WO2020215681A1 - 指示信息生成方法、装置、终端及存储介质 - Google Patents

指示信息生成方法、装置、终端及存储介质 Download PDF

Info

Publication number
WO2020215681A1
WO2020215681A1 PCT/CN2019/117602 CN2019117602W WO2020215681A1 WO 2020215681 A1 WO2020215681 A1 WO 2020215681A1 CN 2019117602 W CN2019117602 W CN 2019117602W WO 2020215681 A1 WO2020215681 A1 WO 2020215681A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
target user
target
self
user
Prior art date
Application number
PCT/CN2019/117602
Other languages
English (en)
French (fr)
Inventor
王保军
Original Assignee
平安科技（深圳）有限公司
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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2020215681A1 publication Critical patent/WO2020215681A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/453—Help systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Definitions

  • This application relates to the field of data analysis technology, and in particular to a method, device, terminal and storage medium for generating indication information.
  • This application provides a method, device, terminal and storage medium for generating instruction information to solve the problem that the existing process guidance instructions are relatively fixed, and it is difficult to provide a flexible operation guidance according to the needs of users.
  • the intelligent guidance effect is poor, resulting in business Deal with inefficient issues.
  • This application provides a method for generating indication information, including the following steps:
  • the node data includes at least the relevance of each historical operation information, user information, to-do business information, and certificate information
  • An indication information generating device provided by this application includes:
  • the obtaining module is used to obtain multiple operation information performed by the target user on the business item information displayed on the interface of the self-service business terminal;
  • the generating module is used to obtain the historical operation information of the user in each self-service business terminal from the background server, and generate node data from the historical operation information;
  • the analysis module is used to use the node data to train the convolutional neural network model until it converges to obtain an indication model; wherein the node data includes the relevance of each historical operation information, user information, to-do business information, At least one of the credential information; input the operation information of the target user into the indication model, and analyze the operation information using the indication model to predict and analyze the next operation of the target user to determine the target The predicted probability of the user performing each next operation;
  • the selection module is configured to select the next operation with the largest predicted probability according to the predicted probability, obtain the target operation, and generate the instruction information of the target operation, and display the instruction information on the interface of the self-service terminal.
  • the present application provides a terminal including a memory and a processor.
  • the memory stores computer-readable instructions.
  • the processor is caused to perform the following steps:
  • the node data includes at least the relevance of each historical operation information, user information, to-do business information, and certificate information
  • the present application provides a storage medium on which computer-readable instructions are stored.
  • the computer-readable instructions are executed by a processor, the following steps are implemented:
  • the node data includes at least the relevance of each historical operation information, user information, to-do business information, and certificate information
  • the instruction information generating method, device, terminal and storage medium provided in this application obtain multiple operation information performed by the target user on the business item information displayed on the interface of the self-service terminal; and obtain each self-service terminal from the back-end server According to the historical operation information of the user in the historical operation information, node data is generated from the historical operation information; then the next step operation of the target user is predicted and analyzed according to the node data and operation information, and the next operation of the target user is determined Finally, the next operation with the largest predicted probability is selected according to the predicted probability, and the target operation is obtained, and the instruction information of the target operation is generated, and the instruction information is displayed on the interface of the self-service terminal.
  • This application predicts and analyzes the next operation of the target user based on the operation information of the target user, and displays the instruction information of the next operation, so that the target user can perform subsequent operations according to the instruction information, thereby providing a flexible operation guidance and realizing intelligent guidance. Improve the guidance effect of self-service business terminals, thereby improving business processing efficiency.
  • Fig. 1 is an implementation environment diagram of a method for generating indication information provided in an embodiment of this application
  • FIG. 2 is a flowchart of an embodiment of a method for generating indication information of an application
  • Fig. 3 is a block diagram of an embodiment of an application indication information generating device
  • Fig. 4 is a block diagram of the internal structure of a terminal in an embodiment of the application.
  • FIG. 1 is a diagram of an implementation environment of a method for generating instruction information provided in an embodiment.
  • the implementation environment includes a server 110 and a self-service business terminal 120.
  • the self-service terminal 120 is connected to the server 110 through the network.
  • the self-service terminal 120 is equipped with a client or browser.
  • the user can self-service related services through the self-service terminal 120, such as processing credit card applications and lending on a bank self-service terminal.
  • instruction information will be displayed on the interface of the self-service business terminal 120 to guide users to process and improve business processing efficiency.
  • the aforementioned network may include the Internet, 2G/3G/4G, wifi, and so on.
  • the server 110 may be an independent physical server or terminal, or a server cluster composed of multiple physical servers, and may be a cloud server that provides basic cloud computing services such as cloud servers, cloud databases, cloud storage, and CDN.
  • This application provides a method for generating instruction information, which can be applied to banks, hospitals, insurance, securities,
  • the guiding concept is introduced into the self-service business terminals to provide a flexible operation guidance according to the needs of users, improve the effect of intelligent guidance, and thereby improve the efficiency of business processing.
  • the indication information generation method includes the following steps:
  • the total business item information when the user uses the self-service terminal, the total business item information will be displayed on the homepage of the self-service terminal.
  • the user selects the corresponding total business item information according to the business to be handled, and the interface will display the total business item information Other business item information under the branch.
  • multiple operation information of the target user will be generated, such as the selected business item information, the relevance of each business item information, and the information entered on each business item information Wait.
  • the business item information may be a self-service business type displayed on a self-service business terminal. Taking a self-service banking terminal as an example, the business item information may include "bank card service", “transfer”, “lending”, “financial Services” and other banking business item information.
  • the operation information is user operation data generated when operating the business item information.
  • This embodiment can collect the historical operation information of users in each self-service business terminal, filter the historical operation information, remove invalid information, to generate node data and save it in the database, so as to maintain single-node data and facilitate the user’s history Save and recall operation information.
  • the deep learning model can be used to perform next-step operation predictive analysis on the historical operation information of each user in the node data and the current multiple operation information of the target user to obtain the predicted probability of the target user to perform each next operation. For example, when the target user selects the business item information of the transfer, the next operation performed may be the input of the payee account.
  • the next operation with the largest predicted probability is selected to obtain the target operation of the target user, and the instruction information for the target operation is generated.
  • the instruction information is displayed on the interface of the self-service terminal to prompt the target user of the next operation that may be required to improve the guidance effect of the self-service terminal.
  • the instruction information can be displayed in the form of text or icon, and when displayed, it can be displayed at the business item information corresponding to the next operation.
  • the instruction information generation method provided in this application obtains multiple operation information performed by the target user on the business item information displayed on the interface of the self-service business terminal; and obtains the historical operation information of the user in each self-service business terminal from the back-end server , Generate node data from the historical operation information; then perform predictive analysis on the target user’s next operation based on the node data and operation information, and determine the predicted probability of the target user to perform each next operation; The predicted probability selects the next operation with the largest predicted probability, obtains the target operation, generates the instruction information of the target operation, and displays the instruction information on the interface of the self-service terminal.
