数据预缓存方法及装置与流程

1.本技术涉及计算机技术领域，具体涉及一种数据预缓存方法及装置。


背景技术：

2.当前移动客户端、外出服务设备等基于b/s架构或使用移动网络或其他会受到网络信号波动影响的业务渠道端为客户办理银行业务时，为提高运行、处理速度，会在通过网络访问服务器的同时，将服务器端的部分高频使用的数据下载到本地缓存，以便再次使用时可以快速展现、使用。但是，此种机制当网络信号不好、不稳定时，首次访问数据即会受到影响，同样会导致业务无法正常办理。


技术实现要素：

3.针对现有技术中的问题，本技术实施例提供一种数据预缓存方法及装置，能够至少部分地解决现有技术中存在的问题。
4.一方面，本技术提出一种数据预缓存方法，包括：
5.获取在目标渠道端产生的历史交易的交易信息；
6.根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；
7.在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。
8.在一些实施例中，所述交易信息中包括所述历史交易的发生时间、所述历史交易的交易方的信息和/或所述历史交易的交易类型。
9.在一些实施例中，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：
10.根据所述历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的历史交易在各历史时段的发生频率；
11.针对每种类型的历史交易，按照该类型的历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的历史交易的发生频率满足预设条件的历史时段；
12.根据在与目标时段相对应的历史时段内发生频率满足预设条件的历史交易的交易类型，确定在目标时段在所述目标渠道端发生的交易。
13.在一些实施例中，在所述目标渠道端为移动客户端时，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：
14.根据所述历史交易的交易信息，获取目标交易方在所述移动客户端发起的历史交易的信息；
15.根据所述目标交易方在所述移动客户端发起的历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的所述历史交易在各历史时段的发生频率；
16.针对每种类型的所述历史交易，按照该类型的所述历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的所述历史交易的发生频率满足预设条件的历
史时段；
17.根据在与目标时段相对应的历史时段内发生频率满足预设条件的所述历史交易的交易类型，确定所述目标交易方在所述目标时段在所述目标渠道端发生的交易。
18.在一些实施例中，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：
19.根据所述目标交易方在第一历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，生成所述目标交易方的第一历史交易行为向量；
20.将所述目标交易方的第一历史交易行为向量输入交易行为预测模型，得到所述交易行为预测模型输出的所述目标交易方在目标时段在所述目标渠道端发生的交易，其中，所述目标时段在所述第一历史时期之后，所述交易行为预测模型是根据所述历史交易中的每个交易方在所述目标渠道端发生的历史交易的交易信息训练得到的。
21.在一些实施例中，在将所述目标交易方的第一历史交易行为向量输入交易行为预测模型之前，所述方法还包括：
22.根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；
23.对于每个交易方，根据该交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第二历史交易行为向量；
24.根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；
25.对于每个交易方，根据该交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第三历史交易行为向量，其中，所述第三历史时期在所述第二历史时期之后，且所述第三历史时期的时间长度和所述第二历史时期的时间长度相等；
26.将每个交易方的第二历史交易行为向量作为自变量、将每个交易方的第三历史交易行为向量作为因变量，利用逻辑回归方法构建交易行为预测模型。
27.在一些实施例中，所述在所述目标时段之前，发送数据预缓存通知至所述目标渠道端包括：
28.在当前时间在所述目标时段之前的m个小时之内时，获取所述目标渠道端当前的网络信号状态，m为正数；
29.若所述目标渠道端当前的网络状态满足数据缓存要求，则发送数据预缓存通知至所述目标渠道端。
30.另一方面，本技术提出一种数据预缓存装置，包括：
31.获取模块，用于获取在目标渠道端产生的历史交易的交易信息；
32.预测模块，用于根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；
33.发送模块，用于在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。
