(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210528091.0 (22)申请日 2022.05.16 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 朱江波　胡毅　时福林　马克　 朱振勇　王艳芳　赵梦　姚元伟　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 杨丹　沈珍珠 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 银行网点的智能柜台风险处 理方法及装置 (57)摘要 本发明提出了一种银行网点的智能柜台风 险处理方法及装置， 涉及金融数据处理技术领 域， 该方法包括： 确定每个ATM在白天时段的交易 类别向量； 对预定区域内的ATM进行聚类， 得到多 个ATM子集合； 确定ATM子集合对应的夜 间风险类 型； 确定ATM对应的夜间风险类型； 对于每个智能 柜台， 根据该智能柜台在白天时段的历史交易数 据， 确定该智能柜台对应的交易类别向量； 确定 ATM的共有交易类别向量及智能柜台的共有交易 类别向量； 根据该共有交易类别向量， 确定每个 智能柜台的相似ATM； 将相似ATM的夜间风险类 型， 确定为该智能柜台在夜间时段服务时的夜间 风险类型； 基于该夜间风险类型对 该智能柜台在 夜间时段的交易进行风险控制。 权利要求书4页 说明书10页 附图5页 CN 114881803 A 2022.08.09 CN 114881803 A 1.一种银 行网点的智能柜台风险处 理方法， 其特 征在于， 包括： 获取预定区域内每个ATM的历史交易数据， 确定该每个ATM在白天时段的交易类别向 量； 根据该每个ATM在白天时段的交易类别向量， 对预定区域内的ATM进行聚类， 得到多个 ATM子集合； 对于每个ATM子集合， 基于该ATM子集合 中所有ATM在夜间时段的历史交易数据， 确定该 ATM子集合对应的夜间风险类型； 对于每个ATM， 根据该ATM归属的ATM子集合对应的夜间风 险类型， 确定该ATM对应的夜间风险类型； 对于每个智能柜台， 根据该智能柜台在白天时段的历史交易数据， 确定该智能柜台对 应的交易类别向量； 根据ATM与智能柜台共有的交易类别、 ATM在白天时段的交易类别向量及该智能柜台对 应的交易类别向量， 确定ATM的共有交易类别向量及智能柜台的共有交易类别向量； 根据该 共有交易类别向量， 确定每 个智能柜台的相似ATM； 将相似ATM的夜间风险类型， 确定为该智能柜台在夜间时段服务时的夜间风险类型； 基 于该夜间风险类型对该智能柜台在夜间时段的交易进行风险控制。 2.根据权利要求1所述的方法， 其特征在于， 获取预定区域内每个ATM的历史交易数据， 确定该每 个ATM在白天时段的交易类别向量， 包括： 对于每个ATM， 根据该ATM对应的在白天时段的历史交易数据， 确定该历史交易数据中 归属于各个交易类别的交易数量； 设置该ATM的交易类别向量， 其中， 该交易类别向量的分量与交易类别一一对应， 该交 易类别分量的每个分量的值等于该ATM的历史交易数据中归属于该分量对应的交易类别的 交易数量。 3.根据权利要求1所述的方法， 其特征在于， 根据该每个ATM在白天时段的交易类别向 量， 对预定区域内的ATM进行聚类， 得到多个ATM 子集合， 包括： 设置ATM对应的距离函数， 其中， 该距离函数的自变量是任意两个ATM， 对应的函数值是 该两个ATM对应的两个交易类别向量的距离； 根据ATM对应的距离函数， 对预定区域内的所有ATM进行聚类， 得到多个ATM 子集合。 4.