银行网点现金调配方法和装置与流程

1.本发明涉及配钞调度技术领域，特别涉及金融领域，尤其涉及一种银行网点现金调配方法和装置。


背景技术：

2.银行网点面对大量用户提取现金的需求时，为了使现金储备能够尽可能满足相应的需求，往往提前进行现金调配。而现有技术中，对于现金的调配，主要为有关工作人员对银行的历史经营情况进行分析，预测确定未来的现金需求量，并基于预测的现金需求量和当前的现金储备情况对现金进行调度。但是，以人工方式进行分析和预测，需要耗费较长时间，导致后续对现金进行调度时的时间较为紧促，不利于满足对应的提现需求。而且，以人工方式进行分析的准确性，主要取决于工作人员的工作经验和工作能力，导致分析预测的现金需求量准确性较低，从而导致对现金的调度很可能不足以满足对应的提现需求。综上所述，现有技术中存在现金调配的速度较慢、准确性较低，从而使现金调配的效率较低，进而不利于提高银行的经营效率和用户的体验。


技术实现要素：

3.本发明的一个目的在于提供一种银行网点现金调配方法，以解决现有的现金调配的速度较慢、准确性较低，从而使现金调配的效率较低，进而不利于提高银行的经营效率和用户的体验的问题。本发明的另一个目的在于提供一种银行网点现金调配装置。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。本发明的还一个目的在于提供一种计算机程序产品。
4.为了达到以上目的，本发明的一方面公开了一种银行网点现金调配方法，所述方法包括：
5.根据目标银行网点多个周期的历史经营特征向量，得到训练样本；
6.用所述训练样本训练预设的序列处理模型，得到成熟模型；根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间；
7.判断目标银行网点的现金储备量是否处于所述预测现金需求量区间，若否，基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配。
8.可选的，进一步包括：
9.在根据目标银行网点多个周期的历史经营特征向量，得到训练样本之前，
10.将目标银行网点多个周期的历史经营信息进行特征提取处理，得到对应的所述历史经营特征向量。
11.可选的，进一步包括：
12.在根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银
行网点下一周期的预测现金需求量区间之前，
13.将目标银行网点多个周期的当前经营信息进行特征提取处理，得到对应的所述当前经营特征向量。
14.可选的，所述根据目标银行网点多个周期的历史经营特征向量，得到训练样本，包括：
15.将目标银行网点多个周期的历史经营特征向量作为二维矩阵的第一维度向量，并根据多个所述第一维度向量得到当前历史经营矩阵；
16.重复执行预设移位次数的矩阵移位步骤，所述矩阵移位步骤包括：将所述当前历史经营矩阵沿第二维度方向移位预设单元得到错位矩阵并将所述错位矩阵作为所述当前历史经营矩阵；
17.将所述当前历史经营矩阵和多个所述错位矩阵沿第一维度方向进行拼接得到历史数据矩阵；
18.基于所述历史数据矩阵的第一维度向量，得到训练样本。
19.可选的，所述将所述当前历史经营矩阵和多个所述错位矩阵沿第一维度方向进行拼接得到历史数据矩阵，包括：
20.将所述当前历史经营矩阵和多个所述错位矩阵按对应的第一个第一维度向量对应周期的时间的顺序沿第一维度方向进行拼接，得到所述历史数据矩阵。
21.可选的，所述基于所述历史数据矩阵的第一维度向量，得到训练样本，包括：
22.基于所述历史数据矩阵的多个第一维度向量，分别得到对应的历史金额需求区间；
23.将所述历史数据矩阵的第一维度向量作为输入样本，并将对应的所述历史金额需求区间作为对应的输出样本；
24.分别基于多个所述输入样本和对应的输出样本，得到对应的训练样本。
25.可选的，所述基于所述历史数据矩阵的多个第一维度向量，分别得到对应的历史金额需求区间，包括：
26.基于所述历史数据矩阵的第一维度向量，得到所述历史数据矩阵的第一维度向量对应的最晚经营周期；
27.基于所述最晚经营周期的下一周期的实际金额需求，得到对应的所述历史金额需求区间。
28.可选的，所述根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间，包括：
29.根据所述当前经营特征向量和对应周期的时间，得到当前输入向量；
30.将所述当前输入向量输入到所述成熟模型以使所述成熟模型运算得到所述预测现金需求量区间。
31.可选的，所述基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配，包括：
32.判断所述现金储备量是否小于所述预测现金需求量区间的下限；
33.若是，根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备不足告警信息，以使工作人员基于所述现金储备不足告警信息对现金进行调配。
34.可选的，进一步包括：
35.在判断所述现金储备量不小于所述预测现金需求量区间的下限时，判断所述现金储备量是否大于所述预测现金需求量区间的上限；
36.若是，根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备过量告警信息，以使工作人员基于所述现金储备过量告警信息对现金进行调配。
37.为了达到以上目的，本发明的另一方面公开了一种银行网点现金调配装置，所述装置包括：
38.训练样本生成模块，用于根据目标银行网点多个周期的历史经营特征向量，得到训练样本；
39.预测模块，用于用所述训练样本训练预设的序列处理模型，得到成熟模型；根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间；
40.调配模块，用于判断目标银行网点的现金储备量是否处于所述预测现金需求量区间，若否，基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配。
41.本发明还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。
