预测得到在产生多个训练成本数据之后的预设时间段内执行现金管理流程的第五综合成本值。
[0115]
需要说明的是，步骤s502～步骤s504中的具体实施过程可参见图1所示实施例中步骤s102～步骤s104所示的具体实施过程的相关描述，在此不做赘述。其中，步骤s103中的成本控制模块的训练过程中所述的第一训练样本可以是步骤s501中所述的包括多个附加信息的训练成本数据。
[0116]
s505，根据第四综合成本值和第五综合成本值，对成本预测模型进行训练，得到训练后的成本预测模型。
[0117]
本技术实施例中，所述根据第四综合成本值和第五综合成本值，对成本预测模型进行训练的方式可以是：根据第四综合成本值和第五综合成本值构建自定义损失函数，基于该自定义损失函数对成本预测模型进行训练，直至成本预测模型训练收敛。其中，第四综合成本值为真实值，第五综合成本值为预测值，基于预测值和真实值构建自定义损失函数的方法为本领域技术人员所惯用的技术手段，在此不赘述。优选地，还可以基于现金管理流程中成本数据的更新，重新计算自定义损失函数，并基于新的成本数据和新的自定义损失函数对成本预测模型进行训练，得到新的训练后的成本预测模型。优选地，还可以基于其他人工智能技术和方法得到成本预测模型和成本控制模块，在此不限定。
[0118]
s506，获取在执行现金管理流程的过程中所产生的多个成本数据块。
[0119]
s507，在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块。
[0120]
s508，通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值。
[0121]
s509，通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到
在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。
[0122]
需要说明的是，步骤s506～步骤s509的具体实施过程可参见图1所示实施例中步骤s101～步骤s104所示的具体实施过程的相关描述，在此不做赘述。
[0123]
s510，获取关于目标成本事项的成本控制请求。
[0124]
本技术实施例中，成本控制请求可以是根据用户的需求所生成的，也可以是基于现金管理流程的实际情况自动生成的，在此不限定。示例性地，请参见图7，界面701为选择成本事项的界面，用户a点击“机构现金押运”和“机构库存”后，并点击“确定”，此时“机构现金押运”和“机构库存”均为目标成本事项，则生成关于“机构现金押运”和“机构库存”的成本控制请求。
[0125]
s511，基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理方案。
[0126]
s512，从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据。
[0127]
s513，通过目标成本事项对应的成本控制模块对第二成本数据进行处理，以得到第二成本数据的成本值。
[0128]
s514，通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第三综合成本值。
[0129]
需要说明的是，步骤s506～步骤s509的具体实施过程可参见图3所示实施例中步骤s306～步骤s310所示的具体实施过程的相关描述，在此不做赘述。
[0130]
s515，若第三综合成本值与第一综合成本值之间的差值小于预设数值，则输出成本管理方案。
[0131]
本技术实施例中，由于成本控制请求有比较大的不确定性，不一定会在执行现金管理的过程中出现过相似请求，因此基于历史成本数据所生成的成本管理方案不一定能够实现预测到的综合成本值最优；因此，通过比较第三综合成本值与第一综合成本值之间的差值是否小于预设数值，可以选择出在成本控制请求的不确定性较大的情况下，相对最优的成本管理方案。其中，预设数值可以是人为设定的，也可以是基于历史成本数据的综合成本值所进行设定的，在此不限定。
[0132]
在一种可能的实现方式中，也可以是用户自己基于经验设计的成本管理方案，直接将成本管理方案中的各个成本数据输入到训练后的成本预测模型，最后预测得到该成本管理方案的综合成本值，有利于用户对成本管理方案进行调整及决策。
[0133]
本技术实施例中，通过含有多个维度的附加信息的训练成本数据所训练出的成本控制模块和成本预测模型，所得到的预测结果考虑到了影响成本的多种因素，从而做到多维度地对成本数据进行分析预测，使得成本控制模块和成本预测模型预测得到的成本值也是综合考虑了影响成本的多种因素所得到的；此外，通过获取关于目标成本事项的成本控制请求，然后生成成本管理方案，并当第三综合成本值与第一综合成本值之间的差值小于预设数值时，输出成本管理方案，实现了在考虑了成本控制请求以及综合了整体成本的情况下，输出有效可行的成本管理方案，从而实现对目标成本事项的成本的有效控制。
[0134]
本技术实施例还提供了一种计算机存储介质，该计算机存储介质中存储有程序指
令，该程序指令被执行时，用于实现上述实施例中描述的相应方法。
[0135]
再请参见图8，图8是本技术实施例的提供一种成本预测装置的结构示意图。
[0136]
本技术实施例的装置的一个实现方式中，装置包括如下结构。
[0137]
获取单元801，用于获取在执行现金管理流程的过程中所产生的多个成本数据；
[0138]
处理单元802，用于在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块；
[0139]
处理单元802，还用于通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值；
[0140]
处理单元802，还用于通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。