  • This application predicts and analyzes the next operation of the target user based on the operation information of the target user, and displays the instruction information of the next operation, so that the target user can perform subsequent operations according to the instruction information, thereby providing a flexible operation guidance and realizing intelligent guidance. Improve the guidance effect of self-service business terminals, thereby improving business processing efficiency.
  • step S23 the step of predicting and analyzing the next operation of the target user according to the node data and operation information may specifically include:
  • A1 Use the node data to train the convolutional neural network model until it converges to obtain an indication model; wherein, the node data includes the relevance of each historical operation information, user information, to-do business information, and certificate information. At least one of
  • the deep learning model in this embodiment is a convolutional neural network model.
  • the node data can be used to train the convolutional neural network model until convergence , That is, when the training result meets the preset requirements, a qualified instruction model is obtained; in this training process, the more the amount of node data, the better the training effect.
  • A2 Input the operation information of the target user into the instruction model, and use the instruction model to predict and analyze the next operation of the target user.
  • the operation information of the target user is input into a trained instruction model, and the instruction model is used to predict and analyze the next operation of the target user, thereby automatically obtaining the next operation that the target user may perform.
  • step A2 the step of using the indicator model to predict and analyze the next operation of the target user may specifically include:
  • A21 Extract the operation content and operation time from each operation information of the target user
  • A22 Analyze the correlation between the operation information according to the operation time and operation content
  • the correlation between various operation information can be analyzed according to the sequence of the operation time and the operation content.
  • bank card processing when the target user clicks "bank card service”, “card application”, “information filling”, “card activation” and other business item information on the self-service bank terminal, they can click according to the time of clicking
  • the sequence and the content of each operation are related to the corresponding operation information of "bank card service", “card application”, “information filling”, and “card activation”.
  • the operation of "bank card service” needs to be in “card application” Before “application”, “fill in information” should be operated after “application for card”.
  • A23 Generate the operation flow of the target user according to the relevance, and query the historical operation flow matching the operation flow from the database according to the operation flow to obtain the target operation flow; wherein, all users are stored in the database Historical operation process;
  • the operation flow of the target user is generated according to the relevance of the operation information, and the operation flow is matched with the historical operation flow of each user in the database, and the matching historical operation flow is filtered out to obtain multiple target operation flows.
  • the historical operation process is the entire operation process performed by the user to successfully handle the business. Specifically, when the user clicks on the four operations of "bank card service”, “card application”, “information filling”, and “card activation”, the operation process of the target user is generated: bank card service-card application Application-information filling-card activation, filter the historical operation process that exactly matches the target user's operation process, that is, the operation content and operation time are also completely matched.
  • A24 Analyze the predicted probability of the target user performing each next operation according to the target operation process.
  • the historical operation flow that completely matches the target user's operation flow is obtained.
  • the next operation that the target user may need to perform is obtained according to the target operation flow, and the predicted probability of the target user performing each next operation is calculated .
  • the A24 step may specifically include:
  • A241. Obtain the current operation of the target user from the operation information of the target user;
  • A242. Predict the next operation of the target user from each target operation process according to the current operation
  • A245. Calculate the proportion of the next operation of each target operation process in all next operations according to the classified statistical results, and obtain the predicted probability of the target user to perform each next operation.
  • the target user when the target user performs the four operations of "bank card service”, “card application”, “information filling”, and “card activation”, the target user's current operation is "open Card activation", according to the operation of "card activation”, query the next operation corresponding to the operation from each target operation process, so as to predict the next operation of the target user, and then classify and count the next operation of each target operation process , Divide the same next step into the same category, and count the number of next steps in the same category, and calculate the proportion of the next step of each target operation process to all next steps based on the classification statistics, and get the target user’s execution of each The predicted probability of the next operation.
  • step A1 after training the convolutional neural network model using the node data, the method may further include:
  • each base layer of the convolutional neural network model includes several nodes, the nodes between the base layer and the base layer are in a fully connected state, and the connection between the nodes usually has a weight parameter.
  • the weight parameter between nodes is a parameter value set at will.
  • the optimal weight parameter of the connection between the two generates a convolutional neural network model corresponding to the optimal weight parameter, and uses it as an indicator model.
  • the indication information generating method may further include:
  • the historical data of the target user is obtained from the historical database, and the historical data can be saved when the target user has already processed other services on the self-service business terminal
  • the data may include user name, gender, contact information, hometown, home address, bank card number and other information.
  • the corresponding information point can be extracted from the historical database according to the information to be filled in the task item to be filled, and the information point can be filled in the corresponding task item to be filled, thereby further improving the business processing efficiency.
  • the gender information point is extracted from the target user’s historical data, and the Information points are automatically filled in the task to be filled in gender, thereby further improving the efficiency of business processing.
  • the indication information generating method further includes:
  • the target user when the target user is using the self-service terminal for business, when the interface currently displayed by the self-service terminal exits abnormally, such as when the self-service terminal has a black screen or the current interface contains a task item to be filled out and exits, then Automatically save the business information entered by the user on the interface before the user exits abnormally, and collect the face image of the target user by starting the camera to obtain the target face image and save it in the database.
  • the filled service information may include information such as user name, gender, contact information, and address.
  • the face image is compared with the target face image pre-stored in the database, and after the comparison is passed, the filled business information of the target user is obtained and displayed on the interface.
  • the face image of the target user is collected by restarting the camera of the self-service terminal, and the face image is combined with the target face image pre-stored in the database.
  • the filled-in business information before the abnormal exit of the target user is obtained, and the filled-in business information is displayed on the interface, so as to prevent the user from re-entering and improve the efficiency of business processing.
  • an embodiment of the present application also provides an indication information generation device.
  • it includes an acquisition module 31, a generation module 32, an analysis module 33, and a selection module 34. among them,
  • the obtaining module 31 is configured to obtain multiple operation information performed by the target user on the business item information displayed on the interface of the self-service business terminal;
  • the total business item information when the user uses the self-service terminal, the total business item information will be displayed on the homepage of the self-service terminal.
  • the user selects the corresponding total business item information according to the business to be handled, and the interface will display the total business item information Other business item information under the branch.
  • multiple operation information of the target user will be generated, such as the selected business item information, the relevance of each business item information, and the information entered on each business item information Wait.
  • the business item information may be a self-service business type displayed on a self-service business terminal. Taking a self-service banking terminal as an example, the business item information may include "bank card service", “transfer”, “lending”, “financial Services” and other banking business item information.
  • the operation information is user operation data generated when operating the business item information.
  • the generating module 32 is configured to obtain historical operation information of users in each self-service business terminal from the back-end server, and generate node data from the historical operation information;