42.本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
43.本发明还公开了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述方法。
44.本发明提供的银行网点现金调配方法和装置，通过根据目标银行网点多个周期的历史经营特征向量，得到训练样本，能够以充分反映银行网点过去的实际经营情况的历史经营特征向量为输入得到训练样本，使得到的训练样本具有较高的真实性，从而有利于提高后续步骤中训练得到的成熟模型的预测准确性，进而有利于提高整体现金调配的准确性。通过用所述训练样本训练预设的序列处理模型，得到成熟模型；根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间，能够使用准确且真实性较高的训练样本对模型进行训练，使模型具有较高的预测准确性和运算速度，上述步骤凭借模型的自动化程度高、运算速度快以及运算准确性高的优势，大幅度提高了预测现金需求量区间的速度和准确性，且该模型为适合处理特征向量的序列处理模型，因此能够进一步提高预测现金需求量区间的速度和准确性，从而提高了现金调配的速度和准确性。通过判断目标银行网点的现金储备量是否处于所述预测现金需求量区间，若否，基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配，能够基于预测的现金需求量区间和实际的现金储备量，自动化地、快速地且准确地引导工作人员对现金进行调配，无需工作人员亲自分析预测对应的现金需求量，提高了整体现金调配的速度和准确性。综上所述，本发明提供的银行网点现金调配方法和装置，能够提高现金调配的速度和准确性，从而提高现金调配的效率，进而提高银行的经营效率和用户的体验。
附图说明
45.为了更清楚地说明本发明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发明的一些实施例，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。
46.图1示出了本发明实施例的一种银行网点现金调配方法的流程示意图；
47.图2示出了本发明实施例的一种可选的得到训练样本的步骤示意图；
48.图3示出了本发明实施例的一种可选的得到历史金额需求区间的步骤示意图；
49.图4示出了本发明实施例的一种可选的得到预测现金需求量区间的步骤示意图；
50.图5示出了本发明实施例的一种可选的反馈对应的告警信息的步骤示意图；
51.图6示出了本发明实施例的一种银行网点现金调配装置的模块示意图；
52.图7示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
53.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
54.关于本文中所使用的“第一”、“第二”、
……
等，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。
55.关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
56.关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。
57.需要说明的是，本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
58.本发明实施例公开了一种银行网点现金调配方法，如图1所示，该方法具体包括如下步骤：
59.s101：根据目标银行网点多个周期的历史经营特征向量，得到训练样本。
60.s102：用所述训练样本训练预设的序列处理模型，得到成熟模型；根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间。
61.s103：判断目标银行网点的现金储备量是否处于所述预测现金需求量区间，若否，基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配。
62.示例性的，本发明实施例中的第一维度和第二维度，可以为但不限于行或列。其中，第一维度需与第二维度不同。例如，在第一维度为行时，第二维度则为列，对应的，第一维度向量则指行向量，第二维度向量则指列向量，第一维度方向则指行方向(可以理解为但不限于矩阵中的水平方向)，第二维度方向则指列方向(可以理解为但不限于矩阵中的垂直方向)。再例如，第一维度为列时，第二维度则为行，对应的，第一维度向量则指列向量，第二
维度向量则指行向量，第一维度方向则指列方向(可以理解为但不限于矩阵中的垂直方向)，第二维度方向则指行方向(可以理解为但不限于矩阵中的水平方向)。需要说明的是，对于第一维度和第二维度的具体指代，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
63.示例性的，所述序列处理模型，可以为但不限于循环神经网络模型(rnn模型)或长短期记忆模型(lstm模型)等，优选为长短期记忆模型(lstm模型)。需要说明的是，对于序列处理模型的种类，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
64.示例性的，用训练样本训练模型，为本领域常规技术手段，这里不再赘述。
65.示例性的，所述周期，可以为但不限于周、月或日等，优选为周。其中，每个周期对应一个时间，该时间为该周期内的某个时间，例如，某个周期为2021年3月份的某一周，其范围为2021年3月11日至2021年3月17日，则该周期对应的时间可以为但不限于2021年3月11日或2021年3月17日等。需要说明的是，对于所述周期的性质和所述周期对应的时间，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
