[发明专利]银行业务的排队预约方法及其装置、存储介质和设备

说明书

本发明公开了一种银行业务的排队预约方法及其装置、存储介质和设备。所述排队预约方法包括：获取各个客户的预约数据，构成数据点集；根据所述各个客户预约数据构建节点特征向量，所述节点特征向量包括节点位置信息和节点资源消耗值；根据所述节点特征向量构造排队队列，并按照排队论算法计算类簇初始值K；根据类簇初始值K对所述数据点集进行聚类处理，以形成每个客户的排队预约信息。基于排队论思想，在考虑节点位置信息和资源消耗的情况下类簇初始值K，避免了K‑Means算法随机选择K值对聚类效果的影响，从而极大程度提高银行工作人员办理业务的效率，减少活动组织的人力成本，提高活动组织的管理效率和集约化水平，提升客户体验。

技术领域

本发明属于机器学习技术领域，具体地讲，涉及银行业务的排队预约方法及其装置、计算机可读存储介质、计算机设备。

背景技术

为了解决银行申请用印、开卡、放贷款等预约业务的拥挤现象，减少活动组织的人力成本，提高活动组织的管理效率和集约化水平，提升客户体验，现有的银行预约系统基于K-Means聚类算法，对客户的预约数据进行处理，形成排队信息。由于现有的K-Means聚类算法采用随机选择的方法来确定初始值，会对聚类效果造成不良影响，不利于提高银行工作人员办理业务的效率。

发明内容

(一)本发明所要解决的技术问题

如何提供一种可以提高排队效率的银行业务的排队预约方法。

(二)本发明所采用的技术方案

一种银行业务的排队预约方法，所述排队预约方法包括：

获取各个客户的预约数据，构成数据点集；

根据所述各个客户预约数据构建节点特征向量，所述节点特征向量包括节点位置信息和节点资源消耗值；

根据所述节点特征向量构造排队队列，并按照排队论算法计算类簇初始值K；

根据类簇初始值K对所述数据点集进行聚类处理，以形成每个客户的排队预约信息。

优选地，根据类簇初始值K对所述数据点集进行聚类处理的方法包括：

根据所述类簇初始值K和所述数据点集确定K个聚类块中每个聚类块的初始聚类中心；

根据所述数据点集和各个初始聚类中心，将所述数据点集中的各个数据点分配至不同的聚类块，每一个聚类块至少具有一个数据点。

优选地，根据所述类簇初始值K和所述数据点集确定K个聚类块中每个聚类块的初始聚类中心的方法包括：

从所述数据点集中随机选择一个数据点作为K个聚类块的其中一个聚类块的聚类中心；

计算所述数据点集中每个数据点与其中一个聚类块的聚类中心的欧式距离，将欧式距离最大的数据点作为聚类块的待定聚类中心，重复上述步骤，直至获取每个聚类块的待定聚类中心；

按照所述数据点集中的各个数据点与初始聚类中心之间的欧式距离，将各个数据点初次分配至不同的聚类块；

判断初次分配后是否存在未分配到数据点的聚类块；

若否，则重复上述步骤，若是，则将每个聚类块的待定聚类中心作为初始聚类中心。

优选地，根据所述数据点集和各个初始聚类中心，将所述数据点集中的各个数据点分配至不同的聚类块的方法包括：

更新各个聚类块的聚类中心；

按照所述数据点集的各个数据点与更新后的各个聚类中心的欧式距离，将各个数据点分配至不同的聚类块，并计算每个聚类块的平均误差值；

迭代上述步骤，直至每个聚类块的平均误差值不变化。