  • This embodiment can collect the historical operation information of users in each self-service business terminal, filter the historical operation information, remove invalid information, to generate node data and save it in the database, so as to maintain single-node data and facilitate the user’s history Save and recall operation information.
  • the analysis module 33 is configured to perform predictive analysis on the next operation of the target user according to the node data and operation information, and determine the predicted probability of the target user to perform each next operation;
  • the deep learning model can be used to perform next-step operation predictive analysis on the historical operation information of each user in the node data and the current multiple operation information of the target user to obtain the predicted probability of the target user to perform each next operation. For example, when the target user selects the business item information of the transfer, the next operation performed may be the input of the payee account.
  • the selection module 34 is configured to select the next operation with the largest predicted probability according to the predicted probability, obtain the target operation, and generate instruction information of the target operation, and display the instruction information on the interface of the self-service terminal.
  • the next operation with the largest predicted probability is selected to obtain the target operation of the target user, and the instruction information for the target operation is generated.
  • the instruction information is displayed on the interface of the self-service terminal to prompt the target user of the next operation that may be required to improve the guidance effect of the self-service terminal.
  • the instruction information can be displayed in the form of text or icon, and when displayed, it can be displayed at the business item information corresponding to the next operation.
  • the instruction information generating device obtaineds multiple operation information performed by the target user on the business item information displayed on the interface of the self-service business terminal; and obtains the historical operation information of the user in each self-service business terminal from the background server , Generate node data from the historical operation information; then perform predictive analysis on the target user’s next operation based on the node data and operation information, and determine the predicted probability of the target user to perform each next operation; The predicted probability selects the next operation with the largest predicted probability, obtains the target operation, generates the instruction information of the target operation, and displays the instruction information on the interface of the self-service terminal.
  • This application predicts and analyzes the next operation of the target user based on the operation information of the target user, and displays the instruction information of the next operation, so that the target user can perform subsequent operations according to the instruction information, thereby providing a flexible operation guidance and realizing intelligent guidance. Improve the guidance effect of self-service business terminals, thereby improving business processing efficiency.
  • the analysis module 33 is further configured to:
  • the node data includes at least the relevance of each historical operation information, user information, to-do business information, and certificate information
  • the operation information of the target user is input into the instruction model, the operation information is analyzed by the instruction model, and the next operation of the target user is used for predictive analysis.
  • the analysis module 33 is further configured to:
  • the analysis module 33 is further configured to:
  • the analysis module 33 is further configured to:
  • the convolutional neural network model is used as an indicator model.
  • the instruction information generating device further includes:
  • the extraction module is used to extract historical data of the target user from the database when the interface displayed by the self-service business terminal contains task items to be filled;
  • the filling module is used to extract information points from the historical data of the target user, and fill the information points into the corresponding task items to be filled.
  • the instruction information generating device further includes:
  • the saving module is used to save the filled business information entered by the user on the current interface when it is detected that the target user exits the interface displayed by the self-service terminal abnormally;
  • the collection module is used to start the camera of the self-service terminal to collect the face image of the target user when it is detected that the self-service terminal redisplays the interface before exit;
  • the comparison module is used to compare the face image with the target face image pre-stored in the database, and after the comparison is passed, obtain the filled business information of the target user and display it on the interface.
  • a terminal provided by the present application includes a memory and a processor.
  • the memory stores computer-readable instructions.
  • the processor executes the instructions as described above. The steps of the information generation method.
  • the terminal is a computer device, as shown in FIG. 4.
  • the computer equipment described in this embodiment may be equipment such as servers, personal computers, and network equipment.
  • the computer equipment includes a processor 402, a memory 403, an input unit 404, a display unit 405 and other devices.
  • the memory 403 may be used to store a computer program 401 (or referred to as computer-readable instructions) and various functional modules, and the processor 402 runs the computer program 401 stored in the memory 403 to execute various functional applications and data processing of the device.
  • the memory may be internal memory or external memory, or include both internal memory and external memory.
  • the internal memory may include read only memory (ROM), programmable ROM (PROM), electrically programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, or random access memory.
  • ROM read only memory
  • PROM programmable ROM
  • EPROM electrically programmable ROM
  • EEPROM electrically erasable programmable ROM
  • flash memory or random access memory.
  • External storage can include hard disks, floppy disks, ZIP disks, U disks, tapes, etc.
  • the memory disclosed in this application includes but is not limited to these types of memory.
  • the memory disclosed in this application is only an example and not a limitation.
  • the input unit 404 is used for receiving input of signals and receiving keywords input by the user.
  • the input unit 404 may include a touch panel and other input devices.
  • the touch panel can collect the user's touch operations on or near it (for example, the user uses any suitable objects or accessories such as fingers, stylus, etc., to operate on the touch panel or near the touch panel), and according to the preset
  • the program drives the corresponding connection device; other input devices may include, but are not limited to, one or more of a physical keyboard, function keys (such as playback control buttons, switch buttons, etc.), trackball, mouse, and joystick.
  • the display unit 405 can be used to display information input by the user or information provided to the user and various menus of the computer device.
  • the display unit 405 can take the form of a liquid crystal display, an organic light emitting diode, or the like.
  • the processor 402 is the control center of the computer equipment. It uses various interfaces and lines to connect the various parts of the entire computer. It executes by running or executing the software programs and/or modules stored in the memory 402 and calling the data stored in the memory. Various functions and processing data.
  • the computer device includes: one or more processors 402, a memory 403, and one or more computer programs 401, wherein the one or more computer programs 401 are stored in the memory 403 and configured to Executed by the one or more processors 402, the one or more computer programs 401 are configured to execute the instruction information generation method described in the above embodiments.
  • this application also proposes a storage medium storing computer-readable instructions; the storage medium may be a non-volatile readable storage medium; the computer-readable instructions are executed by one or more processors At this time, one or more processors are caused to execute the foregoing instruction information generation method.
  • the storage medium may be ROM, random access memory (RAM), CD-ROM, magnetic tape, floppy disk, optical data storage device, etc.
  • the aforementioned storage medium may be a magnetic disk, an optical disk, a read-only storage memory (Read-Only Non-volatile storage media such as Memory, ROM, or Random Access Memory (RAM), etc.
  • the instruction information generating method, device, terminal and storage medium provided in this application obtain multiple operation information performed by the target user on the business item information displayed on the interface of the self-service terminal; and obtain each self-service terminal from the back-end server According to the historical operation information of the user in the historical operation information, node data is generated from the historical operation information; then the next step operation of the target user is predicted and analyzed according to the node data and operation information, and the next operation of the target user is determined Finally, the next operation with the largest predicted probability is selected according to the predicted probability, and the target operation is obtained, and the instruction information of the target operation is generated, and the instruction information is displayed on the interface of the self-service terminal.
  • This application predicts and analyzes the next operation of the target user based on the operation information of the target user, and displays the instruction information of the next operation, so that the target user can perform subsequent operations according to the instruction information, thereby providing a flexible operation guidance and realizing intelligent guidance. Improve the guidance effect of self-service business terminals, thereby improving business processing efficiency.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