34.本技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述的数
据预缓存方法的步骤。
35.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述的数据预缓存方法的步骤。
36.本技术实施例提供的数据预缓存方法及装置，利用在目标渠道端产生的历史交易的交易信息，预测目标渠道端在目标时段发生的交易，并在所述目标时段到来之前，通知所述目标渠道端将与该交易相关的业务数据预缓存至本地，这样，能够克服交易发生时由于网络状况不好所导致的交易无法进行的情况。
附图说明
37.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
38.图1是本技术一实施例提供的数据预缓存方法的流程示意图。
39.图2是本技术一实施例提供的数据预缓存方法的部分流程示意图。
40.图3是本技术一实施例提供的数据预缓存方法的部分流程示意图。
41.图4是本技术一实施例提供的数据预缓存方法的部分流程示意图。
42.图5是本技术一实施例提供的数据预缓存方法的部分流程示意图。
43.图6是本技术一实施例提供的数据预缓存方法的部分流程示意图。
44.图7是本技术一实施例提供的数据预缓存方法的流程示意图。
45.图8是本技术一实施例提供的数据预缓存装置的结构示意图。
46.图9是本技术一实施例提供的电子设备的实体结构示意图。
具体实施方式
47.为使本技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本技术实施例做进一步详细说明。在此，本技术的示意性实施例及其说明用于解释本技术，但并不作为对本技术的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意排序。
48.关于本文中所使用的“第一”、“第二”、
……
等，并非特别指称次序或顺位的意思，亦非用以限定本技术，其仅为了区别以相同技术用语描述的元件或操作。
49.关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
50.关于本文中所使用的“及/或”，包括所述事物的任一或全部排序。
51.图1是本技术一实施例提供的数据预缓存方法的流程示意图，如图1所示，本技术实施例提供的数据预缓存方法，包括：
52.s101、获取在目标渠道端产生的历史交易的交易信息；
53.步骤s101中，所述目标渠道端可以是移动客户端、外出服务设备等基于b/s架构或使用移动网络或其他会受到网络信号波动影响的业务渠道端，并具有可以本地保存缓存数据的条件。在所述目标渠道端进行的历史交易的交易信息可以记录在服务端，步骤s101中
可以从服务端获取在所述目标渠道端产生的历史交易的交易信息。
54.s102、根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；
55.步骤s102中，主要利用在所述目标渠道端产生的历史交易的交易规律，对发生在所述目标渠道端的未来某一目标时段的交易进行预测。
56.s103、在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。
57.步骤s103中，在所述目标时段到来之前，通知所述目标渠道端将与该交易相关的业务数据预缓存至本地。
58.本技术实施例提供的数据预缓存方法，利用在目标渠道端产生的历史交易的交易信息，预测目标渠道端在目标时段发生的交易，并在所述目标时段到来之前，通知所述目标渠道端将与该交易相关的业务数据预缓存至本地，这样，能够克服交易发生时由于网络状况不好所导致的交易无法进行的情况。
59.在一些实施例中，所述交易信息中包括所述历史交易的发生时间、所述历史交易的交易方的信息和/或所述历史交易的交易类型。
60.具体来讲，所述历史交易的发生时间可以精确到秒，交易方的信息可以包括交易发起方和/或交易参与方，交易类型可以包括贷款类交易、外汇买卖交易、理财类交易、保险类交易等。
61.如图2所示，在一些实施例中，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：
62.s1021、根据所述历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的历史交易在各历史时段的发生频率；
63.步骤s1021中，每个历史交易的交易信息中包括该历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的所述历史交易在各历史时段的发生频率；其中，所述历史时段是按照一定的规则划分的，例如将每天划分为24小时，计算每种类型的历史交易在每小时的发生频率，或者也可以将每周作为一个历史时段等。
64.s1022、针对每种类型的历史交易，按照该类型的历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的历史交易的发生频率满足预设条件的历史时段；
65.步骤s1022中，所述预设条件可以是：发生频率排在前x位；具体来讲，针对每种类型的历史交易，按照该类型的历史交易在各历史时段的发生频率由高到低的顺序，对各历史时段进行排序，将排在前x位的历史时段t1、t2、t3...(x为正整数，可根据实际需求自由定义)确定为该类型的历史交易的发生频率满足预设条件的历史时段，这些历史时间段也可称为该类型的历史交易高频发生的历史时间段。
