银行扣款信息的提示方法、相关装置及计算机存储介质与流程

1.本技术涉及计算机技术领域，特别涉及一种银行扣款信息的提示方法、相关装置及计算机存储介质。


背景技术：

2.现在越来越多的客户都会开设网上银行或者微信微银行的功能，银行会对客户的每一笔消费扣款进行信息提示。但是在现在这个信息爆炸的社会中，很多信息都会进行忽视。尤其是客户每天都会进行小额度的正常消费，对于这些提示的信息经常不会关注。


技术实现要素：

3.有鉴于此，本技术提供一种银行扣款信息的提示方法、相关装置及计算机存储介质，可以不打扰用户的正常消费提示并且也可以保证客户的资金安全。
4.本技术第一方面提供了一种银行扣款信息的提示方法，包括：
5.当客户进行消费时，获取所述客户本次的消费金额、消费的时间、消费的频率和消费的城市位置；
6.判断客户本次的消费的城市位置与上一次消费的城市位置是否一致；
7.若判断出客户本次的消费的城市位置与上一次消费的城市位置一致，判断所述客户本次的消费金额是否小于目标消费金额以及所述客户的消费的频率是否小于目标消费频率；
8.若判断出所述客户本次的消费金额小于目标消费金额且所述客户的消费的频率小于目标消费频率，则本次不发送扣款信息；
9.若判断出所述客户本次的消费金额不小于目标消费金额和/或所述客户的消费的频率不小于目标消费频率，则发送本次的扣款信息；
10.若判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息。
11.可选的，所述银行扣款信息的提示方法，还包括：
12.采集客户的消费信息；其中，所述消费信息包括客户在银行历史消费数据、客户的风险等级、手机银行互联网协议地址以及消费所在城市的平均消费水平；所述历史消费数据包括消费金额和消费频率；
13.将所述客户的消费信息输入小额消费额度预测模型，输出得到目标消费额度；其中，所述小额消费额度预测模型由至少一个训练样本数据对神经网络模型进行训练得到；所述训练样本数据包括训练样本客户的消费信息以及所述训练样本客户的真实消费额度。
14.可选的，所述银行扣款信息的提示方法，还包括：
15.根据所述预处理后的消费信息建立客户关系管理模型；其中，所述客户关系管理模型根据历史消费数据、消费的时间、消费所在城市分析得到所述客户在所述城市的目标消费频率。
16.可选的，所述小额消费额度预测模型的构建方法，包括：
17.构建训练样本集；其中，所述训练样本集包括至少一个训练样本数据；所述训练样本数据包括训练样本客户的消费信息以及所述训练样本客户的真实消费额度；
18.对所述训练样本客户的消费信息进行预处理，得到预处理后的消费信息；
19.对所述预处理后的消费信息进行特征提取，并按照特征对应的重要性进行排序；
20.选择排序前n个特征，作为目标特征；
21.将所述目标特征输入至神经网络模型中，得到所述训练样本客户的预测消费额度；
22.根据所述训练样本客户的预测消费额度与所述训练样本客户的真实消费额度之间的误差对神经网络模型的参数进行调整，直至所述训练样本客户的预测消费额度与所述训练样本客户的真实消费额度之间的误差满足预设的收敛条件，将调整后的神经网络模型作为小额消费额度预测模型。
23.可选的，所述若判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息之后，还包括：
24.若未收到客户的反馈信息，则基于所述客户当前所处的城市，重新确定目标消费额度和目标消费频率。
25.本技术第二方面提供了一种银行扣款信息的提示装置，包括：
26.获取单元，用于当客户进行消费时，获取所述客户本次的消费金额、消费的时间、消费的频率和消费的城市位置；
27.第一判断单元，用于判断客户本次的消费的城市位置与上一次消费的城市位置是否一致；
28.第二判断单元，用于若所述第一判断单元判断出，客户本次的消费的城市位置与上一次消费的城市位置一致，判断所述客户本次的消费金额是否小于目标消费金额以及所述客户的消费的频率是否小于目标消费频率；
29.提示单元，用于若所述第二判断单元判断出，所述客户本次的消费金额小于目标消费金额且所述客户的消费的频率小于目标消费频率，则本次不发送扣款信息；
30.所述提示单元，还用于若所述第二判断单元判断出，所述客户本次的消费金额不小于目标消费金额和/或所述客户的消费的频率不小于目标消费频率，则发送本次的扣款信息；