一种指示信息生成方法、装置、终端及存储介质。所述指示信息生成方法包括：获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息（S21）；从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将历史操作信息生成节点数据（S22）；根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率（S23）；根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成目标操作的指示信息，将所述指示信息显示在自助业务终端的界面上（S24）。该方案提供了一个灵活的操作引导，从而实现智能化引导，以提高自助业务终端的指示效果。

Description

指示信息生成方法、装置、终端及存储介质
本申请要求于2019年4月26日提交中国专利局、申请号为201910345836.8、发明名称为“指示信息生成方法、装置、终端及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及数据分析技术领域，尤其涉及一种指示信息生成方法、装置、终端及存储介质。
背景技术
人们在日常的工作和生活中会经常需要***业务，办理业务时都需要按照相应的办理流程办理。随着计算机技术的飞速发展，以及随着服务理念的转变，通过自助终端办理业务逐渐成为一种新的潮流，据统计目前在医院、银行、保险、证券、 通讯等领域都已经引入了自助终端。自助终端的使用改变了传统一对一、面对面业务办理方式，在释放了人力资源的同时又大大提高了业务的办理效率，因此，业务自助化办理已经成为一种趋势。
但随着常规APP不停的迭代升级,自助业务终端的功能越来越强大，应用页面越来越复杂，而现有的流程引导说明相对固定，很难以根据用户的需求提供一个灵活的操作引导，智能化引导效果较差，造成业务办理效率低。
发明内容
本申请提供一种指示信息生成方法、装置、终端及存储介质，以解决现有的流程引导说明相对固定，很难以根据用户的需求提供一个灵活的操作引导，智能化引导效果较差，造成业务办理效率低的问题。
为解决上述问题，本申请采用如下技术方案：
本申请提供一种指示信息生成方法，包括如下步骤：
获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
本申请提供的一种指示信息生成装置，包括：
获取模块，用于获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
生成模块，用于从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
分析模块，用于利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
选择模块，用于根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
本申请提供一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如下步骤：
获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
本申请提供一种存储介质，其上存储有计算机可读指令，所述计算机可读指令被处理器执行时，实现如下步骤：
获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
相对于现有技术，本申请的技术方案至少具备如下优点：
本申请提供的指示信息生成方法、装置、终端及存储介质，通过获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；并从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；然后根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；最后根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。本申请根据目标用户的操作信息预测分析目标用户的下一步操作，将下一步操作的指示信息进行显示，便于目标用户根据指示信息进行后续操作，从而提供一个灵活的操作引导，实现智能化引导，提高自助业务终端的指引效果，进而提高业务办理效率。
附图说明
图1为本申请一个实施例中提供的指示信息生成方法的实施环境图；
图2为本申请指示信息生成方法一种实施例流程框图；
图3为本申请指示信息生成装置一种实施例模块框图；
图4为本申请一个实施例中终端的内部结构框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S11、S12等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本领域普通技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语），具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
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，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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，本领域技术人员在没有作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。
图1为一个实施例中提供的指示信息生成方法的实施环境图，如图1所示，在该实施环境中，包括服务器110、自助业务终端120。自助业务终端120通过网络与服务器110连接，所述自助业务终端终端120上安装有客户端或浏览器，用户可通过自助业务终端120自助办理相关业务，如在银行自助终端机上办理***申请、借贷、转账等业务，办理时，自助业务终端120的界面上会显示指示信息，以引导用户办理，提高业务办理效率。其中，上述网络可以包括因特网、2G/3G/4G、wifi等。
需要说明的是，服务器110可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器。
请参阅图2，本申请提供了一种指示信息生成方法，可以应用在银行、医院、保险、证券、 通讯等业务机构的自助业务终端上，通过将引导式理念引入自助业务终端上，以根据用户的需求提供一个灵活的操作引导，提高智能化引导效果，进而提高业务办理效率。其中一种实施方式中，该指示信息生成方法包括如下步骤：
S21、获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
在本实施例中，用户在使用自助业务终端时，自助业务终端的首页上会展示总业务项目信息，用户根据所需办理的业务选择相应的总业务项目信息，界面会展示该总业务项目信息分支下的其他业务项目信息，在此过程中，会生成该目标用户的多个操作信息，如选择的业务项目信息、各业务项目信息之间的关联性、在各业务项目信息上输入的信息等。其中，所述业务项目信息可以是自助业务终端上显示的自助业务类型，以自助银行终端机为例，所述业务项目信息可包括“银行卡服务”、“转账”、“借贷”、“金融服务”等银行业务项目信息。所述操作信息为对业务项目信息进行操作时生成的用户操作数据。
S22、从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
本实施例可收集各个自助业务终端中的用户的历史操作信息，将历史操作信息进行筛选，去除无效信息，以生成节点数据并保存在数据库中，从而进行单节点的数据维护，便于用户的历史操作信息的保存和调用。
S23、根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
在本实施例中，可利用深度学习模型对节点数据中各用户的历史操作信息及目标用户的当前多个操作信息进行下一步操作预测分析，得到目标用户的执行各个下一步操作的预测概率。例如，当目标用户选择了转账的业务项目信息时，则执行的下一步操作可能为收款人账户的输入。
S24、根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
在本实施例中，根据预测分析得到的目标用户的执行各个下一步操作的预测概率，选择预测概率最大的下一步操作，从而得到目标用户的目标操作，并生成该目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上，以提示目标用户可能需要进行的下一步操作，提高自助业务终端的引导效果。其中，所述指示信息可以文字或图标的形式进行显示，显示时，可显示在下一步操作对应的业务项目信息处。