66.s1023、根据在与目标时段相对应的历史时段内发生频率满足预设条件的历史交易的交易类型，确定在目标时段在所述目标渠道端发生的交易。
67.步骤s1023中，一般来讲，所述目标时段的长度与每个历史时段的长度相等，所述历史时段的划分规则与所述目标时段的选取规则相互关联；举例而言，在所述目标时段为未来某一天的第5个小时时，则与所述目标时段相对应的历史时段是指历史记录中每天的
第5个小时；又例如，在所述目标时段为未来某个周三时，则与所述目标时段相对应的历史时段是指历史记录中的每个周三。步骤s1023中利用与目标时段相对应的历史时段内高频发生的历史交易的交易类型，预测在所述目标时段在所述目标渠道端发生该交易类型的交易。
68.如图3所示，在一些实施例中，在所述目标渠道端为移动客户端时，还可以增加交易方的维度，根据目标交易方在所述目标渠道端每种类型的历史交易高频发生的历史时间段，预测目标交易方在目标时段在所述目标渠道端发起的交易。具体来讲，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：
69.s1024、根据所述历史交易的交易信息，获取目标交易方在所述移动客户端发起的历史交易的信息；
70.s1025、根据所述目标交易方在所述移动客户端发起的历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的所述历史交易在各历史时段的发生频率；
71.s1026、针对每种类型的所述历史交易，按照该类型的所述历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的所述历史交易的发生频率满足预设条件的历史时段；
72.s1027、根据在与目标时段相对应的历史时段内发生频率满足预设条件的所述历史交易的交易类型，确定所述目标交易方在所述目标时段在所述目标渠道端发生的交易。
73.具体来讲，所述根据目标交易方可以是当前在所述目标渠道端登录的客户，步骤s1025至步骤s1027可以是在目标交易方在所述目标渠道端登录之前就完成的。步骤s1025至步骤s1027的执行过程与上述步骤s1021至s1023的执行过程类似，只是增加了目标交易方这一限制条件，在此不再赘述。
74.如图4所示，在一些实施例中，可以通过根据历史交易信息建立交易行为预测模型，根据预测模型预测在目标时段发生的交易。具体的，建立交易行为预测模型的过程可以如下：
75.s201、根据所述目标交易方在第一历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，生成所述目标交易方的第一历史交易行为向量；
76.s202、将所述目标交易方的第一历史交易行为向量输入交易行为预测模型，得到所述交易行为预测模型输出的所述目标交易方在目标时段在所述目标渠道端发生的交易，其中，所述目标时段在所述第一历史时期之后，所述交易行为预测模型是根据所述历史交易中的每个交易方在所述目标渠道端发生的历史交易的交易信息训练得到的。
77.如图5所示，在一些实施例中，在将所述目标交易方的第一历史交易行为向量输入交易行为预测模型之前，所述方法还包括：
78.s203、根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；
79.s204、对于每个交易方，根据该交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第二历史交易行为向量；
80.s205、根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第三
历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；
81.s206、对于每个交易方，根据该交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第三历史交易行为向量，其中，所述第三历史时期在所述第二历史时期之后，且所述第三历史时期的时间长度和所述第二历史时期的时间长度相等；
82.s207、将每个交易方的第二历史交易行为向量作为自变量、将每个交易方的第三历史交易行为向量作为因变量，利用逻辑回归方法构建交易行为预测模型。
83.如图6所示，在一些实施例中，所述在所述目标时段之前，发送数据预缓存通知至所述目标渠道端包括：
84.s1031、在当前时间在所述目标时段之前的m个小时之内时，获取所述目标渠道端当前的网络信号状态，m为正数；
85.s1032、若所述目标渠道端当前的网络状态满足数据缓存要求，则发送数据预缓存通知至所述目标渠道端。
86.具体来讲，在网络状况良好且暂未到达使用时间点前，就提前将业务数据预缓存至目标渠道端，达到就算交易发生时网络状况不好也可以正常使用的目的。
87.为更好的理解本技术，以下通过一具体实施例对本技术提供的数据预缓存方法进行详细说明。
88.如图7所示，本实施例提供的数据预缓存方法包括：
89.步骤1：获取渠道历史记录
90.获取银行系统中记录的特定渠道的历史交易记录，以不同的交易种类作为分类维度，获取历史记录中交易发生的时间点。
91.步骤2：计算偏好时间点
