【技术实现步骤摘要】
基于图神经网络的银行网点排队时长预估方法
[0001]本专利技术涉及金融业数据分析
，具体地，涉及一种基于图神经网络的银行网点排队时长预估方法。
技术介绍
[0002]网点排队时长预估是金融科技背景下的一种提高用户满意度的重要任务，其目的是为每个到达线下银行网点的用户提供准确的排队等待时间预估。在真实的银行线下场景中，由于不同网点之间存在着灵活多变的排队运营方案，以及对预测时间有着较高的实时性要求，为每个到达网点的用户进行排队时长预估是一个非常困难且重要的任务。
[0003]针对银行场景下的排队运营任务，现有的方法多使用排队论模型进行建模，针对该银行排队任务的研究和方法要面向排队规则的设计，没有针对实时性的排队时长预测进行方法设计。在传统的排队论模型中，排队时长预测是静态的预测结果，是根据历史数据中用户的到达时间分布、办理时间分布等统计分布进行估计得到的。然而，真实场景的建模更为复杂，其排队时长预测受到每个银行网点的运营规则影响，每个网点对于不同业务、不同等级用户的排队并且受到实时性的随机事件影响，例如：网上预...
【技术保护点】
【技术特征摘要】
1.一种基于图神经网络的银行网点排队时长预估方法，其特征在于，该方法包括：S101：获取银行网点线下业务办理的历史记录；S102：根据业务办理记录数据构造用户
‑
业务关系图；S103：对收集到的输入特征数据和标签进行预处理；S104：将高维稀疏的独热向量转化为低维稠密的嵌入向量；S1051：将上述低维稠密的特征向量输入基于图神经网络的端到端的业务办理时长预测模型，得到每个用户的预估办理时长；S1052：将结点的初始特征输入到基于图神经网络GNN的深度学习模型进行训练；S1053：根据GNN层学习到的结点表征向量进行预测，使用梯度下降方法对神经网络模型进行训练；S106：获取每个银行线下网点的排队运营规则，根据上述得到的业务办理时长的预测结果，按照该网点的排队运营规则将新到达网点的用户排入相应队列，并对其队列前端的正在等待的用户的预估办理时长进行求和，得到新加入的用户的预估等待时长。2.根据权利要求1所述的方法，其特征在于，步骤S101中获取银行网点线下业务办理的历史记录包括用户的基本信息、办理业务类型以及用户办理业务的行为标签，所述行为标签包括业务办理的时长和排队等待时长。3.根据权利要求1所述的方法，其特征在于...
【专利技术属性】
技术研发人员：陈恩红，刘淇，莫志康，邵期翔，吴李康，于润龙，徐洁馨，宋红梅，
申请(专利权)人：招商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。