本申请提供的指示信息生成方法，通过获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；并从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；然后根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；最后根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。本申请根据目标用户的操作信息预测分析目标用户的下一步操作，将下一步操作的指示信息进行显示，便于目标用户根据指示信息进行后续操作，从而提供一个灵活的操作引导，实现智能化引导，提高自助业务终端的指引效果，进而提高业务办理效率。
为使本申请的目的、技术方案和优点更加清楚，下面结合具体实施例对本申请作进一步地详细描述。
在一实施例中，在步骤S23中，所述根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析的步骤，可具体包括：
A1、利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
本实施例的深度学习模型为卷积神经网络模型，在利用卷积神经网络模型对目标用户的下一步操作进行预测分析时，可先利用节点数据对卷积神经网络模型进行训练，直至收敛时，即训练结果满足预设要求时，得到训练合格的指示模型；在此训练过程中，节点数据的数据量越多，则训练效果越好。
A2、将目标用户的操作信息输入所述指示模型，利用指示模型对所述目标用户的下一步操作进行预测分析。
本实施例将目标用户的操作信息输入训练合格的指示模型中，利用指示模型对所述目标用户的下一步操作进行预测分析，从而自动得到目标用户可能进行的下一步操作。
在一实施例中，在步骤A2中，所述利用指示模型对所述目标用户的下一步操作进行预测分析的步骤，可具体包括：
A21、从目标用户的各操作信息中提取出操作内容及操作时间；
A22、根据操作时间及操作内容分析各操作信息之间的关联性；
在本实施例中，可根据操作时间的先后顺序及操作内容对各操作信息之间的关联性进行分析。以办理银行卡为例，目标用户在自助银行终端机上分别点击“银行卡服务”、“办卡申请”、“信息填写”、“开卡激活”等业务项目信息时，可根据点击的先后时间顺序及各操作内容对“银行卡服务”、“办卡申请”、“信息填写”、“开卡激活”相应的操作信息进行关联性分析，如“银行卡服务”的操作需要在“办卡申请”前，“信息填写”在“办卡申请”后操作。
A23、按照所述关联性生成目标用户的操作流程，并根据所述操作流程从数据库中查询与该操作流程相匹配的历史操作流程，得到目标操作流程；其中，所述数据库中存储有所有用户的历史操作流程；
本实施例根据各操作信息的关联性生成目标用户的操作流程，并将该操作流程与数据库中各用户的历史操作流程进行匹配，从中筛选出相匹配的历史操作流程，得到多个目标操作流程。其中，历史操作流程为用户成功办理业务所进行的整个操作流程。具体的，当用户分别点击了“银行卡服务”、“办卡申请”、“信息填写”、“开卡激活”这四个操作时，生成该目标用户的操作流程：银行卡服务—办卡申请—信息填写—开卡激活，从历史操作流程中筛选出与目标用户的操作流程完全匹配的历史操作流程，即操作内容及操作时间也完全匹配。
A24、根据目标操作流程分析目标用户的执行各个下一步操作的预测概率。
本实施例获取与目标用户操作流程完全匹配的历史操作流程，得到目标操作流程后，根据目标操作流程得到目标用户可能需要进行的下一步操作，并计算目标用户的执行各个下一步操作的预测概率。
在一实施例中，所述A24步骤可具体包括：
A241、从目标用户的操作信息中获取该目标用户的当前操作；
A242、根据当前操作从各目标操作流程中预测目标用户的下一步操作；
A243、对各目标操作流程的下一步操作进行分类统计；
A245、根据分类统计结果计算各目标操作流程的下一步操作占所有下一步操作的比重，得到目标用户的执行各个下一步操作的预测概率。
以银行卡申请为例，当目标用户进行了“银行卡服务”、“办卡申请”、“信息填写”、“开卡激活”这四个操作时，该目标用户当前进行的操作为“开卡激活”，根据“开卡激活”这一操作从各目标操作流程中查询该操作对应的下一步操作，从而预测目标用户的下一步操作，然后对各目标操作流程的下一步操作进行分类统计，将相同的下一步操作划分为同一类别，并统计相同类别的下一步操作的数量，根据分类统计结果计算各目标操作流程的下一步操作占所有下一步操作的比重，得到目标用户的执行各个下一步操作的预测概率。
在一实施例中，在步骤A1中，所述利用所述节点数据对卷积神经网络模型进行训练之后，还可包括：
（1）基于预设的损失函数，计算卷积神经网络模型的损失；
（2）当损失高于预设值时，调整所述卷积神经网络模型中各节点之间的连接的权重参数，对卷积神经网络模型重新训练，直至得到最佳权重参数，生成最佳权重参数对应的卷积神经网络模型作为指示模型。
在本实施例中，所述卷积神经网络模型的每一个基层都包含若干个节点，基层与基层之间的节点处于一种全连接的状态，且节点之间的连接通常具有一个权重参数。在对卷积神经网络模型进行训练之前，节点之间的权重参数为随意设置的参数值。在对卷积神经网络模型进行训练时，可以将海量的节点数据输入卷积神经网络模型中，然后计算卷积神经网络模型的损失，判断其损失是否大于预设值，若是，则调整所述卷积神经网络模型中各节点之间的连接的权重参数，对卷积神经网络模型重新训练，然后计算其损失，直至损失小于或等于预设值时，获得卷积神经网络模型中各节点之间的连接的最佳权重参数，生成最佳权重参数对应的卷积神经网络模型，将其作为指示模型。
在一实施例中，所述指示信息生成方法还可包括：
B1、当自助业务终端显示的界面上包含待填任务项时，从数据库中提取该目标用户的历史数据；
在本实施例中，自助业务终端当前展示的界面包含待填任务项时，从历史数据库中获取目标用户的历史数据，所述历史数据可为目标用户在自助业务终端上已办理其他业务时保存的数据。所述历史数据可包含用户姓名、性别、联系方式、籍贯、家庭住址、银行***等资料。
B2、从该目标用户的历史数据中提取出信息点，将信息点填入相应待填任务项中。
本实施例可根据待填任务项所需填入的信息，从历史数据库中提取出相应的信息点，将该信息点填入对应的待填任务项中，从而可以进一步提高业务办理效率。
例如，当待填任务项中需要填写目标用户的姓名时，而目标用户在之前办理其他业务时，已填写过该信息，则从目标用户的历史数据中提取出性别这一信息点，将该信息点自动填入性别这一待填任务项中，从而进一步提高业务办理效率。
在一实施例中，所述指示信息生成方法还包括：
B3、当检测到目标用户异常退出自助业务终端显示的界面时，保存用户在当前界面输入的已填业务信息；
在本实施例中，当目标用户在使用自助业务终端办理业务时，自助业务终端当前显示的界面异常退出时，如自助业务终端黑屏或当前界面中含有待填任务项未填写而退出时，则自动保存用户异常退出前用户在界面输入的已填业务信息，并通过启动摄像头采集目标用户的人脸图像，得到目标人脸图像，保存在数据库中。其中，所述已填业务信息可包括用户姓名、性别、联系方式、住址等信息。
B4、当检测到自助业务终端重新显示退出前的界面时，启动自助业务终端的摄像头，采集目标用户的人脸图像；
B5、将人脸图像与预存在数据库中的目标人脸图像进行比对，在比对通过后，获取该目标用户的已填业务信息显示在界面上。
在本实施例中，当检测到自助业务终端重新显示退出前的界面时，通过再次启动自助业务终端的摄像头采集目标用户的人脸图像，将人脸图像与预存在数据库中的目标人脸图像进行比对，比对通过后，获取该目标用户异常退出前的已填业务信息，将该已填业务信息显示在界面上，从而避免用户重新输入，提高业务办理效率。
请参考图3，本申请的实施例还提供一种指示信息生成装置，一种本实施例中，包括获取模块31、生成模块32、分析模块33及选择模块34。其中，
获取模块31，用于获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
在本实施例中，用户在使用自助业务终端时，自助业务终端的首页上会展示总业务项目信息，用户根据所需办理的业务选择相应的总业务项目信息，界面会展示该总业务项目信息分支下的其他业务项目信息，在此过程中，会生成该目标用户的多个操作信息，如选择的业务项目信息、各业务项目信息之间的关联性、在各业务项目信息上输入的信息等。其中，所述业务项目信息可以是自助业务终端上显示的自助业务类型，以自助银行终端机为例，所述业务项目信息可包括“银行卡服务”、“转账”、“借贷”、“金融服务”等银行业务项目信息。所述操作信息为对业务项目信息进行操作时生成的用户操作数据。
