凭证管理方法技术

本申请提供一种凭证管理方法

【技术实现步骤摘要】
凭证管理方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种凭证管理方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]当前，银行凭证管理存在死角，例如柜员出售重要凭证时没有全部进行验印核查，剩余的空白凭证交回银行时未及时注销，以及对需要手工销号的凭证销号不及时导致当天漏销等情况存在等
。
这些造成表外科目分户帐日期不同步，造成帐实不符
。
[0003]然而，银行目前是将重要空白凭证作为介质进行凭证管理
。
但是，重要空白凭证的存储
、
管理
、
领用
、
回收
、
状态变迁等都以银行内部的凭证装置为中心，其是一个典型的中心化系统，存在中心化系统的弊端，例如中心节点的安全性
、
可靠性等方面弊端等
。
[0004]可见，银行亟需一种凭证管理解决方案以克服现有技术存在的缺陷
。

技术实现思路

[0005]本申请提供一种凭证管理方法
、
装置
、
设备及存储介质，用于克服现有技术中采用中心化系统进行凭证管理存在的缺陷进而消除凭证管理死角
。
[0006]第一方面，本申请提供一种凭证管理方法，包括：
[0007]获取机构已办理业务的凭证数据，所述凭证数据包括所述已办理业务产生的对应凭证；
[0008]根据所述凭证数据以及深度学习模型确定所述凭证数据所属风险的各等级概率，所述深度学习模型通过凭证训练样本对卷积神经网络训练得到；
[0009]根据所述凭证数据所属风险的各等级概率得到所述凭证数据的管理风险值，以根据所述管理风险值进行凭证风险处置
。
[0010]在一种可能的设计中，所述根据所述管理风险值进行空白凭证风险处置，包括：
[0011]根据所述管理风险值确定所述已办理业务是否存在凭证管理风险；
[0012]若是，生成预警信息，并发送预警信息至风控中心，使得所述风控中心响应预警信息核验所述已办理业务并根据核验结果进行所述凭证风险处置
。
[0013]在一种可能的设计中，所述根据所述管理风险值确定所述已办理业务是否存在凭证管理风险，包括：
[0014]获取所述已办理业务的空白凭证风险阈值；
[0015]判断所述管理风险值是否超过所述空白凭证风险阈值；
[0016]若是，确定所述已办理业务存在凭证管理风险
。
[0017]在一种可能的设计中，在所述根据所述凭证数据以及深度学习模型确定所述凭证数据所属风险的各等级概率之前，还包括：
[0018]获取历史凭证数据，根据所述历史凭证数据获得所述凭证训练样本；
[0019]根据所述凭证训练样本对所述卷积神经网络进行训练，直当所述卷积神经网络的
损失函数达到预设收敛条件时结束训练，将结束训练的所述卷积神经网络确定为所述深度学习模型
。
[0020]在一种可能的设计中，所述损失函数根据交叉熵损失函数
。
[0021]在一种可能的设计中，所述根据所述凭证数据以及深度学习模型确定所述凭证数据所属风险的各等级概率，包括：
[0022]输入所述凭证数据至所述深度学习模型，得到所述深度学习模块的第一卷积结果；
[0023]通过所述深度学习模型的整合算法对所述第一卷积结果进行维度整合，得到整合结果；
[0024]通过所述深度学习模型对所述整合结果进行预设层卷积运算得到第二卷积结果，并对所述第二卷积结果进行池化处理得到池化结果；
[0025]通过所述深度学习模型的
softmax
激活函数对所述池化结果进行归一化，得到所述凭证数据所属风险的各等级概率
。
[0026]在一种可能的设计中，所述根据所述凭证数据所属风险的各等级概率得到所述凭证数据的管理风险值，包括：
[0027]获取所述凭证数据所属风险的各等级概率中的最大概率；
[0028]将所述最大概率确定为所述凭证数据的管理风险值
。
[0029]第二方面，本申请提供一种凭证管理装置，包括：
[0030]获取模块，用于获取机构已办理业务的凭证数据，所述凭证数据包括所述已办理业务产生的对应凭证；
[0031]第一处理模块，用于根据所述凭证数据以及深度学习模型确定所述凭证数据所属风险的各等级概率，所述深度学习模型通过凭证训练样本对卷积神经网络训练得到；
