(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 202210408033.4 (22)申请日 2022.04.19 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 吴思奥　暨光耀　张浩　傅媛媛　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 张琛 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 网点选址预测方法、 装置、 设备、 介质和程序 产品 (57)摘要 本公开提供了一种网点选址预测方法， 可以 应用于人工智能技术领域 或金融领域。 该方法包 括： 获取目标区域的信令数据； 将所述目标区域 的信令数据存入图数据库， 构建网点选址信息关 联图； 基于预设的距离粒度分割所述网点选址信 息关联图， 获取m个局部网点选址信息关联图数 据， 其中m为大于或等于2的整数； 以及将所述局 部网点选址信息关联图预处理后输入至预训练 好的网点选址预测模型， 获取网点选址预测结 果， 其中， 所述网点选址预测结果包含目标区域 的业务等级预测评级， 所述预训练好的网点选址 预测模型基于图卷积神经网络构建。 本公开还提 供了一种网点选址预测装置、 设备、 存储介质和 程序产品。 权利要求书2页 说明书15页 附图7页 CN 114663165 A 2022.06.24 CN 114663165 A 1.一种网点选 址预测方法， 其特 征在于， 包括： 获取目标区域的信令数据； 将所述目标区域的信令数据存 入图数据库， 构建网点选 址信息关联图； 基于预设的距离粒度分割所述网点选址信息关联图， 获取m个局部网点选址信息关联 图数据， 其中m为大于或等于2的整数； 以及将所述局部网点选址信 息关联图预处理后输入至预训练好的网点选址预测模型， 获取网点选 址预测结果， 其中， 所述网点选址预测结果包含目标区域的业务等级预测评级， 所述预训练好的网 点选址预测模型基于图卷积神经网络构建。 2.根据权利要求1所述的方法， 其中， 所述信 令数据包含经济数据， 地理数据， 物理条件 数据， 以及同业 竞争数据中的至少两种。 3.根据权利要求1所述的方法， 其中， 所述构建网点选 址信息关联图包括： 以目标区域为核心节点， 以目标区域的属性为关联节点， 将所述目标区域和所述目标 区域的属性存 储至图数据库中， 其中， 所述图数据库包含已存储的现有网点核心节点和现有网点属性关联节点； 所述 属性与信令数据种类对应； 其中， 第i个核心节点与m个 关联节点存在映射关系， 其中， i满足 1≤i≤n且i 为整数， n 为网点选 址信息关联图中节点总数， m为信令数据种类数。 4.根据权利要求3所述的方法， 其中， 所述图数据库还包括已存储的现有 网点的业务等 级数据， 所述将所述局部网点选 址信息关联图预处 理包括： 将第i个核心节点的信令数据进行归一化处理， 获取第 i个核心节点的特征向量， 其中， 所述第i个核心节点特征向量包含m个特征， 所述m个特征基于与第i个核心节 点存在映射关 系的关联节点获取； 基于第i个核心节点与其余n ‑1个核心节点的距离获取边特征向量， 并基于所述边特征 向量获取第i个核心 节点的邻接矩阵； 将现有网点核心 节点数据标记为 业务等级数据； 以及 基于所述核心节点的特征向量， 核心节点的邻接矩阵， 以及所述现有网点核心节点数 据获取局部网点选 址信息关联图数据。 5.根据权利要求1所述的方法， 其中， 所述获取网点选 址预测结果还 包括： 获取k个目标区域的业 务等级预测评级， k 为大于1的整数； 对所述k个目标区域的业务等级预测评级按照从高到低的顺序进行排序， 以排序第一 的目标区域作为 最优网点预测选 址。 6.根据权利要求4～5 中任一项所述的方法， 其中， 所述业务数据包含业务交易数据， 客 户增长数据， 客户流量数据中的至少 两种， 所述业务数据用于获取现有网点的业务等级数 据。 7.根据权利要求1所述的方法， 其中， 所述网点选址预测模型包含第一图卷积网络层， 第二图卷积网络层， 图特 征平均层， 第一全连接层， 第二全连接层和分类网络层。 8.根据权利要求 4所述的方法， 其中， 所述获取网点选 址预测结果包括： 将所述局部网点选址信 息关联图数据输入至第 一图卷积网络层， 获取一阶节点关联特 征信息；权　利　要　求　书 1/2 页 2 CN 114663165 A 2将所述一阶节点关联特征信息输入至第二图卷积网络层， 获取二阶节点关联特征信 息； 将所述二阶节点关联 特征信息输入至图特 征平均层， 获取图平均特 征信息； 将所述图平均特 征信息输入至第一全连接层， 获取第一全局特 征信息； 将所述第一全局特征信 息经非线性激活变换后输入至第 二全连接层， 获取第 二全局特 征信息； 以及 将所述第二全局特 征信息输入至分类网络层， 获取目标区域 业务等级预测结果。 9.根据权利要求7所述的方法， 其中， 在预训练所述网点选址预测模型时， 采用反向传 播以及梯度下降优化算法更新待训练的网点选址预测模型的参数， 直至达到预设的训练截 止条件。 10.一种网点选 址预测装置， 其特 征在于， 包括： 第一获取模块， 配置为获取目标区域的信令数据； 第一计算模块， 配置为将所述目标区域的信令数据存入图数据库， 构建网点选址信息 关联图； 第二计算模块， 配置为基于预设的距离粒度分割所述网点选址信 息关联图， 获取m个局 部网点选 址信息关联图数据， 其中m为大于或等于2的整数； 以及 预测模块， 配置为将所述局部网点选址信 息关联图预处理后输入至预训练好的网点选 址预测模 型， 获取网点选址预测结果， 其中， 所述网点选址预测结果包含目标区域的业务等 级预测评级， 所述预训练好的网点选 址预测模型基于图卷积神经网络构建。 11.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器执行根据权利要求1～ 9中任一项所述的方法。 12.一种计算机可读存储介质， 其上存储有可执行指令， 该指令被处理器执行时使处理 器执行根据权利要求1～ 9中任一项所述的方法。 13.一种计算机程序产品， 包括计算机程序， 所述计算机程序被处理器执行时实现根据 权利要求1～ 9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114663165 A 3