31.所述提示单元，还用于若所述第一判断单元判断出，客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息。
32.可选的，所述银行扣款信息的提示装置，还包括：
33.采集单元，用于采集客户的消费信息；其中，所述消费信息包括客户在银行历史消费数据、客户的风险等级、手机银行互联网协议地址以及消费所在城市的平均消费水平；所述历史消费数据包括消费金额和消费频率；
34.第一输入单元，用于将所述客户的消费信息输入小额消费额度预测模型，输出得到目标消费额度；其中，所述小额消费额度预测模型由至少一个训练样本数据对神经网络模型进行训练得到；所述训练样本数据包括训练样本客户的消费信息以及所述训练样本客户的真实消费额度。
35.可选的，所述银行扣款信息的提示装置，还包括：
36.建立单元，用于根据所述预处理后的消费信息建立客户关系管理模型；其中，所述客户关系管理模型根据历史消费数据、消费的时间、消费所在城市分析得到所述客户在所述城市的目标消费频率。
37.可选的，所述小额消费额度预测模型的构建单元，包括：
38.训练样本集构建单元，用于构建训练样本集；其中，所述训练样本集包括至少一个训练样本数据；所述训练样本数据包括训练样本客户的消费信息以及所述训练样本客户的真实消费额度；
39.预处理单元，用于对所述训练样本客户的消费信息进行预处理，得到预处理后的消费信息；
40.特征提取单元，用于对所述预处理后的消费信息进行特征提取，并按照特征对应的重要性进行排序；
41.选择单元，用于选择排序前n个特征，作为目标特征；
42.第二输入单元，用于将所述目标特征输入至神经网络模型中，得到所述训练样本客户的预测消费额度；
43.调整单元，用于根据所述训练样本客户的预测消费额度与所述训练样本客户的真实消费额度之间的误差对神经网络模型的参数进行调整，直至所述训练样本客户的预测消费额度与所述训练样本客户的真实消费额度之间的误差满足预设的收敛条件，将调整后的神经网络模型作为小额消费额度预测模型。
44.可选的，所述银行扣款信息的提示装置，还包括：
45.确定单元，用于若未收到客户的反馈信息，则基于所述客户当前所处的城市，重新确定目标消费额度和目标消费频率。
46.本技术第三方面提供了一种电子设备，包括：
47.一个或多个处理器；
48.存储装置，其上存储有一个或多个程序；
49.当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面任意一项所述的银行扣款信息的提示方法。
50.本技术第四方面提供了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面任意一项所述的银行扣款信息的提示方法。
51.由以上方案可知，本技术提供一种银行扣款信息的提示方法、相关装置及计算机存储介质，所述银行扣款信息的提示方法包括：当客户进行消费时，获取所述客户本次的消费金额、消费的时间、消费的频率和消费的城市位置；判断客户本次的消费的城市位置与上一次消费的城市位置是否一致；若判断出客户本次的消费的城市位置与上一次消费的城市位置一致，判断所述客户本次的消费金额是否小于目标消费金额以及所述客户的消费的频率是否小于目标消费频率；若判断出所述客户本次的消费金额小于目标消费金额且所述客户的消费的频率小于目标消费频率，则本次不发送扣款信息；若判断出所述客户本次的消费金额不小于目标消费金额和/或所述客户的消费的频率不小于目标消费频率，则发送本次的扣款信息；若判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息。可以不打扰用户的正常消费提示并且也可以保证客户的资金安全。
附图说明
52.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。
53.图1为本技术实施例提供的一种银行扣款信息的提示方法的具体流程图；
54.图2为本技术另一实施例提供的一种银行扣款信息的提示方法的流程图；
55.图3为本技术另一实施例提供的一种银行扣款信息的提示方法的流程图；
56.图4为本技术另一实施例提供的一种银行扣款信息的提示装置的示意图；
57.图5为本技术另一实施例提供的一种实现银行扣款信息的提示方法的电子设备的示意图。
具体实施方式