66.示例性的，本发明实施例中的现金的种类，可以为但不限于国内货币或不同种类的外币等。需要说明的是，对于现金的种类，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
67.本发明提供的银行网点现金调配方法和装置，通过根据目标银行网点多个周期的历史经营特征向量，得到训练样本，能够以充分反映银行网点过去的实际经营情况的历史经营特征向量为输入得到训练样本，使得到的训练样本具有较高的真实性，从而有利于提高后续步骤中训练得到的成熟模型的预测准确性，进而有利于提高整体现金调配的准确性。通过用所述训练样本训练预设的序列处理模型，得到成熟模型；根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间，能够使用准确且真实性较高的训练样本对模型进行训练，使模型具有较高的预测准确性和运算速度，上述步骤凭借模型的自动化程度高、运算速度快以及运算准确性高的优势，大幅度提高了预测现金需求量区间的速度和准确性，且该模型为适合处理特征向量的序列处理模型，因此能够进一步提高预测现金需求量区间的速度和准确性，从而提高了现金调配的速度和准确性。通过判断目标银行网点的现金储备量是否处于所述预测现金需求量区间，若否，基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配，能够基于预测的现金需求量区间和实际的现金储备量，自动化地、快速地且准确地引导工作人员对现金进行调配，无需工作人员亲自分析预测对应的现金需求量，提高了整体现金调配的速度和准确性。综上所述，本发明提供的银行网点现金调配方法和装置，能够提高现金调配的速度和准确性，从而提高现金调配的效率，进而提高银行的经营效率和用户的体验。
68.在一个可选的实施方式中，进一步包括：
69.在根据目标银行网点多个周期的历史经营特征向量，得到训练样本之前，
70.将目标银行网点多个周期的历史经营信息进行特征提取处理，得到对应的所述历史经营特征向量。
71.示例性的，一个周期对应一份历史经营信息，一个周期对应一个历史经营特征向
量。
72.示例性的，所述经营信息，包括但不限于目标银行网点的单个周期内的用户总数量、单个周期内的平均储蓄金额、网点覆盖范围内人口(可以通过但不限于将预设的网点覆盖范围面积乘以对应的人口密度得到，其中，人口密度可以通过调查走访或在相关网站上查询有关人口数量信息确定)、网点覆盖范围内社区数量、单个周期内的实际现金需求量以及该周期是否处于假期等信息。需要说明的是，对于所述经营信息的具体内容，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
73.示例性的，所述将目标银行网点多个周期的历史经营信息进行特征提取处理，得到对应的所述历史经营特征向量，可以为但不限于将历史经营信息中的各属性信息进行对应的格式调整和特征提取，得到对应属性信息的向量元素，再将各个向量元素进行拼接整合得到对应的历史经营特征向量。其中，对于属性信息中属性值为数字的属性信息，在确定向量元素时，可以将作为数字的属性值直接确定为对应的向量元素，或对该属性值进行归一化处理后得到对应的向量元素；而对于属性信息中属性值并不是数字的属性信息(例如，为文字、字符或表达类型的属性值等)，在确定向量元素时，可以将属性信息进行数字化处理得到对应的向量化元素，还可以将数字化处理后的产物进行归一化处理得到对应的向量化元素，而所述数字化处理的实现方式，可以为但不限于使用数字化编码(例如，独热(one-hot)编码)算法或对照ascii码表进行处理。需要说明的是，对于将目标银行网点多个周期的历史经营信息进行特征提取处理，得到对应的所述历史经营特征向量的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
74.优选的，在将目标银行网点多个周期的历史经营信息进行特征提取处理之前，还可以对历史经营信息进行诸如数据清洗等的数据预处理操作，以将历史经营信息中的冗余信息剔除并修正错误的信息。
75.通过上述步骤，能够将实际的历史经营信息转化为便于参与计算和处理的向量形式，从而减少后续步骤中相关计算和处理操作的难度，并提高其准确性，进而能够提高整体现金调配的速度和准确性。
76.在一个可选的实施方式中，进一步包括：
77.在根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间之前，
78.将目标银行网点多个周期的当前经营信息进行特征提取处理，得到对应的所述当前经营特征向量。
79.示例性的，一个周期对应一份当前经营信息，一个周期对应一个当前经营特征向量。
80.示例性的，所述经营信息，包括但不限于目标银行网点的单个周期内的用户总数量、单个周期内的平均储蓄金额、网点覆盖范围内人口(可以通过但不限于将预设的网点覆盖范围面积乘以对应的人口密度得到，其中，人口密度可以通过调查走访或在相关网站上查询有关人口数量信息确定)、网点覆盖范围内社区数量、单个周期内的实际现金需求量以及该周期是否处于假期等信息。需要说明的是，对于所述经营信息的具体内容，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
81.示例性的，所述将目标银行网点多个周期的当前经营信息进行特征提取处理，得
到对应的所述当前经营特征向量，可以为但不限于将当前经营信息中的各属性信息进行对应的格式调整和特征提取，得到对应属性信息的向量元素，再将各个向量元素进行拼接整合得到对应的当前经营特征向量。其中，对于属性信息中属性值为数字的属性信息，在确定向量元素时，可以将作为数字的属性值直接确定为对应的向量元素，或对该属性值进行归一化处理后得到对应的向量元素；而对于属性信息中属性值并不是数字的属性信息(例如，为文字、字符或表达类型的属性值等)，在确定向量元素时，可以将属性信息进行数字化处理得到对应的向量化元素，还可以将数字化处理后的产物进行归一化处理得到对应的向量化元素，而所述数字化处理的实现方式，可以为但不限于使用数字化编码(例如，独热(one-hot)编码)算法或对照ascii码表进行处理。需要说明的是，对于将目标银行网点多个周期的当前经营信息进行特征提取处理，得到对应的所述当前经营特征向量的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
