【技术实现步骤摘要】
本专利技术涉及金融科技或其他相关领域，具体而言，涉及一种网点推荐方法、装置、计算机可读存储介质及电子设备。
技术介绍
1、随着科技的不断发展与进步，目前越来越多的用户通过线上预约的方式在金融网点预约办理业务，以便节省时间。在用户预约办理业务的过程中，金融机构通常利用统计学方法、机器学习或深度学习算法对排队时长进行周期性预测，以为用户提供各个网点在用户指定时间点的预计排队时长，从而依据各个网点对应的排队时长，为用户推荐网点。然而，这种方式存在推荐准确性差的问题。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种网点推荐方法、装置、计算机可读存储介质及电子设备，以至少解决相关技术中根据网点的业务排队时间为用户推荐网点，从而存在推荐准确性低的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种网点推荐方法，包括：获取期望办理目标业务的目标对象的对象位置信息，并获取目标对象期望加入目标队列的排队时间点，其中，目标队列为金融网点办理目标业务的排队队列；对于多个金融网点中的每个金融网点，根据对象位置信息，确定目标对象到达金融网点的路程耗时，其中，金融网点用于为目标对象办理目标业务；根据目标对象到达各个金融网点的路程耗时、目标对象在各个金融网点在排队时间点的预计排队时长，对多个金融网点进行排序，并将排序后的金融网点推荐给目标对象。
3、进一步地，网点推荐方法还包括：获取多个候选金融网点允许办理目标业务的时间范
4、进一步地，网点推荐方法还包括：获取目标对象期望采用的出行方式；获取金融网点的网点位置信息；根据出行方式、网点位置信息和对象位置信息，确定路程耗时。
5、进一步地，网点推荐方法还包括：获取金融网点在多个历史日期的业务办理信息；将多个历史日期的业务办理信息输入至目标预测模型，得到预计排队时长；其中，目标预测模型通过以下方式得到：获取训练样本集，其中，训练样本集包括多个训练样本，每个训练样本由一个样本金融网点在多个样本历史日期的样本业务办理信息、样本对象在样本金融网点在样本排队时间点的真实排队时长组成；利用训练样本集训练初始预测模型，直至损失函数值小于预设阈值的情况下，将得到的初始预测模型确定为目标预测模型，其中，损失函数值为根据初始预测模型输出的样本预计排队时长和真实排队时长确定的。
6、进一步地，对于每个训练样本，训练样本中的不同样本业务办理信息与不同样本历史日期下的同一时间点相匹配，其中，网点推荐方法还包括：在训练每迭代一次的情况下，计算当前迭代轮次的损失函数值；若当前迭代轮次的损失函数值大于预设阈值，则判断当前迭代轮次是否等于预设迭代轮次；若当前迭代轮次等于预设迭代轮次，则获取目标时间间隔，并更新目标时间间隔，其中，目标时间间隔是指样本业务办理信息匹配的时间点与样本排队时间点之间的时间间隔；依据更新后的目标时间间隔构建新的训练样本集，并重复执行在训练每迭代一次的情况下，计算当前迭代轮次的损失函数值的步骤，直至得到的损失函数值大于预设阈值且迭代轮次小于预设迭代轮次，将得到的初始预测模型确定为目标预测模型。
7、进一步地，网点推荐方法还包括：对于每个金融网点，将目标对象到达金融网点的路程耗时和目标对象在金融网点在排队时间点的预计排队时长相加，得到金融网点匹配的目标时长；按照各个金融网点匹配的目标时长由短至长的顺序，对多个金融网点进行排序，得到排序后的金融网点。
8、进一步地，网点推荐方法还包括：在将排序后的金融网点推荐给目标对象之后，确定目标对象从排序后的金融网点中选择出的目标金融网点；在目标时间处于排队时间点的情况下，在目标金融网点的目标队列中为目标对象排队。
9、根据本专利技术实施例的另一方面，还提供了一种网点推荐装置，包括：第一获取模块，用于获取期望办理目标业务的目标对象的对象位置信息，并获取目标对象期望加入目标队列的排队时间点，其中，目标队列为金融网点办理目标业务的排队队列；第一确定模块，用于对于多个金融网点中的每个金融网点，根据对象位置信息，确定目标对象到达金融网点的路程耗时，其中，金融网点用于为目标对象办理目标业务；推荐模块，用于根据目标对象到达各个金融网点的路程耗时、目标对象在各个金融网点在排队时间点的预计排队时长，对多个金融网点进行排序，并将排序后的金融网点推荐给目标对象。