58.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
59.需要注意，本技术中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系，而术语“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。
60.本技术实施例提供了一种银行扣款信息的提示方法，如图1所示，具体包括以下步骤：
61.s101、当客户进行消费时，获取客户本次的消费金额、消费的时间、消费的频率和消费的城市位置。
62.在本技术的具体实现过程中，当客户进行消费时，可以通过手机银行后台系统获取客户本次的消费金额、消费的时间、消费的频率、消费的城市位置等实时数据。
63.s102、判断客户本次的消费的城市位置与上一次消费的城市位置是否一致。
64.具体的，若判断出客户本次的消费的城市位置与上一次消费的城市位置一致，则执行步骤s103以及步骤s104；若判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则执行步骤s106。
65.s103、判断客户本次的消费金额是否小于目标消费金额。
66.在本技术的具体实现过程中，目标消费金额为预先设定的一个金额，其具体的确认方式，如图2所示，包括以下步骤：
67.s201、采集客户的消费信息。
68.其中，消费信息包括客户在银行历史消费数据、客户的风险等级、手机银行互联网
协议地址以及消费所在城市的平均消费水平；历史消费数据包括消费金额和消费频率。
69.s202、将客户的消费信息输入小额消费额度预测模型，输出得到目标消费额度。
70.其中，小额消费额度预测模型由至少一个训练样本数据对神经网络模型进行训练得到；训练样本数据包括训练样本客户的消费信息以及训练样本客户的真实消费额度。
71.需要说明的是，目标额度也就是客户在同一城市位置的每次消费的消费额度。
72.可选的，在本技术的另一实施例中，小额消费额度预测模型的构建方法的一种实施方式，如图3所示，包括：
73.s301、构建训练样本集。
74.其中，训练样本集包括至少一个训练样本数据；训练样本数据包括训练样本客户的消费信息以及训练样本客户的真实消费额度。
75.s302、对训练样本客户的消费信息进行预处理，得到预处理后的消费信息。
76.其中，预处理的方式包括但不限于将缺失数据或者无用数据进行剔除，此处不做限定。
77.s303、对预处理后的消费信息进行特征提取，并按照特征对应的重要性进行排序。
78.在本技术的实际应用过程中，可以通过预先的建立的xgboost模型对预处理后的消费信息进行特征提取，并按照特征对应的重要性进行排序，此处不做限定。
79.s304、选择排序前n个特征，作为目标特征。
80.其中，n为正整数，由技术人员或相关有权限的工作人员进行设置、更改，此处不做限定。
81.s305、将目标特征输入至神经网络模型中，得到训练样本客户的预测消费额度。
82.s306、判断训练样本客户的预测消费额度与训练样本客户的真实消费额度之间的误差是否满足预设的收敛条件。
83.其中，预设的收敛条件为技术人员或有权限的工作人员进行预先设置、更改，此处不做限定。
84.需要说明的是，在本技术的具体实现过程中，不仅限于采用预设的收敛条件来训练模型，还可以采用预设的迭代次数来训练模型，此处不同样不做限定。
85.具体的，若判断训练样本客户的预测消费额度与训练样本客户的真实消费额度之间的误差满足预设的收敛条件，则执行步骤s307；若判断训练样本客户的预测消费额度与训练样本客户的真实消费额度之间的误差不满足预设的收敛条件，则执行步骤s308。
86.s307、将神经网络模型作为小额消费额度预测模型。
87.s308、根据训练样本客户的预测消费额度与训练样本客户的真实消费额度之间的误差对神经网络模型的参数进行调整。
88.s104、判断客户的消费的频率是否小于目标消费频率。
89.需要说明的是，目标频率即客户在同一城市位置的一定时间段的的消费次数。
90.在本技术的具体实现过程中，目标消费频率为预先设定的一个频率，其具体的确认方式，包括：
91.根据预处理后的消费信息建立客户关系管理模型。
92.其中，客户关系管理模型根据历史消费数据、消费的时间、消费所在城市分析得到客户在该城市位置的短时间的消费频率的中间值，作为目标消费频率。