82.优选的，在将目标银行网点多个周期的当前经营信息进行特征提取处理之前，还可以对当前经营信息进行诸如数据清洗等的数据预处理操作，以将当前经营信息中的冗余信息剔除并修正错误的信息。
83.通过上述步骤，能够将实际的当前经营信息转化为便于参与计算和处理的向量形式，从而减少后续步骤中相关计算和处理操作的难度，并提高其准确性，进而能够提高整体现金调配的速度和准确性。
84.在一个可选的实施方式中，所述根据目标银行网点多个周期的历史经营特征向量，得到训练样本，包括：
85.将目标银行网点多个周期的历史经营特征向量作为二维矩阵的第一维度向量，并根据多个所述第一维度向量得到当前历史经营矩阵；
86.重复执行预设移位次数的矩阵移位步骤，所述矩阵移位步骤包括：将所述当前历史经营矩阵沿第二维度方向移位预设单元得到错位矩阵并将所述错位矩阵作为所述当前历史经营矩阵；
87.将所述当前历史经营矩阵和多个所述错位矩阵沿第一维度方向进行拼接得到历史数据矩阵；
88.基于所述历史数据矩阵的第一维度向量，得到训练样本。
89.示例性的，所述将目标银行网点多个周期的历史经营特征向量作为二维矩阵的第一维度向量，并根据多个所述第一维度向量得到当前历史经营矩阵，可以为但不限于将历史经营特征向量作为第一维度向量，并按照历史经营特征向量所属周期对应的时间的顺序(可以为但不限于从早到晚的顺序或从晚到早的顺序等)沿着第二维度方向进行拼接整合，得到当前经营矩阵。其中，多个周期的具体数量，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制，例如，多个周期的具体数量可以为但不限于52、26、13、4或104等，优选为52。将目标银行网点多个周期的历史经营特征向量作为二维矩阵的第一维度向量，并根据多个所述第一维度向量得到当前历史经营矩阵，有如下例子：
90.多个历史经营特征向量，具体为2021年中52个星期(52周)分别对应的历史经营特征向量，且第一维度设定为行，第二维度设定为列。其中，第1周对应的历史经营特征向量为v1(1001，10000000，50000，100)，第2周对应的历史经营特征向量为v2(1100，12000000，45000，90)，第3周对应的历史经营特征向量为v3(900，11000000，46000，85)，第4周对应的
历史经营特征向量为v4(950，9780000，40000，70)
……
第52周对应的历史经营特征向量为v52(1200，13100000，42500，110)，则将向量v1至v52均调整为行向量的形式，以将其作为二维矩阵的行向量，之后进行拼接，则得到的当前历史经营矩阵具体为：
[0091][0092]
该当前历史经营矩阵也可简化表示为：
[0093][0094]
其中，第5周至第51周的历史经营特征向量在本发明实施例中未被示出。
[0095]
需要说明的是，对于将目标银行网点多个周期的历史经营特征向量作为二维矩阵的第一维度向量，并根据多个所述第一维度向量得到当前历史经营矩阵的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0096]
示例性的，若第二维度为行，则第二维度方向为行方向，具体可以为但不限于向左或向右等，若第二维度为列，则第二维度方向为列方向，具体可以为但不限于向上或向下等。需要说明的是，对于第二维度方向，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0097]
示例性的，所述预设单元，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制，例如，所述预设单元，可以为但不限于1行(或列)，2行(或列)或3行(或列)等，优选为1行。
[0098]
示例性的，所述预设移位次数，等于预期的后续历史数据矩阵的第一维度向量(后续所期望的输入到模型中的单个输入)的长度除以当前历史经营矩阵的第一维度向量的长度得到的倍数(表示历史数据矩阵中的第一维度向量包括几个周期的历史经营特征向量)减1后的数，例如，若期望另后续历史数据矩阵的第一维度向量的长度为当前历史经营矩阵的第一维度向量的长度的4倍(表示历史数据矩阵中的第一维度向量包括4个周期的历史经营特征向量)，则预设移位次数为3。需要说明的是，预设移位次数的具体值，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0099]
示例性的，所述移位预设单元得到错位矩阵的具体方式，可以为但不限于补码(补零)移位或循环移位等。
[0100]
示例性的，重复执行预设移位次数的矩阵移位步骤，有如下例子：
[0101]
已知预设移位次数为3，第二维度方向为列方向(向上)，预设单元为1行，移位方式
为补码移位，且最初的当前历史经营矩阵为：
[0102][0103]
则第1次将所述当前历史经营矩阵沿第二维度方向移位预设单元得到的错位矩阵为：
[0104][0105]
将上述错位矩阵作为当前历史经营矩阵，则第2次将所述当前历史经营矩阵沿第二维度方向移位预设单元得到的错位矩阵为：
[0106][0107]
将上述错位矩阵作为当前历史经营矩阵，则第3次将所述当前历史经营矩阵沿第二维度方向移位预设单元得到的错位矩阵为：
[0108][0109]
则所述当前历史经营矩阵和多个所述错位矩阵，累计包括：
[0110][0111]
总计4个矩阵。
[0112]
需要说明的是，对于重复执行预设移位次数的矩阵移位步骤的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0113]