生成模块32，用于从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
本实施例可收集各个自助业务终端中的用户的历史操作信息，将历史操作信息进行筛选，去除无效信息，以生成节点数据并保存在数据库中，从而进行单节点的数据维护，便于用户的历史操作信息的保存和调用。
分析模块33，用于根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
在本实施例中，可利用深度学习模型对节点数据中各用户的历史操作信息及目标用户的当前多个操作信息进行下一步操作预测分析，得到目标用户的执行各个下一步操作的预测概率。例如，当目标用户选择了转账的业务项目信息时，则执行的下一步操作可能为收款人账户的输入。
选择模块34，用于根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
在本实施例中，根据预测分析得到的目标用户的执行各个下一步操作的预测概率，选择预测概率最大的下一步操作，从而得到目标用户的目标操作，并生成该目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上，以提示目标用户可能需要进行的下一步操作，提高自助业务终端的引导效果。其中，所述指示信息可以文字或图标的形式进行显示，显示时，可显示在下一步操作对应的业务项目信息处。
本申请提供的指示信息生成装置，通过获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；并从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；然后根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；最后根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。本申请根据目标用户的操作信息预测分析目标用户的下一步操作，将下一步操作的指示信息进行显示，便于目标用户根据指示信息进行后续操作，从而提供一个灵活的操作引导，实现智能化引导，提高自助业务终端的指引效果，进而提高业务办理效率。
在一实施例中，所述分析模块33还被配置为：
利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以所述目标用户的下一步操作进行预测分析。
在一实施例中，所述分析模块33还被配置为：
从目标用户的各操作信息中提取出操作内容及操作时间；
根据操作时间及操作内容分析各操作信息之间的关联性；
按照所述关联性生成目标用户的操作流程，并根据所述操作流程从数据库中查询与该操作流程相匹配的历史操作流程，得到目标操作流程；其中，所述数据库中存储有所有用户的历史操作流程；
根据目标操作流程分析目标用户的执行各个下一步操作的预测概率。
在一实施例中，所述分析模块33还被配置为：
从目标用户的操作信息中获取该目标用户的当前操作；
根据当前操作从各目标操作流程中预测目标用户的下一步操作；
对各目标操作流程的下一步操作进行分类统计；
根据分类统计结果计算各目标操作流程的下一步操作占所有下一步操作的比重，得到目标用户的执行各个下一步操作的预测概率。
在一实施例中，所述分析模块33还被配置为：
基于预设的损失函数，计算卷积神经网络模型的损失；
当损失高于预设值时，调整所述卷积神经网络模型中各节点之间的连接的权重参数，对卷积神经网络模型重新训练，直至得到最佳权重参数，生成最佳权重参数对应的卷积神经网络模型作为指示模型。
在一实施例中，所述指示信息生成装置还包括：
提取模块，用于当自助业务终端显示的界面上包含待填任务项时，从数据库中提取该目标用户的历史数据；
填入模块，用于从该目标用户的历史数据中提取出信息点，将信息点填入相应待填任务项中。
在一实施例中，所述指示信息生成装置还包括：
保存模块，用于当检测到目标用户异常退出自助业务终端显示的界面时，保存用户在当前界面输入的已填业务信息；
采集模块，用于当检测到自助业务终端重新显示退出前的界面时，启动自助业务终端的摄像头，采集目标用户的人脸图像；
比对模块，用于将人脸图像与预存在数据库中的目标人脸图像进行比对，在比对通过后，获取该目标用户的已填业务信息显示在界面上。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请提供的一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上所述的指示信息生成方法的步骤。
在一实施例中，所述终端为一种计算机设备，如图4所示。本实施例所述的计算机设备可以是服务器、个人计算机以及网络设备等设备。所述计算机设备包括处理器402、存储器403、输入单元404以及显示单元405等器件。本领域技术人员可以理解，图4示出的设备结构器件并不构成对所有设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器403可用于存储计算机程序401（或称为计算机可读指令）以及各功能模块，处理器402运行存储在存储器403的计算机程序401，从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本申请所公开的存储器包括但不限于这些类型的存储器。本申请所公开的存储器只作为例子而非作为限定。
输入单元404用于接收信号的输入，以及接收用户输入的关键字。输入单元404可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作（比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作），并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键（比如播放控制按键、开关按键等）、轨迹球、鼠标、操作杆等中的一种或多种。显示单元405可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元405可采用液晶显示器、有机发光二极管等形式。处理器402是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。
作为一个实施例，所述计算机设备包括：一个或多个处理器402，存储器403，一个或多个计算机程序401，其中所述一个或多个计算机程序401被存储在存储器403中并被配置为由所述一个或多个处理器402执行，所述一个或多个计算机程序401配置用于执行以上实施例所述的指示信息生成方法。
在一个实施例中，本申请还提出了一种存储有计算机可读指令的存储介质；该存储介质可以为非易失性可读存储介质；该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述指示信息生成方法。例如，所述存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
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，该计算机程序可存储于一存储介质中，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，前述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）等非易失性存储介质，或随机存储记忆体（Random Access Memory，RAM）等。
综合上述实施例可知，本申请最大的有益效果在于：
本申请提供的指示信息生成方法、装置、终端及存储介质，通过获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；并从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；然后根据所述节点数据及操作信息对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；最后根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。本申请根据目标用户的操作信息预测分析目标用户的下一步操作，将下一步操作的指示信息进行显示，便于目标用户根据指示信息进行后续操作，从而提供一个灵活的操作引导，实现智能化引导，提高自助业务终端的指引效果，进而提高业务办理效率。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (20)