92.将一天划分为24个小时，利用逻辑回归算法构建业务预测模型。以业务种类为维度，选择t-2n天至t-n-1天的数据作为训练数据。该客户在第i小时中如果发起并完成了业务a的交易，则将该业务种类标1，否则标0，所以训练数据中包括该客户在n天的所有业务种类行为数据，表达为n维列向量其中，表示该客户在第1天的第i小时针对所有业务种类的行为向量，表示该客户在第2天的第i小时针对所有业务种类的行为向量，表示该客户在第3天的第i小时针对所有业务种类的行为向量，表示该客户在第n天的第i小时针对所有业务种类的行为向量。基于同样的原理，构建该客户在t-n天至t-1天的n维列向量，将该客户在t-2n天至t-n-1天的n维列向量作为自变量，将该客户在t-n天至t-1天的n维列向量作为因变量，利用逻辑回归方法构建预测模型。
93.关于逻辑回归模型，首先，利用激活函数sigmoid函数对于每一组输入数据x(i)映射成0到1之间的数，其中w是一个n维列向量，w和b是待求参数；其次，利用极大似然估计法或交叉熵损失函数求解参数；最后将所指定用户近n天(从t-n至t-1天)的数据作为模型输入，模型输出t天至t+n-1天中每一天该客户在第i小时办理每种业务的概率值，如果概率值大于0.5则判定属于1，说明该客户在该天的第i小时将会发起该类型的业务，则进入步骤4提前缓存数据；如果概率值小于等于0.5则判定属于0，说明该客户在该
天的第i小时将不发起该业务。
94.步骤3：判断时间点
95.得到a业务频率最高的时间点t前n小时的数值t-n后，银行系统通过联机小批量的方式，开始判断自然时间是否到达时间点t-n，如果是则进入下一步，如果否则联机小批量继续持续判断。
96.步骤4：获取网络状态
97.自然时间到达时间点t-n时，银行系统开始为使用移动网络办理业务的渠道端获取当前的网络信号状态。
98.步骤5：判断网络状态
99.银行系统和渠道端双向判断当前的网络状态是否满足业务需要，可以通过预设数值并将网络延时情况与之对比的方式，也可以通过联机发送数据包进行冒烟测试的方式等，如果满足则进入下一步，如果不满足则重新进入步骤3，先判断时间点，再联机小批量继续持续判断网络状态，此时，如果到达时间点t时网络仍然不满足业务需要，则进入步骤16。
100.步骤6：写入本地缓存
101.渠道端通过移动网络下载业务数据并写入本地缓存，以便随时访问。
102.步骤7：客户登录
103.客户在渠道端登录，开始办理业务。
104.步骤8：获取网络状态
105.银行系统开始为使用移动网络办理业务的渠道端获取当前的网络信号状态。
106.步骤9：判断网络状态
107.银行系统和渠道端双向判断当前的网络状态是否满足业务需要，可以通过预设数值并将网络延时情况与之对比的方式，也可以通过联机发送数据包进行冒烟测试的方式等，如果满足则同生产现行方式，如果不满足则进入下一步。
108.步骤10：启用缓存
109.渠道端启用缓存中保存的数据，并展示已缓存业务的菜单，剩余业务菜单自动屏蔽。
110.步骤11：办理业务
111.客户通过缓存中保存的数据完成全部业务流程，渠道端将全部业务数据保存在本地缓存。
112.步骤12：获取网络状态
113.银行系统开始为使用移动网络办理业务的渠道端获取当前的网络信号状态。
114.步骤13：判断网络状态
115.银行系统和渠道端双向判断当前的网络状态是否满足业务上传需要，可以通过预设数值并将网络延时情况与之对比的方式，也可以通过联机发送数据包进行冒烟测试的方式等，如果满足则进入下一步，如果不满足则联机小批量继续持续判断。
116.步骤14：上传业务数据
117.将渠道端在上述步骤中保存的业务数据上传至银行系统，至此，业务所需全部流程已完成。
118.步骤15：清理缓存
119.为防止渠道端本地缓存数据过多影响业务效率，每日日终批量自动清理本地缓存数据。
120.步骤16：发送失败报文
121.银行系统向渠道端通过联机小批量发送失败报文，并进入下一步。
122.步骤17：判断触发交易
123.如果客户办理业务a，则进入下一步，如果客户未办理业务a，则无需提示。
124.步骤18：失败提示
125.提示客户当前业务暂时无法办理，如果没收到上述步骤中银行系统发送的失败报文，则同生产现行方式展示失败页面或报错。
126.本实施例提供的数据预缓存方法，能够解决网络信号不稳定时交易无法及时办理的问题，同时可帮助银行前往偏远地带办理业务，且触发预缓存的时间点可以自由定义，可以按照交易种类及客户维度进行预缓存。
127.图8是本技术一实施例提供的数据预缓存装置的结构示意图，如图8所示，本技术实施例提供的数据预缓存装置，包括：
128.获取模块21，用于获取在目标渠道端产生的历史交易的交易信息；
129.预测模块22，用于根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；
130.发送模块23，用于在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。
131.本技术实施例提供的数据预缓存装置，利用在目标渠道端产生的历史交易的交易信息，预测目标渠道端在目标时段发生的交易，并在所述目标时段到来之前，通知所述目标渠道端将与该交易相关的业务数据预缓存至本地，这样，能够克服交易发生时由于网络状况不好所导致的交易无法进行的情况。
132.在一些实施例中，所述交易信息中包括所述历史交易的发生时间、所述历史交易的交易方的信息和/或所述历史交易的交易类型。
133.在一些实施例中，所述预测模块具体用于：
134.根据所述历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的历史交易在各历史时段的发生频率；