通过上述步骤，能够以矩阵移位和拼接的方式，更有序、更快捷地将多个周期的历史经营特征向量进行高效整合，使得到的历史数据矩阵的每个第一维度向量均包括各不相同的多个周期的历史经营特征向量，且每个第一维度向量的历史经营特征向量的数量均相同，使后续确定训练样本时，可以直接对历史数据矩阵中的不同第一维度向量进行提取得到部分样本，无需耗费较长时间梳理样本、寻找样本、整理样本，提高了确定训练样本的速度。且提取得到的部分样本，包括预期输入数量(该数量满足训练需求和预测需求，以使后续预测准确性达到要求)的、各不相同的多个周期的历史经营特征向量，使该部分样本能更好地满足后续的训练需求，有利于提高后续训练模型的效率以提高训练得到的模型的运算速度和准确性。因此，上述步骤能够提高整体现金调配的速度和准确性。
[0114]
在一个可选的实施方式中，所述将所述当前历史经营矩阵和多个所述错位矩阵沿第一维度方向进行拼接得到历史数据矩阵，包括：
[0115]
将所述当前历史经营矩阵和多个所述错位矩阵按对应的第一个第一维度向量对应周期的时间的顺序沿第一维度方向进行拼接，得到所述历史数据矩阵。
[0116]
示例性的，若第一维度为行，则第一维度方向为行方向，具体可以为但不限于向左或向右等，若第一维度为列，则第一维度方向为列方向，具体可以为但不限于向上或向下等。需要说明的是，对于第一维度方向，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0117]
示例性的，所述对应周期的时间的顺序，可以为但不限于从早到晚或从晚到早的顺序。
[0118]
示例性的，对多个矩阵进行拼接，得到一个大矩阵，为本领域常规技术手段，这里不再赘述。
[0119]
示例性的，所述第一个第一维度向量，具体可解释为：在第一维度为行时，第一个第一维度向量则为矩阵中的第一行向量(即矩阵中位置最靠上的行向量)，在第一维度为列时，第一个第一维度向量则为矩阵中的第一列向量(即矩阵中位置最靠左的列向量)。需要说明的是，对于第一个第一维度向量的具体含义，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0120]
示例性的，所述将所述当前历史经营矩阵和多个所述错位矩阵按对应的第一个第一维度向量对应周期的时间的顺序沿第一维度方向进行拼接，得到所述历史数据矩阵，有如下例子：
[0121]
已知第一维度方向为向右(行方向)。第一维度为行。
[0122]
当前历史经营矩阵和多个所述错位矩阵，累计包括：
[0123][0124]
总计4个矩阵，且矩阵vt1的第一个第一维度向量为v1，矩阵vt2的第一个第一维度向量为v2，矩阵vt3的第一个第一维度向量为v3，矩阵vt4的第一个第一维度向量为v4，且v1、v2、v3和v4按对应周期的时间的顺序(从早到晚)排序为v1、v2、v3、v4，则确定拼接的顺序为vt1、vt2、vt3、vt4。拼接后得到的历史数据矩阵具体为：
[0125][0126]
该历史数据矩阵也可简化表示为：
[0127]
(vt1vt2vt3vt4)
[0128]
需要说明的是，对于将所述当前历史经营矩阵和多个所述错位矩阵按对应的第一个第一维度向量对应周期的时间的顺序沿第一维度方向进行拼接，得到所述历史数据矩阵的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0129]
通过上述步骤，更有利于使历史数据矩阵的每个第一维度向量均包括各不相同的多个周期的历史经营特征向量，且在历史数据矩阵的每个第一维度向量中，多个周期的历史经营特征向量为按对应的时间顺序排列，因此有利于减少后续模型训练过程中有关排序操作的复杂度，从而上述步骤能够提高模型训练的速度和准确性，进而提高整体现金调配的速度和准确性。
[0130]
在一个可选的实施方式中，如图2所示，所述基于所述历史数据矩阵的第一维度向量，得到训练样本，包括如下步骤：
[0131]
s201：基于所述历史数据矩阵的多个第一维度向量，分别得到对应的历史金额需求区间。
[0132]
s202：将所述历史数据矩阵的第一维度向量作为输入样本，并将对应的所述历史金额需求区间作为对应的输出样本。
[0133]
s203：分别基于多个所述输入样本和对应的输出样本，得到对应的训练样本。
[0134]
示例性的，一个输入样本对应一个输出样本，即历史数据矩阵中的一个第一维度向量对应一个历史金额需求区间。
[0135]
示例性的，所述分别基于多个所述输入样本和对应的输出样本，得到对应的训练
样本，可以为但不限于将多个所述输入样本和对应的输出样本进行整合，得到对应的训练样本。其中，一个训练样本中可以包括一个输入样本和一个与输入样本对应的输出样本。需要说明的是，对于分别基于多个所述输入样本和对应的输出样本，得到对应的训练样本的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0136]
通过上述步骤，能够使得到得历史金额需求区间对应历史数据矩阵中的第一维度向量，而历史数据矩阵中的一个第一维度向量又对应多个周期的历史经营特征向量，因此确定的历史金额需求区间能够准确地对应多个周期的历史经营特征向量，从而使后续将历史金额需求区间作为输出样本形成的训练样本，能够准确符合预测现金需求量的规律和逻辑，即训练过程能够准确地模拟使用已知的多个周期的经营特征向量去预测未来某个周期的现金需求的功能，且由于金额需求包括现金需求(金额需求量大于现金需求量)，因此使用金额需求区间作为标准输出训练模型，能够使模型在实际使用时预测得到的现金需求量区间会偏大，以使后续现金调配时，能够多给目标银行网点调配现金，以使目标银行网点的现金储备留有富裕，以应对可能发生的额外需要现金的情况(例如，储备的现金临时需要投到别的业务上，若不留有富裕，则剩下的储备现金则可能无法满足用户的提现需求)。因此，上述步骤能够提高得到对应的训练样本的准确性，从而提高训练得到的模型的预测速度和预测准确性，并充分考虑了实际情况，有利于提高用户的体验，进而提高了整体现金调配的速度和准确性。
[0137]
在一个可选的实施方式中，如图3所示，所述基于所述历史数据矩阵的多个第一维度向量，分别得到对应的历史金额需求区间，包括如下步骤：
[0138]
s301：基于所述历史数据矩阵的第一维度向量，得到所述历史数据矩阵的第一维度向量对应的最晚经营周期。
[0139]
s302：基于所述最晚经营周期的下一周期的实际金额需求，得到对应的所述历史金额需求区间。
[0140]