  1. 一种指示信息生成方法，其特征在于，包括：
    获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
    从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
    利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
    将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
    根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
  2. 根据权利要求1所述的指示信息生成方法，其特征在于，所述利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析的步骤，包括：
    从目标用户的各操作信息中提取出操作内容及操作时间；
    根据操作时间及操作内容分析各操作信息之间的关联性；
    按照所述关联性生成目标用户的操作流程，并根据所述操作流程从数据库中查询与该操作流程相匹配的历史操作流程，得到目标操作流程；其中，所述数据库中存储有所有用户的历史操作流程；
    根据目标操作流程分析目标用户的执行各个下一步操作的预测概率。
  3. 根据权利要求2所述的指示信息生成方法，其特征在于，所述根据目标操作流程分析目标用户的执行各个下一步操作的预测概率的步骤，包括：
    从目标用户的操作信息中获取该目标用户的当前操作；
    根据当前操作从各目标操作流程中预测目标用户的下一步操作；
    对各目标操作流程的下一步操作进行分类统计；
    根据分类统计结果计算各目标操作流程的下一步操作占所有下一步操作的比重，得到目标用户的执行各个下一步操作的预测概率。
  4. 根据权利要求1所述的指示信息生成方法，其特征在于，所述利用所述节点数据对卷积神经网络模型进行训练之后，还包括：
    基于预设的损失函数，计算卷积神经网络模型的损失；
    当损失高于预设值时，调整所述卷积神经网络模型中各节点之间的连接的权重参数，对卷积神经网络模型重新训练，直至得到最佳权重参数，生成最佳权重参数对应的卷积神经网络模型作为指示模型。
  5. 根据权利要求1所述的指示信息生成方法，其特征在于，还包括：
    当自助业务终端显示的界面上包含待填任务项时，从数据库中提取该目标用户的历史数据；
    从该目标用户的历史数据中提取出信息点，将信息点填入相应待填任务项中。
  6. 根据权利要求5所述的指示信息生成方法，其特征在于，还包括：
    当检测到目标用户异常退出自助业务终端显示的界面时，保存用户在当前界面输入的已填业务信息；
    当检测到自助业务终端重新显示退出前的界面时，启动自助业务终端的摄像头，采集目标用户的人脸图像；
    将人脸图像与预存在数据库中的目标人脸图像进行比对，在比对通过后，获取该目标用户的已填业务信息显示在界面上。
  7. 一种指示信息生成装置，其特征在于，包括：
    获取模块，用于获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
    生成模块，用于从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
    分析模块，用于利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
    选择模块，用于根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
  8. 如权利要求7所述的指示信息生成装置，其特征在于，所述分析模块还用于：
    从目标用户的各操作信息中提取出操作内容及操作时间；
    根据操作时间及操作内容分析各操作信息之间的关联性；
    按照所述关联性生成目标用户的操作流程，并根据所述操作流程从数据库中查询与该操作流程相匹配的历史操作流程，得到目标操作流程；其中，所述数据库中存储有所有用户的历史操作流程；
    根据目标操作流程分析目标用户的执行各个下一步操作的预测概率。
  9. 如权利要求8所述的指示信息生成装置，其特征在于，所述分析模块还用于：
    从目标用户的操作信息中获取该目标用户的当前操作；
    根据当前操作从各目标操作流程中预测目标用户的下一步操作；
    对各目标操作流程的下一步操作进行分类统计；
    根据分类统计结果计算各目标操作流程的下一步操作占所有下一步操作的比重，得到目标用户的执行各个下一步操作的预测概率。
  10. 如权利要求7所述的指示信息生成装置，其特征在于，所述分析模块还用于：
    基于预设的损失函数，计算卷积神经网络模型的损失；
    当损失高于预设值时，调整所述卷积神经网络模型中各节点之间的连接的权重参数，对卷积神经网络模型重新训练，直至得到最佳权重参数，生成最佳权重参数对应的卷积神经网络模型作为指示模型。
  11. 如权利要求7所述的指示信息生成装置，其特征在于，所述指示信息生成装置还包括：
    提取模块，用于当自助业务终端显示的界面上包含待填任务项时，从数据库中提取该目标用户的历史数据；
    填入模块，用于从该目标用户的历史数据中提取出信息点，将信息点填入相应待填任务项中。
  12. 如权利要求11所述的指示信息生成装置，其特征在于，所述指示信息生成装置还包括：
    保存模块，用于当检测到目标用户异常退出自助业务终端显示的界面时，保存用户在当前界面输入的已填业务信息；
    采集模块，用于当检测到自助业务终端重新显示退出前的界面时，启动自助业务终端的摄像头，采集目标用户的人脸图像；
    比对模块，用于将人脸图像与预存在数据库中的目标人脸图像进行比对，在比对通过后，获取该目标用户的已填业务信息显示在界面上。
  13. 一种终端，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如下步骤：
    获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
    从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
    利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
    将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
    根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
  14. 如权利要求13所述的终端，其特征在于，所述利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析的步骤，包括：
    从目标用户的各操作信息中提取出操作内容及操作时间；
    根据操作时间及操作内容分析各操作信息之间的关联性；
    按照所述关联性生成目标用户的操作流程，并根据所述操作流程从数据库中查询与该操作流程相匹配的历史操作流程，得到目标操作流程；其中，所述数据库中存储有所有用户的历史操作流程；
    根据目标操作流程分析目标用户的执行各个下一步操作的预测概率。
  15. 如权利要求14所述的终端，其特征在于，所述根据目标操作流程分析目标用户的执行各个下一步操作的预测概率的步骤，包括：
    从目标用户的操作信息中获取该目标用户的当前操作；
    根据当前操作从各目标操作流程中预测目标用户的下一步操作；
    对各目标操作流程的下一步操作进行分类统计；
    根据分类统计结果计算各目标操作流程的下一步操作占所有下一步操作的比重，得到目标用户的执行各个下一步操作的预测概率。
  16. 如权利要求13所述的终端，其特征在于，所述利用所述节点数据对卷积神经网络模型进行训练之后，还包括：
    基于预设的损失函数，计算卷积神经网络模型的损失；
    当损失高于预设值时，调整所述卷积神经网络模型中各节点之间的连接的权重参数，对卷积神经网络模型重新训练，直至得到最佳权重参数，生成最佳权重参数对应的卷积神经网络模型作为指示模型。
  17. 如权利要求13所述的终端，其特征在于，所述计算机可读指令被所述处理器执行时，还使得所述处理器执行如下步骤：
    当自助业务终端显示的界面上包含待填任务项时，从数据库中提取该目标用户的历史数据；
    从该目标用户的历史数据中提取出信息点，将信息点填入相应待填任务项中。
  18. 如权利要求17所述的终端，其特征在于，所述计算机可读指令被所述处理器执行时，还使得所述处理器执行如下步骤：
    当检测到目标用户异常退出自助业务终端显示的界面时，保存用户在当前界面输入的已填业务信息；
    当检测到自助业务终端重新显示退出前的界面时，启动自助业务终端的摄像头，采集目标用户的人脸图像；
    将人脸图像与预存在数据库中的目标人脸图像进行比对，在比对通过后，获取该目标用户的已填业务信息显示在界面上。
  19. 一种存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时，实现如下步骤：
    获取目标用户对在自助业务终端的界面上展示的业务项目信息执行的多个操作信息；
    从后台服务器中获取各个自助业务终端中的用户的历史操作信息，将所述历史操作信息生成节点数据；
    利用所述节点数据对卷积神经网络模型进行训练，直至收敛时，得到指示模型；其中，所述节点数据包括各历史操作信息的关联性、用户信息、待办业务信息、证件信息中的至少一种；
    将目标用户的操作信息输入所述指示模型，利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析，确定该目标用户的执行各个下一步操作的预测概率；
    根据所述预测概率选择预测概率最大的下一步操作，得到目标操作，并生成所述目标操作的指示信息，将所述指示信息显示在所述自助业务终端的界面上。
  20. 如权利要求19所述的存储介质，其特征在于，所述利用所述指示模型对所述操作信息进行分析，以对所述目标用户的下一步操作进行预测分析的步骤，包括：
    从目标用户的各操作信息中提取出操作内容及操作时间；
    根据操作时间及操作内容分析各操作信息之间的关联性；
    按照所述关联性生成目标用户的操作流程，并根据所述操作流程从数据库中查询与该操作流程相匹配的历史操作流程，得到目标操作流程；其中，所述数据库中存储有所有用户的历史操作流程；
    根据目标操作流程分析目标用户的执行各个下一步操作的预测概率。
PCT/CN2019/117602 2019-04-26 2019-11-12 指示信息生成方法、装置、终端及存储介质 WO2020215681A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910345836.8 2019-04-26
CN201910345836.8A CN110187945A (zh) 2019-04-26 2019-04-26 指示信息生成方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
WO2020215681A1 true WO2020215681A1 (zh) 2020-10-29