135.针对每种类型的历史交易，按照该类型的历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的历史交易的发生频率满足预设条件的历史时段；
136.根据在与目标时段相对应的历史时段内发生频率满足预设条件的历史交易的交易类型，确定在目标时段在所述目标渠道端发生的交易。
137.在一些实施例中，在所述目标渠道端为移动客户端时，所述预测模块具体用于：
138.根据所述历史交易的交易信息，获取目标交易方在所述移动客户端发起的历史交易的信息；
139.根据所述目标交易方在所述移动客户端发起的历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的所述历史交易在各历史时段的发生频率；
140.针对每种类型的所述历史交易，按照该类型的所述历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的所述历史交易的发生频率满足预设条件的历
史时段；
141.根据在与目标时段相对应的历史时段内发生频率满足预设条件的所述历史交易的交易类型，确定所述目标交易方在所述目标时段在所述目标渠道端发生的交易。
142.在一些实施例中，所述预测模块具体用于：
143.根据所述目标交易方在第一历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，生成所述目标交易方的第一历史交易行为向量；
144.将所述目标交易方的第一历史交易行为向量输入交易行为预测模型，得到所述交易行为预测模型输出的所述目标交易方在目标时段在所述目标渠道端发生的交易，其中，所述目标时段在所述第一历史时期之后，所述交易行为预测模型是根据所述历史交易中的每个交易方在所述目标渠道端发生的历史交易的交易信息训练得到的。
145.在一些实施例中，所述预测模块还用于：
146.根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；
147.对于每个交易方，根据该交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第二历史交易行为向量；
148.根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；
149.对于每个交易方，根据该交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第三历史交易行为向量，其中，所述第三历史时期在所述第二历史时期之后，且所述第三历史时期的时间长度和所述第二历史时期的时间长度相等；
150.将每个交易方的第二历史交易行为向量作为自变量、将每个交易方的第三历史交易行为向量作为因变量，利用逻辑回归方法构建交易行为预测模型。
151.在一些实施例中，所述发送模块具体用于：
152.在当前时间在所述目标时段之前的m个小时之内时，获取所述目标渠道端当前的网络信号状态，m为正数；
153.若所述目标渠道端当前的网络状态满足数据缓存要求，则发送数据预缓存通知至所述目标渠道端。
154.本技术实施例提供的装置的实施例具体可以用于执行上述应用于各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
155.需要说明的是，本技术实施例提供的数据预缓存方法及装置可用于金融领域，也可用于除金融领域之外的任意技术领域，本技术实施例对数据预缓存方法及装置的应用领域不做限定。
156.图9为本技术一实施例提供的电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)301、通信接口(communications interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行上述任一实施例所述的方法。
157.此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为
独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
158.本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。
159.本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法。
160.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
161.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
162.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
163.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
164.在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
165.以上所述的具体实施例，对本技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本技术的具体实施例而已，并不用于限定本技术的保护范围，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本