示例性的，所述基于所述历史数据矩阵的第一维度向量，得到所述历史数据矩阵的第一维度向量对应的最晚经营周期，可以为但不限于基于所述历史数据矩阵的多个第一维度向量，确定历史数据矩阵中每个第一维度向量所包括的多个周期历史经营特征向量，由于历史经营特征向量的所属周期已知，且所属周期对应的时间已知，则单个历史经营特征向量对应的时间也是已知的，则可以将对应时间最晚的所述历史经营特征向量对应的所属周期确定为历史数据矩阵中对应的第一维度向量的最晚经营周期。需要说明的是，对于基于所述历史数据矩阵的第一维度向量，得到所述历史数据矩阵的第一维度向量对应的最晚经营周期的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0141]
示例性的，所述最晚经营周期的下一周期，可以为但不限于在时间上晚于该最晚经营周期但又邻接于该最晚经营周期的周期，例如，若最晚经营周期为2021年3月份的第1周(假设周期范围为2021年3月1日至2021年3月7日)，则对应的下一周期则为2021年3月份的第2周(对应的，其周期范围为2021年3月8日至2021年3月14日)。需要说明的是，对于最晚经营周期的下一周期的具体含义，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0142]
示例性的，所述基于所述最晚经营周期的下一周期的实际金额需求，得到对应的所述历史金额需求区间，可以为但不限于通过相关数据库、系统或业务应用等进行查询确定最晚经营周期的下一周期的实际金额需求信息，其中，该实际金额需求信息包括但不限于该下一周期的所有用户的累计提款金额或过去预估的历史现金需求量等，然后从实际金额需求信息中选取其中一个能代表相关金额需求的参数(例如，可以选取累计提款金额或过去预估的历史现金需求量等)，并判断该参数的值属于多个预设的可选区间中的哪个区间，将所属的区间确定为所述历史金额需求区间。其中，多个预设的可选区间，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制，但是，多个可选区间之间不发生任何交集，例如，多个预设的可选区间，包括但不限于：[0，100万)、[100万，1000万)、[1000万，5000万)、[5000万，1亿)以及[1亿， ∞)。需要说明的是，对于基于所述最晚经营周期的下一周期的实际金额需求，得到对应的所述历史金额需求区间的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0143]
由于实际的预测现金需求量的场景，一般为对当前时间所在周期的下一周期的现金需求量区间进行预测，且确定的历史金额需求区间的过程，是以历史中实际的金额需求信息为依据进行确定，因此，上述步骤能够提高确定的历史金额需求区间的准确性，从而提高训练样本的准确性，进而提高整体现金调配的准确性。此外，另模型对现金需求量区间进行预测，而不是直接对具体的现金需求量进行预测，是因为若将粒度细化到具体的某个现金需求量，模型的训练需耗费较长时间，且模型的执行逻辑会变得非常复杂，进行预测的时间也会大幅增加，因此，另模型对现金需求量区间进行预测，能够大幅度减小整体现金调配的时间，提高整体现金调配的速度，且对现金需求量区间进行预测，已经能够满足现金调配的需求，后续工作人员只需得知反馈的现金需求量区间，即可自行调配。
[0144]
在一个可选的实施方式中，如图4所示，所述根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间，包括如下步骤：
[0145]
s401：根据所述当前经营特征向量和对应周期的时间，得到当前输入向量。
[0146]
s402：将所述当前输入向量输入到所述成熟模型以使所述成熟模型运算得到所述预测现金需求量区间。
[0147]
示例性的，一个当前经营特征向量对应一个周期。其中，所述多个周期的当前经营特征向量，可以为但不限于距离当前时间最近的几个周期的当前经营特征向量，多个周期的当前经营特征向量的数量(即所选周期数)，需要与历史数据矩阵的一个第一维度向量所包括的历史经营特征向量的数量一致。例如，若当前时间2022年4月16日，其处于的周期的范围为2022年4月12日至2022年4月18日，则多个周期的当前经营特征向量可包括但不限于：范围为2022年4月5日至2022年4月11日的周期对应的经营特征向量、范围为2022年3月29日至2022年4月4日的周期对应的经营特征向量、范围为2022年3月22日至2022年3月28日的周期对应的经营特征向量以及范围为2022年3月15日至2022年3月21日的周期对应的经营特征向量。需要说明的是，对于多个周期的当前经营特征向量，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0148]
示例性的，所述根据所述当前经营特征向量和对应周期的时间，得到当前输入向量，可以为但不限于将当前经营特征向量按照对应周期的时间的顺序(可以为由早到晚或
由晚到早)进行拼接，得到当前输入向量。需要说明的是，对于根据所述当前经营特征向量和对应周期的时间，得到当前输入向量的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0149]
示例性的，将输入数据输入到模型中使模型进行运算得到对应的结果，为本领域常规技术手段，这里不再赘述。
[0150]
通过步骤s401，能够将多个当前经营特征向量整合为一个当前输入向量，在不造成输入损失的情况下减少了输入到模型中的向量数量，便于模型进行运算处理，提高了模型的预测速度。通过步骤s402，能够以正确的模型使用方法使用模型来得到预测现金需求量区间，有利于确定预测现金需求量区间的速度和准确性，从而提高整体现金调配的速度和准确性。
[0151]
在一个可选的实施方式中，如图5所示，所述基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配，包括如下步骤：
[0152]
s501：判断所述现金储备量是否小于所述预测现金需求量区间的下限。
[0153]