[0032]第二处理模块，用于根据所述凭证数据所属风险的各等级概率得到所述凭证数据的管理风险值，以根据所述管理风险值进行凭证风险处置
。
[0033]在一种可能的设计中，所述第二处理模块，包括：风险处置子模块；所述风险处置子模块，用于：
[0034]根据所述管理风险值确定所述已办理业务是否存在凭证管理风险；
[0035]若是，生成预警信息，并发送预警信息至风控中心，使得所述风控中心响应预警信息核验所述已办理业务并根据核验结果进行所述凭证风险处置
。
[0036]在一种可能的设计中，所述风险处置子模块，还用于：
[0037]获取所述已办理业务的空白凭证风险阈值；
[0038]判断所述管理风险值是否超过所述空白凭证风险阈值；
[0039]若是，确定所述已办理业务存在凭证管理风险
。
[0040]在一种可能的设计中，所述凭证管理装置，还包括：训练模块；所述训练模块，用于：
[0041]获取历史凭证数据，根据所述历史凭证数据获得所述凭证训练样本；
[0042]根据所述凭证训练样本对所述卷积神经网络进行训练，直当所述卷积神经网络的损失函数达到预设收敛条件时结束训练，将结束训练的所述卷积神经网络确定为所述深度学习模型
。
[0043]在一种可能的设计中，所述损失函数根据交叉熵损失函数
。
[0044]在一种可能的设计中，所述第一处理模块，具体用于：
[0045]输入所述凭证数据至所述深度学习模型，得到所述深度学习模块的第一卷积结果；
[0046]通过所述深度学习模型的整合算法对所述第一卷积结果进行维度整合，得到整合结果；
[0047]通过所述深度学习模型对所述整合结果进行预设层卷积运算得到第二卷积结果，并对所述第二卷积结果进行池化处理得到池化结果；
[0048]通过所述深度学习模型的
softmax
激活函数对所述池化结果进行归一化，得到所述凭证数据所属风险的各等级概率
。
[0049]在一种可能的设计中，所述第二处理模块，还包括：风险值获取子模块；所述风险值获取子模块，用于：
[0050]获取所述凭证数据所属风险的各等级概率中的最大概率；
[0051]将所述最大概率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种凭证管理方法，其特征在于，包括：获取机构已办理业务的凭证数据，所述凭证数据包括所述已办理业务产生的对应凭证；根据所述凭证数据以及深度学习模型确定所述凭证数据所属风险的各等级概率，所述深度学习模型通过凭证训练样本对卷积神经网络训练得到；根据所述凭证数据所属风险的各等级概率得到所述凭证数据的管理风险值，以根据所述管理风险值进行凭证风险处置
。2.
根据权利要求1所述的凭证管理方法，其特征在于，所述根据所述管理风险值进行空白凭证风险处置，包括：根据所述管理风险值确定所述已办理业务是否存在凭证管理风险；若是，生成预警信息，并发送预警信息至风控中心，使得所述风控中心响应预警信息核验所述已办理业务并根据核验结果进行所述凭证风险处置
。3.
根据权利要求2所述的凭证管理方法，其特征在于，所述根据所述管理风险值确定所述已办理业务是否存在凭证管理风险，包括：获取所述已办理业务的空白凭证风险阈值；判断所述管理风险值是否超过所述空白凭证风险阈值；若是，确定所述已办理业务存在凭证管理风险
。4.
根据权利要求1所述的凭证管理方法，其特征在于，在所述根据所述凭证数据以及深度学习模型确定所述凭证数据所属风险的各等级概率之前，还包括：获取历史凭证数据，根据所述历史凭证数据获得所述凭证训练样本；根据所述凭证训练样本对所述卷积神经网络进行训练，直当所述卷积神经网络的损失函数达到预设收敛条件时结束训练，将结束训练的所述卷积神经网络确定为所述深度学习模型
。5.
根据权利要求4所述的凭证管理方法，其特征在于，所述损失函数根据交叉熵损失函数
。6.
根据权利要求1‑5任一项所述的凭证管理方法，其特征在于，所述根据所述凭证数据以及深度学习模型确定所述凭...

【专利技术属性】
技术研发人员：张云鹏，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：