申请的保护范围之内。

技术特征：
1.一种数据预缓存方法，其特征在于，包括：获取在目标渠道端产生的历史交易的交易信息；根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。2.根据权利要求1所述的方法，其特征在于，所述交易信息中包括所述历史交易的发生时间、所述历史交易的交易方的信息和/或所述历史交易的交易类型。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：根据所述历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的历史交易在各历史时段的发生频率；针对每种类型的历史交易，按照该类型的历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的历史交易的发生频率满足预设条件的历史时段；根据在与目标时段相对应的历史时段内发生频率满足预设条件的历史交易的交易类型，确定在目标时段在所述目标渠道端发生的交易。4.根据权利要求2所述的方法，其特征在于，在所述目标渠道端为移动客户端时，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：根据所述历史交易的交易信息，获取目标交易方在所述移动客户端发起的历史交易的信息；根据所述目标交易方在所述移动客户端发起的历史交易的发生时间及交易类型，利用聚类分析法计算每种类型的所述历史交易在各历史时段的发生频率；针对每种类型的所述历史交易，按照该类型的所述历史交易在每个所述历史时段的发生频率，确定各所述历史时段中该类型的所述历史交易的发生频率满足预设条件的历史时段；根据在与目标时段相对应的历史时段内发生频率满足预设条件的所述历史交易的交易类型，确定所述目标交易方在所述目标时段在所述目标渠道端发生的交易。5.根据权利要求2所述的方法，其特征在于，所述根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易包括：根据所述目标交易方在第一历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，生成所述目标交易方的第一历史交易行为向量；将所述目标交易方的第一历史交易行为向量输入交易行为预测模型，得到所述交易行为预测模型输出的所述目标交易方在目标时段在所述目标渠道端发生的交易，其中，所述目标时段在所述第一历史时期之后，所述交易行为预测模型是根据所述历史交易中的每个交易方在所述目标渠道端发生的历史交易的交易信息训练得到的。6.根据权利要求5所述的方法，其特征在于，在将所述目标交易方的第一历史交易行为向量输入交易行为预测模型之前，所述方法还包括：根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第二历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；对于每个交易方，根据该交易方在第二历史时期下的每个与所述目标时段相对应的历
史时段内每种类型的交易的发生情况信息，构建该交易方的第二历史交易行为向量；根据所述历史交易的交易信息，获取所述历史交易中的每个交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息；对于每个交易方，根据该交易方在第三历史时期下的每个与所述目标时段相对应的历史时段内每种类型的交易的发生情况信息，构建该交易方的第三历史交易行为向量，其中，所述第三历史时期在所述第二历史时期之后，且所述第三历史时期的时间长度和所述第二历史时期的时间长度相等；将每个交易方的第二历史交易行为向量作为自变量、将每个交易方的第三历史交易行为向量作为因变量，利用逻辑回归方法构建交易行为预测模型。7.根据权利要求1至6任一项所述的方法，其特征在于，所述在所述目标时段之前，发送数据预缓存通知至所述目标渠道端包括：在当前时间在所述目标时段之前的m个小时之内时，获取所述目标渠道端当前的网络信号状态，m为正数；若所述目标渠道端当前的网络状态满足数据缓存要求，则发送数据预缓存通知至所述目标渠道端。8.一种数据预缓存装置，其特征在于，包括：获取模块，用于获取在目标渠道端产生的历史交易的交易信息；预测模块，用于根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；发送模块，用于在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本申请提供一种数据预缓存方法及装置，可用于金融领域或其他技术领域。所述方法包括：获取在目标渠道端产生的历史交易的交易信息；根据所述历史交易的交易信息，预测在目标时段在所述目标渠道端发生的交易；在所述目标时段之前，发送数据预缓存通知至所述目标渠道端，所述目标渠道端用于根据所述数据预缓存通知下载并缓存与所述交易关联的业务数据。本申请实施例提供的数据预缓存方法及装置，能够克服交易发生时由于网络状况不好所导致的交易无法进行的情况。法进行的情况。法进行的情况。


技术研发人员：娄潇 张笑雪 李曼丽 杨逸男
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.04.19
技术公布日：2023/7/12