s502：若是，根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备不足告警信息，以使工作人员基于所述现金储备不足告警信息对现金进行调配。
[0154]
示例性的，所述预测现金需求量区间，为多个预设的可选区间中的其中一个，所述预设的可选区间，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制，但是，多个可选区间之间不发生任何交集，例如，多个预设的可选区间，包括但不限于：[0，100万)、[100万，1000万)、[1000万，5000万)、[5000万，1亿)以及[1亿， ∞)。
[0155]
示例性的，所述现金储备量的性质，为储备的现金的总金额。例如，储备的现金的总金额若为300万元，则现金储备量则为300万元。
[0156]
示例性的，所述根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备不足告警信息，可以为但不限于向工作人员反馈诸如“预测未来一周的现金需求量的范围为a万元至b万元，当前的现金储备量为c万元，小于预测的现金需求量范围的下限，现金储备不足，请有关工作人员进行现金调配以增加现金储备”等告警信息，其中，a指预测现金需求量区间的下限，b指预测现金需求量区间的上限，c指现金储备量。需要说明的是，对于根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备不足告警信息的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0157]
示例性的，工作人员在现金储备不足时，可从外部向目标银行网点内部调取现金，使现金储备量提高到预测现金需求量区间内的某个值，以完成现金调配。需要说明的是，工作人员的具体调配操作，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0158]
通过上述步骤，能够提高反馈的告警信息的详细程度和准确性，使工作人员在现金储备量不足时，通过告警信息对有关的信息能够充分了解，从而有利于使工作人员更准确快速地对现金进行调配，能够更好地满足用户的提现需求，进而有利于提高银行的运行效率和用户的体验。
[0159]
在一个可选的实施方式中，进一步包括：
[0160]
在判断所述现金储备量不小于所述预测现金需求量区间的下限时，判断所述现金储备量是否大于所述预测现金需求量区间的上限；
[0161]
若是，根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备过量告警信息，以使工作人员基于所述现金储备过量告警信息对现金进行调配。
[0162]
示例性的，所述预测现金需求量区间，为多个预设的可选区间中的其中一个，所述预设的可选区间，可由本领域技术人员根据实际情况确定，本发明实施例对此并不做出限制，但是，多个可选区间之间不发生任何交集，例如，多个预设的可选区间，包括但不限于：[0，100万)、[100万，1000万)、[1000万，5000万)、[5000万，1亿)以及[1亿， ∞)。
[0163]
示例性的，所述现金储备量的性质，为储备的现金的总金额。例如，储备的现金的总金额若为300万元，则现金储备量则为300万元。
[0164]
示例性的，所述根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备过量告警信息，可以为但不限于向工作人员反馈诸如“预测未来一周的现金需求量的范围为a万元至b万元，当前的现金储备量为c万元，大于预测的现金需求量范围的上限，现金储备过剩，请有关工作人员进行现金调配以减少现金储备，并将扣除的现金调配至其他现金储备不足的网点”等告警信息，其中，a指预测现金需求量区间的下限，b指预测现金需求量区间的上限，c指现金储备量。需要说明的是，对于根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备过量告警信息的具体实现方式，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0165]
示例性的，工作人员在现金储备过量时，可将储备的多余的现金调配至其他现金储备不足的银行网点中，在使目标银行网点的现金储备量下降到预测现金需求量区间内的某个值的同时，使其他现金储备不足的银行网点能够及时得到现金补充，以完成现金调配。需要说明的是，工作人员的具体调配操作，可由本领域技术人员根据实际情况确定，上述说明仅为举例，对此并不构成限制。
[0166]
通过上述步骤，能够提高反馈的告警信息的详细程度和准确性，使工作人员在现金储备量过剩时，通过告警信息对有关的信息能够充分了解，从而有利于使工作人员更准确快速地对现金进行调配，能够更好地满足用户的提现需求，进而有利于提高银行的运行效率和用户的体验。
[0167]
基于相同原理，本发明实施例公开了一种银行网点现金调配装置600，如图6所示，该银行网点现金调配装置600包括：
[0168]
训练样本生成模块601，用于根据目标银行网点多个周期的历史经营特征向量，得到训练样本；
[0169]
预测模块602，用于用所述训练样本训练预设的序列处理模型，得到成熟模型；根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间；
[0170]
调配模块603，用于判断目标银行网点的现金储备量是否处于所述预测现金需求量区间，若否，基于所述现金储备量和预测现金需求量区间向工作人员反馈对应的告警信息，以使工作人员对目标银行网点的现金进行调配。
[0171]
在一个可选的实施方式中，进一步包括第一向量化模块，用于：
[0172]
在根据目标银行网点多个周期的历史经营特征向量，得到训练样本之前，
[0173]
将目标银行网点多个周期的历史经营信息进行特征提取处理，得到对应的所述历史经营特征向量。
[0174]
在一个可选的实施方式中，进一步包括第二向量化模块，用于：
[0175]
在根据目标银行网点多个周期的当前经营特征向量和所述成熟模型，得到目标银行网点下一周期的预测现金需求量区间之前，