93.具体的，若判断出客户本次的消费金额小于目标消费金额且客户的消费的频率小于目标消费频率，则执行步骤s105；若判断出客户本次的消费金额不小于目标消费金额和/或客户的消费的频率不小于目标消费频率，则执行步骤s106。
94.s105、本次不发送扣款信息。
95.s106、发送本次的扣款信息。
96.可选的，在本技术的另一实施例中，若判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息之后，还包括：
97.若未收到客户的反馈信息，则基于客户当前所处的城市，重新确定目标消费额度和目标消费频率。
98.可以理解是，客户未进行反馈(申诉地址有误、金额有误、消费额度设定过低等)，说明客户觉得当前消费无误，那么，基于客户当前所处的城市，重新确定目标消费额度和目标消费频率，后续的信息提醒以最新的目标消费额度和目标消费频率进行提示。避免的银行每次消费信息的轰炸，使得客户对银行消息提醒经常忽略或者不重视。
99.由以上方案可知，本技术提供一种银行扣款信息的提示方法：当客户进行消费时，获取客户本次的消费金额、消费的时间、消费的频率和消费的城市位置；判断客户本次的消费的城市位置与上一次消费的城市位置是否一致；若判断出客户本次的消费的城市位置与上一次消费的城市位置一致，判断客户本次的消费金额是否小于目标消费金额以及客户的消费的频率是否小于目标消费频率；若判断出客户本次的消费金额小于目标消费金额且客户的消费的频率小于目标消费频率，则本次不发送扣款信息；若判断出客户本次的消费金额不小于目标消费金额和/或客户的消费的频率不小于目标消费频率，则发送本次的扣款信息；若判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息。可以不打扰用户的正常消费提示并且也可以保证客户的资金安全。
100.需要说明的是，本发明提供的发明名称可用于人工智能领域、大数据领域或金融领域。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。
101.本技术另一实施例提供了一种银行扣款信息的提示装置，如图4所示，具体包括：
102.获取单元401，用于当客户进行消费时，获取客户本次的消费金额、消费的时间、消费的频率和消费的城市位置。
103.第一判断单元402，用于判断客户本次的消费的城市位置与上一次消费的城市位置是否一致。
104.第二判断单元403，用于若第一判断单元402判断出，客户本次的消费的城市位置与上一次消费的城市位置一致，判断客户本次的消费金额是否小于目标消费金额以及客户的消费的频率是否小于目标消费频率。
105.提示单元404，用于若第二判断单元403判断出，客户本次的消费金额小于目标消费金额且客户的消费的频率小于目标消费频率，则本次不发送扣款信息。
106.提示单元404，还用于若第二判断单元403判断出，客户本次的消费金额不小于目标消费金额和/或客户的消费的频率不小于目标消费频率，则发送本次的扣款信息。
107.提示单元404，还用于若第一判断单元402判断出，客户本次的消费的城市位置与上一次消费的城市位置不一致，则发送本次的扣款信息。
108.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，
如图1所示，此处不再赘述。
109.可选的，在本技术的另一实施例中，银行扣款信息的提示装置的一种实施方式，还包括：
110.采集单元，用于采集客户的消费信息。
111.其中，消费信息包括客户在银行历史消费数据、客户的风险等级、手机银行互联网协议地址以及消费所在城市的平均消费水平；历史消费数据包括消费金额和消费频率。
112.第一输入单元，用于将客户的消费信息输入小额消费额度预测模型，输出得到目标消费额度。
113.其中，小额消费额度预测模型由至少一个训练样本数据对神经网络模型进行训练得到；训练样本数据包括训练样本客户的消费信息以及训练样本客户的真实消费额度。
114.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图2所示，此处不再赘述。
115.可选的，在本技术的另一实施例中，银行扣款信息的提示装置的一种实施方式，还包括：