[0141]
在一个实施例中，处理单元802，还用于：
[0142]
获取附加信息，附加信息表征预测得到的执行现金管理流程的综合成本值的影响因素；
[0143]
从执行现金管理流程的过程中所产生的所有历史成本数据中，查找与附加信息匹配的多个成本数据。
[0144]
在一个实施例中，附加信息包括一个维度的附加信息；处理单元802还用于：
[0145]
获取在各个统计周期统计历史成本数据时的历史附加信息，其中，每到达统计周期统计在统计周期内执行现金管理流程的过程中所产生的历史成本数据；
[0146]
在获取到的历史附加信息中确定与附加信息相同的目标历史附加信息；
[0147]
将目标历史附加信息对应的统计周期统计到的历史成本数据作为与附加信息匹配的多个成本数据。
[0148]
在一个实施例中，附加信息包括多个维度的附加信息；处理单元802还用于：
[0149]
从执行现金管理流程的过程中所产生的所有历史成本数据中，查找与附加信息匹配的多个成本数据，包括：
[0150]
获取在各个统计周期统计历史成本数据时的历史附加信息，其中每到达统计周期统计在统计周期内执行现金管理流程的过程中所产生的历史成本数据；
[0151]
计算多个维度的附加信息与各个历史附加信息之间的匹配度；
[0152]
在获取到的历史附加信息中确定匹配度最大的目标历史附加信息；
[0153]
将目标历史附加信息对应的统计周期统计到的历史成本数据作为与附加信息匹配的多个成本数据。
[0154]
在一个实施例中，处理单元802还用于：
[0155]
基于第一综合成本值以及多个成本数据的成本值，确定第一成本数据所属的目标成本事项；
[0156]
基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理方案；
[0157]
从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据；
[0158]
通过目标成本事项对应的成本控制模块对第二成本数据进行处理，以得到第二成
本数据的成本值；
[0159]
通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第二综合成本值；
[0160]
若第二综合成本值小于第一综合成本值，则输出成本管理方案。
[0161]
在一个实施例中，处理单元802还用于：
[0162]
获取关于目标成本事项的成本控制请求；
[0163]
基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理方案；
[0164]
从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据；
[0165]
通过目标成本事项对应的成本控制模块对第二成本数据进行处理，以得到第二成本数据的成本值；
[0166]
通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第三综合成本值；
[0167]
若第三综合成本值与第一综合成本值之间的差值小于预设数值，则输出成本管理方案。
[0168]
在一个实施例中，处理单元802还用于：
[0169]
获取训练样本，训练样本包括在执行现金管理流程的过程中所产生的多个训练成本数据，以及在产生多个训练成本数据之后的预设时间段内执行现金管理流程的第四综合成本值；
[0170]
在成本预测模型中确定多个训练成本数据中每个训练成本数据所属的成本事项对应的成本控制模块；
[0171]
通过确定的成本控制模块对对应的训练成本数据进行处理，以得到多个训练成本数据的成本值；
[0172]
通过成本预测模型对多个训练成本数据的成本值进行处理，预测得到在产生多个训练成本数据之后的预设时间段内执行现金管理流程的第五综合成本值；
[0173]
根据第四综合成本值和第五综合成本值，对成本预测模型进行训练，得到训练后的成本预测模型。
[0174]
本技术实施例中，先获取在执行现金管理流程的过程中所产生的多个成本数据；再在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块，并通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值；最后通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。本技术实施例先基于每个成本事项对应的成本控制模块和成本数据得到每个成本事项的成本数据的成本值，然后再基于训练后的成本预测模型对所有成本事项的成本数据的成本值进行处理，预测得到第一综合成本值，可以实现在综合考虑所有成本事项的整体成本的情况下，对成本进行分析预测，有利于对成本进行有效控制。
[0175]
再请参见图9，图9是本技术实施例提供的一种电子设备的结构示意图，本技术实施例的电子设备包括供电模块等结构，并包括处理器901、存储装置902以及通信接口903。处理器901、存储装置902以及通信接口903之间可以交互数据，由处理器901实现相应的成本预测方案。
[0176]
存储装置902可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，ram)；存储装置902也可以包括非易失性存储器(non-volatile memory)，例如快闪存储器(flash memory)，固态硬盘(solid-state drive，ssd)等；存储装置902还可以包括上述种类的存储器的组合。
[0177]
处理器901可以是中央处理器901(central processing unit，cpu)。处理器901也可以是由cpu和gpu的组合。在电子设备中，可以根据需要包括多个cpu和gpu进行相应的成本预测。在一个实施例中，存储装置902用于存储程序指令。处理器901可以调用程序指令，实现如本技术实施例中上述涉及的各种方法。