Family

ID=67715188

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/117602 WO2020215681A1 (zh) 2019-04-26 2019-11-12 指示信息生成方法、装置、终端及存储介质

Country Status (2)

Country Link
CN (1) CN110187945A (zh)
WO (1) WO2020215681A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112799762A (zh) * 2021-01-27 2021-05-14 北京嘀嘀无限科技发展有限公司 信息展示方法、装置、电子设备、计算机可读存储介质
CN113553159A (zh) * 2021-07-29 2021-10-26 共达地创新技术(深圳)有限公司 基于可视化的模型调度方法、设备和存储介质
CN114936019A (zh) * 2021-12-09 2022-08-23 腾讯科技（深圳）有限公司 一种组件及策略联动方法、装置、设备、***及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110187945A (zh) * 2019-04-26 2019-08-30 平安科技（深圳）有限公司 指示信息生成方法、装置、终端及存储介质
CN111062004A (zh) * 2019-12-20 2020-04-24 北京软通智慧城市科技有限公司 一种预测模型调整方法、装置、预测模拟器以及存储介质
CN111459485B (zh) * 2020-04-01 2023-09-19 中国银行股份有限公司 交易界面的评估方法及装置
CN112464204A (zh) * 2020-11-27 2021-03-09 深圳市富途网络科技有限公司 账户管理方法和相关产品
CN112559889B (zh) * 2020-12-25 2023-02-28 青岛海尔科技有限公司 用户操作推荐方法、装置、电子设备及存储介质
CN114727150B (zh) * 2021-01-04 2024-04-02 北京小米移动软件有限公司 视频剪辑方法、视频剪辑装置及存储介质
CN113487344B (zh) * 2021-06-11 2023-01-17 中国联合网络通信集团有限公司 通信业务预测方法、集中服务器、边缘业务终端和介质
CN113610504A (zh) * 2021-08-17 2021-11-05 平安资产管理有限责任公司 数据处理方法、装置、计算机设备及存储介质
CN114140947A (zh) * 2021-11-22 2022-03-04 中国建设银行股份有限公司 界面展示方法、装置、电子设备、存储介质和程序产品
CN114385291A (zh) * 2021-12-29 2022-04-22 南京财经大学 一种基于外挂透明显示屏的标准工作流程引导方法及装置
CN114826806A (zh) * 2022-03-16 2022-07-29 杭州华橙软件技术有限公司 业务处理方法、***、装置和可读存储介质
CN116843237B (zh) * 2023-09-04 2023-11-21 贵州惠智电子技术有限责任公司 一种办公平台应用考核统计分析***
CN117279164B (zh) * 2023-11-21 2024-03-19 广州视声智能科技有限公司 基于数据预测的照明灯控制方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2738727A1 (en) * 2012-11-30 2014-06-04 Facebook, Inc. Customized predictors for user actions in an online system
CN106096657A (zh) * 2016-06-13 2016-11-09 北京物思创想科技有限公司 基于机器学习来预测数据审核目标的方法及***
CN106875206A (zh) * 2016-07-18 2017-06-20 阿里巴巴集团控股有限公司 信息获取、评估、问卷调查方法、装置及服务器
CN108874823A (zh) * 2017-05-12 2018-11-23 阿里巴巴集团控股有限公司 智能客服的实现方法和装置
CN110187945A (zh) * 2019-04-26 2019-08-30 平安科技（深圳）有限公司 指示信息生成方法、装置、终端及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427012A (zh) * 2015-10-27 2016-03-23 浪潮软件集团有限公司 一种业务引导方法及自助业务终端
CN106776757B (zh) * 2016-11-15 2020-03-27 中国银行股份有限公司 用户完成网银操作的指示方法及装置
CN109284163A (zh) * 2018-09-20 2019-01-29 中国银行股份有限公司 用于业务终端的界面推送方法、装置
CN109491498A (zh) * 2018-10-31 2019-03-19 广州致远电子有限公司 人机交互方法、***、终端设备及计算机可读存储介质
CN109508461A (zh) * 2018-12-29 2019-03-22 重庆猪八戒网络有限公司 基于中文自然语言处理的订单价格预测方法、终端及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2738727A1 (en) * 2012-11-30 2014-06-04 Facebook, Inc. Customized predictors for user actions in an online system
CN106096657A (zh) * 2016-06-13 2016-11-09 北京物思创想科技有限公司 基于机器学习来预测数据审核目标的方法及***
CN106875206A (zh) * 2016-07-18 2017-06-20 阿里巴巴集团控股有限公司 信息获取、评估、问卷调查方法、装置及服务器
CN108874823A (zh) * 2017-05-12 2018-11-23 阿里巴巴集团控股有限公司 智能客服的实现方法和装置
CN110187945A (zh) * 2019-04-26 2019-08-30 平安科技（深圳）有限公司 指示信息生成方法、装置、终端及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112799762A (zh) * 2021-01-27 2021-05-14 北京嘀嘀无限科技发展有限公司 信息展示方法、装置、电子设备、计算机可读存储介质
CN113553159A (zh) * 2021-07-29 2021-10-26 共达地创新技术(深圳)有限公司 基于可视化的模型调度方法、设备和存储介质
CN114936019A (zh) * 2021-12-09 2022-08-23 腾讯科技（深圳）有限公司 一种组件及策略联动方法、装置、设备、***及存储介质
CN114936019B (zh) * 2021-12-09 2024-01-30 腾讯科技（深圳）有限公司 一种组件及策略联动方法、装置、设备、***及存储介质

Also Published As

Publication number Publication date
CN110187945A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
WO2020215681A1 (zh) 指示信息生成方法、装置、终端及存储介质
WO2020164267A1 (zh) 文本分类模型构建方法、装置、终端及存储介质
WO2020233077A1 (zh) ***服务的监控方法、装置、设备及存储介质
WO2020253135A1 (zh) 自动化分析方法、用户设备、存储介质及装置
WO2015122691A1 (en) Dynamically modifying elements of user interface based on knowledge graph
WO2020034526A1 (zh) 保险录音的质检方法、装置、设备和计算机存储介质
WO2018113241A1 (zh) 页面展示方法、装置、服务器和存储介质
WO2017113974A1 (zh) 一种语音处理的方法、装置以及终端
WO2020258657A1 (zh) 异常检测方法、装置、计算机设备及存储介质
WO2018149083A1 (zh) 业务数据流转方法、装置、存储介质和终端
WO2020113959A1 (zh) 医疗机构透析水平的考核方法、装置、设备及存储介质
WO2019037197A1 (zh) 主题分类器的训练方法、装置及计算机可读存储介质
WO2012155709A1 (zh) 一种动态推送用户个人标签的方法和***、存储介质
WO2016112558A1 (zh) 智能交互***中的问题匹配方法和***
WO2021051558A1 (zh) 基于知识图谱的问答方法、装置和存储介质
WO2020082766A1 (zh) 输入法的联想方法、装置、设备及可读存储介质
WO2020055071A1 (en) System and method for dynamic trend clustering
WO2020119403A1 (zh) 住院数据异常检测方法、装置、设备及可读存储介质
WO2017211056A1 (zh) 一种移动终端的单手操作方法、及***
WO2020119383A1 (zh) 医保监管方法、设备、装置及计算机可读存储介质
WO2020253115A1 (zh) 基于语音识别的产品推荐方法、装置、设备和存储介质
WO2020077832A1 (zh) 云桌面的访问方法、装置、设备及存储介质
WO2021003956A1 (zh) 产品信息的管理方法、装置、设备及存储介质
WO2020103275A1 (zh) 扣款控制方法、装置、设备及可读存储介质
WO2020119384A1 (zh) 基于大数据分析的医保异常检测方法、装置、设备和介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19925994

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19925994

Country of ref document: EP

Kind code of ref document: A1