根据权利要求1所述的方法， 其特征在于， 对于每个ATM子集合， 基于该ATM子集合中 所有ATM在夜间时段的历史交易数据， 确定该ATM子集合对应的夜间风险类型； 对于每个 ATM， 根据该ATM归属的ATM子集合对应的夜间风险类型， 确定该ATM对应的夜间风险类型， 包 括： 根据每个ATM子集合中所有ATM在夜间的历史交易数据， 确定该ATM子集合的风险类型 和每个风险类型对应的风险系数， 将对应的风险系数大于风险系数阈值的风险类型作为 夜 间风险类型； 对于每个ATM， 确定该ATM归属的ATM子集合， 将该ATM子集合的夜间风险类型， 作为该 ATM的夜间风险类型。 5.根据权利要求1所述的方法， 其特征在于， 对于每个智能柜台， 根据该智能柜台在白 天时段的历史 交易数据， 确定该智能柜台对应的交易类别向量， 包括： 对于每个智能柜台， 根据该智能柜台对应的在白天时段的历史交易数据， 确定该历史权　利　要　求　书 1/4 页 2 CN 114881803 A 2交易数据中归属于各个交易类别的交易数量； 设置该智能柜台的交易类别向量， 其中， 该交易类别向量的分量与交易类别一一对应， 该交易类别 分量的每个分量的值等于该智能柜台的历史交易数据中归属于该分量对应的 交易类别的交易数量。 6.根据权利要求1所述的方法， 其特征在于， 根据ATM与智能柜台共有 的交易类别、 ATM 在白天时段的交易类别向量及该智能柜台对应的交易类别向量， 确定ATM的共有交易类别 向量及智能柜 台的共有交易类别向量； 根据该共有交易类别向量， 确定每个智能柜 台的相 似ATM， 包括： 根据ATM的交易类别及智能柜台的交易类别， 确定ATM对应的交易类别集合与智能柜台 的交易类别集 合的交集， 将该交集中的交易类别确定为共有的交易类别； 对于每个ATM， 在该ATM在白天时段的交易类别向量中筛选该共有的交易类别 对应的分 量， 得到该ATM的共有交易类别向量； 对于每个智能柜台， 在该智能柜台的交易类别向量中筛选该共有的交易类别对应的分 量， 得到该智能柜台的共有交易类别向量； 依据共有交易类别向量， 确定ATM的偏序， 其中， 该偏序用于确定预定区域内的任何两 个ATM中第一ATM是否 近于第二ATM； 依据ATM的偏序， 从预定区域内的所有ATM中选取出多个极近关系ATM， 其中， 极近关系 ATM是该偏序的极大 元素； 将选取出的多个极近关系ATM确定为该智能柜台的相似ATM 。 7.根据权利要求6所述的方法， 其特征在于， 依据共有交易类别向量， 确定ATM的偏序， 包括： 对于预定区域 内的每个ATM， 计算该ATM的共有交易类别向量和该智能柜台的共有交易 类别向量的差， 将该差确定为该ATM对应的向量差； 在确定ATM 的偏序时， 对于预定区域内的任何两个ATM， 如果对于每个分量， 该两个ATM 的第一ATM对应的向量差在该分量的值的绝对值 都小于等于该两个ATM的第二ATM对应的向 量差在该分量的值的绝对值， 则确定该第一ATM 近于该第二ATM 。 8.根据权利要求6所述的方法， 其特征在于， 依据共有交易类别向量， 确定ATM的偏序， 包括： 对于预定区域 内的每个ATM， 计算该ATM的共有交易类别向量和该智能柜台的共有交易 类别向量的距离， 将该距离确定为该ATM对应的共有交易距离； 根据该智能柜台对应的历史客户集合， 确定该历史客户集合中归属于各个客户类别的 客户数量， 将该客户数量确定为该智能柜台对应该 各个客户类别的客户数量； 对于预定区域内的每个ATM， 根据该ATM对应的历史客户集合， 确定该历史客户集合中 归属于各个客户类别的交易数量， 将该客户数量确定为该ATM对应该各个客户类别的客户 数量； 对于各个客户类别， 将该ATM对应该客户类别的客户数量与该智能柜台对应该客户类 别的客户数量的差确定为该ATM和该智能柜台关于该客户类别的差值； 将该ATM和该智能柜 台关于各个客户类别的差值的平方和的平方根确定为该ATM对应的客户距离； 在确定ATM 的偏序时， 对于预定区域内的任何两个ATM， 如果该两个ATM的第一ATM对应 的共有交易距离都小于等于该两个ATM的第二ATM对应的共有交易距离， 且该第一ATM对应权　利　要　求　书 2/4 页 3 CN 114881803 A 3