116.建立单元，用于根据预处理后的消费信息建立客户关系管理模型；其中，客户关系管理模型根据历史消费数据、消费的时间、消费所在城市分析得到客户在城市的目标消费频率。
117.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
118.可选的，在本技术的另一实施例中，小额消费额度预测模型的构建单元的一种实施方式，包括：
119.训练样本集构建单元，用于构建训练样本集。
120.其中，训练样本集包括至少一个训练样本数据；训练样本数据包括训练样本客户的消费信息以及训练样本客户的真实消费额度。
121.预处理单元，用于对训练样本客户的消费信息进行预处理，得到预处理后的消费信息。
122.特征提取单元，用于对预处理后的消费信息进行特征提取，并按照特征对应的重要性进行排序。
123.选择单元，用于选择排序前n个特征，作为目标特征。
124.第二输入单元，用于将目标特征输入至神经网络模型中，得到训练样本客户的预测消费额度。
125.调整单元，用于根据训练样本客户的预测消费额度与训练样本客户的真实消费额度之间的误差对神经网络模型的参数进行调整，直至训练样本客户的预测消费额度与训练样本客户的真实消费额度之间的误差满足预设的收敛条件，将调整后的神经网络模型作为小额消费额度预测模型。
126.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图3所示，此处不再赘述。
127.可选的，在本技术的另一实施例中，银行扣款信息的提示装置的一种实施方式，还包括：
128.确定单元，用于若未收到客户的反馈信息，则基于客户当前所处的城市，重新确定目标消费额度和目标消费频率。
129.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
130.由以上方案可知，本技术提供一种银行扣款信息的提示装置：当客户进行消费时，获取单元401获取客户本次的消费金额、消费的时间、消费的频率和消费的城市位置；第一判断单元402判断客户本次的消费的城市位置与上一次消费的城市位置是否一致；若第一判断单元402判断出客户本次的消费的城市位置与上一次消费的城市位置一致，第二判断单元403判断客户本次的消费金额是否小于目标消费金额以及客户的消费的频率是否小于目标消费频率；若第二判断单元403判断出客户本次的消费金额小于目标消费金额且客户的消费的频率小于目标消费频率，则提示单元404本次不发送扣款信息；若第二判断单元403判断出客户本次的消费金额不小于目标消费金额和/或客户的消费的频率不小于目标消费频率，则提示单元404发送本次的扣款信息；若第一判断单元402判断出客户本次的消费的城市位置与上一次消费的城市位置不一致，则提示单元404发送本次的扣款信息。可以不打扰用户的正常消费提示并且也可以保证客户的资金安全。
131.本技术另一实施例提供了一种电子设备，如图5所示，包括：
132.一个或多个处理器501。
133.存储装置502，其上存储有一个或多个程序。
134.当所述一个或多个程序被所述一个或多个处理器501执行时，使得所述一个或多个处理器501实现如上述实施例中任意一项所述的银行扣款信息的提示方法。
135.本技术另一实施例提供了一种计算机存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述实施例中任意一项所述的银行扣款信息的提示方法。
136.在本技术公开的上述实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
137.另外，在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，直播设备，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存
储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
138.专业技术人员能够实现或使用本技术。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技术的精神或范围的情况下，在其它实施例中实现。因此，本技术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。