[0176]
将目标银行网点多个周期的当前经营信息进行特征提取处理，得到对应的所述当前经营特征向量。
[0177]
在一个可选的实施方式中，所述训练样本生成模块601，用于：
[0178]
将目标银行网点多个周期的历史经营特征向量作为二维矩阵的第一维度向量，并根据多个所述第一维度向量得到当前历史经营矩阵；
[0179]
重复执行预设移位次数的矩阵移位步骤，所述矩阵移位步骤包括：将所述当前历史经营矩阵沿第二维度方向移位预设单元得到错位矩阵并将所述错位矩阵作为所述当前历史经营矩阵；
[0180]
将所述当前历史经营矩阵和多个所述错位矩阵沿第一维度方向进行拼接得到历史数据矩阵；
[0181]
基于所述历史数据矩阵的第一维度向量，得到训练样本。
[0182]
在一个可选的实施方式中，所述训练样本生成模块601，用于：
[0183]
将所述当前历史经营矩阵和多个所述错位矩阵按对应的第一个第一维度向量对应周期的时间的顺序沿第一维度方向进行拼接，得到所述历史数据矩阵。
[0184]
在一个可选的实施方式中，所述训练样本生成模块601，用于：
[0185]
基于所述历史数据矩阵的多个第一维度向量，分别得到对应的历史金额需求区间；
[0186]
将所述历史数据矩阵的第一维度向量作为输入样本，并将对应的所述历史金额需求区间作为对应的输出样本；
[0187]
分别基于多个所述输入样本和对应的输出样本，得到对应的训练样本。
[0188]
在一个可选的实施方式中，所述训练样本生成模块601，用于：
[0189]
基于所述历史数据矩阵的第一维度向量，得到所述历史数据矩阵的第一维度向量对应的最晚经营周期；
[0190]
基于所述最晚经营周期的下一周期的实际金额需求，得到对应的所述历史金额需求区间。
[0191]
在一个可选的实施方式中，所述预测模块602，用于：
[0192]
根据所述当前经营特征向量和对应周期的时间，得到当前输入向量；
[0193]
将所述当前输入向量输入到所述成熟模型以使所述成熟模型运算得到所述预测现金需求量区间。
[0194]
在一个可选的实施方式中，所述调配模块603，用于：
[0195]
判断所述现金储备量是否小于所述预测现金需求量区间的下限；
[0196]
若是，根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备不足告警信息，以使工作人员基于所述现金储备不足告警信息对现金进行调配。
[0197]
在一个可选的实施方式中，进一步包括子调配模块，用于：
[0198]
在判断所述现金储备量不小于所述预测现金需求量区间的下限时，判断所述现金储备量是否大于所述预测现金需求量区间的上限；
[0199]
若是，根据所述现金储备量和预测现金需求量区间，向工作人员反馈现金储备过量告警信息，以使工作人员基于所述现金储备过量告警信息对现金进行调配。
[0200]
由于该银行网点现金调配装置600解决问题的原理与以上方法类似，因此本银行网点现金调配装置600的实施可以参见以上的方法的实施，在此不再赘述。
[0201]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0202]
在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。
[0203]
下面参考图7，其示出了适于用来实现本技术实施例的计算机设备700的结构示意图。
[0204]
如图7所示，计算机设备700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的工作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702、以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0205]
以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶反馈器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装如存储部分708。
[0206]
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。
[0207]
计算机可读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。计算机的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，磁带磁磁盘存储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。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0208]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0209]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0210]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0211]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0212]
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
[0213]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0214]
本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0215]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
[0216]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。