[0178]
在第一个可能的实施方式中，电子设备的处理器901，调用存储装置902中存储的程序指令，用于获取在执行现金管理流程的过程中所产生的多个成本数据；在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块；通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值；通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。
[0179]
在一个实施例中，处理器901用于获取附加信息，附加信息表征预测得到的执行现金管理流程的综合成本值的影响因素；从执行现金管理流程的过程中所产生的所有历史成本数据中，查找与附加信息匹配的多个成本数据。
[0180]
在一个实施例中，附加信息包括一个维度的附加信息；处理器901用于获取在各个统计周期统计历史成本数据时的历史附加信息，其中，每到达统计周期统计在统计周期内执行现金管理流程的过程中所产生的历史成本数据；在获取到的历史附加信息中确定与附加信息相同的目标历史附加信息；将目标历史附加信息对应的统计周期统计到的历史成本数据作为与附加信息匹配的多个成本数据。
[0181]
在一个实施例中，附加信息包括多个维度的附加信息；处理器901还用于：
[0182]
从执行现金管理流程的过程中所产生的所有历史成本数据中，查找与附加信息匹配的多个成本数据，包括：
[0183]
获取在各个统计周期统计历史成本数据时的历史附加信息，其中每到达统计周期统计在统计周期内执行现金管理流程的过程中所产生的历史成本数据；
[0184]
计算多个维度的附加信息与各个历史附加信息之间的匹配度；
[0185]
在获取到的历史附加信息中确定匹配度最大的目标历史附加信息；
[0186]
将目标历史附加信息对应的统计周期统计到的历史成本数据作为与附加信息匹配的多个成本数据。
[0187]
在一个实施例中，处理器901还用于：
[0188]
基于第一综合成本值以及多个成本数据的成本值，确定第一成本数据所属的目标成本事项；
[0189]
基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理
方案；
[0190]
从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据；
[0191]
通过目标成本事项对应的成本控制模块对第二成本数据进行处理，以得到第二成本数据的成本值；
[0192]
通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第二综合成本值；
[0193]
若第二综合成本值小于第一综合成本值，则输出成本管理方案。
[0194]
在一个实施例中，处理器901还用于：
[0195]
获取关于目标成本事项的成本控制请求；
[0196]
基于第一综合成本值以及多个成本数据的成本值，生成目标成本事项的成本管理方案；
[0197]
从执行现金管理流程的过程中所产生的关于目标成本事项的所有历史成本数据中，查找与成本管理方案匹配的第二成本数据；
[0198]
通过目标成本事项对应的成本控制模块对第二成本数据进行处理，以得到第二成本数据的成本值；
[0199]
通过训练后的成本预测模型对第二成本数据的成本值以及多个成本数据的成本值中除第一成本数据的成本值以外的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第三综合成本值；
[0200]
若第三综合成本值与第一综合成本值之间的差值小于预设数值，则输出成本管理方案。
[0201]
在一个实施例中，处理器901还用于：
[0202]
获取训练样本，训练样本包括在执行现金管理流程的过程中所产生的多个训练成本数据，以及在产生多个训练成本数据之后的预设时间段内执行现金管理流程的第四综合成本值；
[0203]
在成本预测模型中确定多个训练成本数据中每个训练成本数据所属的成本事项对应的成本控制模块；
[0204]
通过确定的成本控制模块对对应的训练成本数据进行处理，以得到多个训练成本数据的成本值；
[0205]
通过成本预测模型对多个训练成本数据的成本值进行处理，预测得到在产生多个训练成本数据之后的预设时间段内执行现金管理流程的第五综合成本值；
[0206]
根据第四综合成本值和第五综合成本值，对成本预测模型进行训练，得到训练后的成本预测模型。
[0207]
本技术实施例中，先获取在执行现金管理流程的过程中所产生的多个成本数据；再在训练后的成本预测模型中确定多个成本数据中每个成本数据所属的成本事项对应的成本控制模块，并通过确定的成本控制模块对对应的成本数据进行处理，以得到多个成本数据的成本值；最后通过训练后的成本预测模型对多个成本数据的成本值进行处理，预测得到在当前系统时间之后的预设时间段内执行现金管理流程的第一综合成本值。本技术实
施例先基于每个成本事项对应的成本控制模块和成本数据得到每个成本事项的成本数据的成本值，然后再基于训练后的成本预测模型对所有成本事项的成本数据的成本值进行处理，预测得到第一综合成本值，可以实现在综合考虑所有成本事项的整体成本的情况下，对成本进行分析预测，有利于对成本进行有效控制。
[0208]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0209]
其中，本技术所指的人工智能技术是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0210]
以上所揭露的仅为本技术的部分实施例而已，当然不能以此来限定本技术之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本技术权利要求所作的等同变化，仍属于发明所涵盖的范围。