10、根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的网点推荐方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的网点推荐方法。
12、在本专利技术实施例中，采用根据路程耗时和排队时长向用户推荐金融网点的方式，通过获取期望办理目标业务的目标对象的对象位置信息，并获取目标对象期望加入目标队列的排队时间点，然后对于多个金融网点中的每个金融网点，根据对象位置信息，确定目标对象到达金融网点的路程耗时，从而根据目标对象到达各个金融网点的路程耗时、目标对象在各个金融网点在排队时间点的预计排队时长，对多个金融网点进行排序，并将排序后的金融网点推荐给目标对象。其中，目标队列为金融网点办理目标业务的排队队列，金融网点用于为目标对象办理目标业务。
13、在上述过程中，由于当目标对象在线上预约办理目标业务时，其开始办理目标业务的时间点不仅受到金融网点排队时间的影响，还受到目标对象到达金融网点耗时的影响，因此，通过根据对象位置信息，确定目标对象到达金融网点的路程耗时，并获取目标对象在金融网点在排队时间点的预计排队时长，实现了对影响用户开始办理目标业务的时间点的两个影响因素的信息的获取。进一步地，通过根据前述的路程耗时和预计排队时长对多个金融网点进行排序，并将排序后的金融网点推荐给目标对象，实现了依据多个影响因素确定各金融网点的推荐优先级，从而达到了提高推荐准确性的技术效果。
14、由此可见，本申请所提供的方案达到了根据路程耗时和排队时长向用户推荐金融网点的目的，从而实现了提高推荐准确性的技术效果，进而解决了相关技术中根据网点的业务排队时间为用户推荐网点，从而存在推荐准确性低的技术问题。
本文档来自技高网...【技术保护点】
1.一种网点推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述多个金融网点：
3.根据权利要求1所述的方法，其特征在于，根据所述对象位置信息，确定所述目标对象到达所述金融网点的路程耗时，包括：
4.根据权利要求1所述的方法，其特征在于，对于每个金融网点，通过以下方式确定所述目标对象在各个金融网点在所述排队时间点的预计排队时长：
5.根据权利要求4所述的方法，其特征在于，对于每个训练样本，所述训练样本中的不同样本业务办理信息与不同样本历史日期下的同一时间点相匹配，其中，利用所述训练样本集训练初始预测模型，直至损失函数值小于预设阈值的情况下，将得到的初始预测模型确定为所述目标预测模型，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述目标对象到达各个金融网点的路程耗时、所述目标对象在各个金融网点在所述排队时间点的预计排队时长，对所述多个金融网点进行排序，包括：
7.根据权利要求1所述的方法，其特征在于，在将排序后的金融网点推荐给所述目标对象之后，所述方法还包括：<...
【技术特征摘要】
1.一种网点推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述多个金融网点：
3.根据权利要求1所述的方法，其特征在于，根据所述对象位置信息，确定所述目标对象到达所述金融网点的路程耗时，包括：
4.根据权利要求1所述的方法，其特征在于，对于每个金融网点，通过以下方式确定所述目标对象在各个金融网点在所述排队时间点的预计排队时长：
5.根据权利要求4所述的方法，其特征在于，对于每个训练样本，所述训练样本中的不同样本业务办理信息与不同样本历史日期下的同一时间点相匹配，其中，利用所述训练样本集训练初始预测模型，直至损失函数值小于预设阈值的情况下，将得到的初始预测模型确定为所述目标预测模型，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述目标对...
【专利技术属性】
技术研发人员：廖俊儒，
申请(专利权)人：中国工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。