【技术实现步骤摘要】
基于深度学习计算远程授权处理时长的方法及相关设备
[0001]本专利技术属于数据处理
，尤其涉及一种基于深度学习计算远程授权处理时长的方法及相关设备。
技术介绍
[0002]随着智能化的发展，远程集中授权的应用越来越广泛，远程集中授权需要网点经办人员通过影像仪器将各类凭证拍摄成电子影像凭证连同业务交易画面，通过远程授权系统发送到授权人员，当授权人员在处理一笔远程授权交易时，授权人员会根据自身的专业知识，来对这笔远程授权交易进行审核，并反馈远程授权结果，其中，授权处理时长显得尤为重要。
[0003]目前，远程授权处理时长是依赖于授权人员的工作能力的，并没有统一的衡量标准，比如：同一笔交易的授权，工作经验足态度端正的授权人员只需5分钟内完成授权并反馈授权结果，工作经验不足态度不端正的授权人员可能需要20分钟才可完成授权，容易导致处理远程授权交易的数据的效率较低。
[0004]因此，为了应对处理远程授权交易的数据的效率较低的问题，提高对远程授权交易的数据的处理效率成为本领域科研人员亟待解决的技术问题。>
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种基于深度学习计算远程授权处理时长的方法，其特征在于，包括：获取实时远程授权交易的数据，所述实时远程授权交易的数据包括所述实时远程授权交易的特征数据和所述实时远程授权交易对应的授权人员的能力数据；将所述实时远程授权交易的数据输入训练好的深度学习算法模型，所述深度学习算法模型对所述实时远程授权交易的数据进行特征提取，得到所述实时远程授权交易的综合特征，并基于所述实时远程授权交易的综合特征输出所述实时远程授权交易的处理时长。2.根据权利要求1所述的方法，其特征在于，所述深度学习算法模型的结构，包括：输入层模块、隐含层模块和输出层模块，所述输入层模块包括多个输入节点，所述输入节点用于指示所述实时远程授权交易的数据中的特征向量；所述输出层模块包括多个输出节点，所述输出节点用于指示各个处理时长的概率。3.根据权利要求2所述的模型，其特征在于，所述深度学习算法模型对所述实时远程授权交易的数据进行特征提取，得到所述实时远程授权交易的综合特征，并基于所述实时远程授权交易的综合特征输出所述实时远程授权交易的处理时长，包括：在所述输入层模块输入所述实时远程授权交易的特征数据中的交易类型向量、交易金额向量、授权检查点个数向量和对比影像个数向量，以及所述实时远程授权交易对应的授权人员的能力数据中的授权人员工作年限向量和授权人员年度绩效向量；在所述隐含层模块对所述交易类型向量、所述交易金额向量、所述授权检查点个数向量、所述对比影像个数向量、所述授权人员工作年限向量和所述授权人员年度绩效向量进行处理，得到所述实时远程授权交易的处理时长；在所述输出层模块输出所述实时远程授权交易的处理时长。4.根据权利要求3所述的方法，其特征在于，所述输入所述实时远程授权交易的特征数据中的交易类型向量、交易金额向量、授权检查点个数向量和对比影像个数向量，以及所述实时远程授权交易对应的授权人员的能力数据中的授权人员工作年限向量和授权人员年度绩效向量，包括：获取交易类型、交易金额、授权检查点个数、对比影像个数、授权人员工作年限和年度绩效；对所述交易类型、所述交易金额、所述授权检查点个数、所述对比影像个数、所述授权人员工作年限和所述年度绩效进行加权处理，得到加权后的交易类型向量、加权后的交易金额向量、加权后的授权检查点个数向量、加权后的对比影像个数向量、加权后的授权人员工作年限向量和加权后的年度绩效向量；输入所述加权后的交易类型向量、所述加权后的交易金额向量、所述加权后的授权检查点个数向量、所述加权后的对比影像个数向量、所述加权后的授权人员工作年限向量和所述加权后的年度绩效向量。5.根据权利要求3所述的方法，其特征在于，所述输入所述实时远程授权交易的特征数据中的交易类型向量、交易金额向量、授权检查点个数向量和对比影像个数向量，以及所述实时远程...
【专利技术属性】
技术研发人员：岳茹霞，
申请(专利权)人：中国银行股份有限公司，
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。